Nice na Kalsada at Maingat na Mga Pedestrian ay isang Roadblock sa Fully Autonomous Cars

$config[ads_kvadrat] not found

Why Don’t We Have Self-Driving Cars Yet?

Why Don’t We Have Self-Driving Cars Yet?
Anonim

Upang gumawa ng pinakamahusay na mga autonomous na mga kotse, kakailanganin naming ituro ang kanilang A.I. kung paano mag-navigate sa pinakamasama posibleng mga kondisyon. Iyon ang dahilan kung bakit ang pinaka-mapagbigay na pagbabago sa larangan ay maaaring magwakas na nagaganap na malayo sa mga liwayway ng California, at sa halip ay mas mababa sa pagpapatawad sa mga kapaligiran.

"Walang sinuman ang makakabili ng isang self-driving car upang sakyan ito sa California lamang. Ito ay isang tanong ng susunod na pang-industriya na pang-industriya na sistema, "sabi ni Olga Uskova, presidente ng Cognitive Technologies ng Russia at tagapagtatag ng autonomous driving system ng C-Pilot. Kabaligtaran. "Halimbawa sa aming system, ginagamit namin ang isang tech na tinatawag na 'virtual tunnel'. Ang sasakyan ay gumagalaw hindi lamang sa pamamagitan ng pagmamarka ng kalsada, ngunit tumutukoy ito sa tanawin ng kalsada katulad ng ginagawa ng utak ng tao, sa pamamagitan ng pag-aaral ng mga pag-ilid na sitwasyon - ang lokasyon ng mga puno, mga gusali, ang horizon line atbp"

Sinabi ni Uskova na 70 porsiyento ng mga kalsada sa mundo ay hindi tulad ng mga nakita sa California. Subalit sa halip na gumana mula sa walang laman na mga track ng pagsubok sa mas maraming sitwasyon sa real-world, nagpasya ang koponan ng Uskova na gamitin ang malupit na mga kondisyon bilang panimulang punto. Ang pagmamaneho sa masamang panahon, natukoy nila, ay gumagamit ng tinatayang 35 hanggang 40 porsiyento ng oras ng pagsubok.

"Ang klima sa karamihan ng mga bahagi ng Russia ay ipinakita sa pamamagitan ng isang malaking bilang ng mga araw bawat taon kapag ang mga drayber ay dapat maglakbay sa masamang kondisyon ng panahon - sa mga kalsada na may snow, putik, kakulangan ng pagmamarka ng kalsada at mahinang pagpapakita," sabi ni Uskova.

Ito ang deep-end-first na diskarte na characterizes ng isang mahusay na deal ng autonomous na pag-unlad ng kotse sa internasyonal na yugto. Sa United Kingdom, halimbawa, walang mga batas laban sa jaywalking. Ang ilang mga startup ay argued na ito ay isang perpektong lugar para sa pagtuturo ng kotse-pagmamaneho A.I. kung paano haharapin ang mga pesky na taong naglalakad. Ang isa, na nakabase sa Imperial College London, ay nakagawa ng isang sistema na may kakayahang maunawaan ang higit sa 150 na pag-uugali upang hatulan kung ang isang taong naglalakad ay lalabas sa kalsada.

"Kami ay lubos na tiwala na maaari naming mahulaan kung ang isang tao ay pagpunta sa krus o hindi," Leslie Noteboom, co-founder ng Humanising Autonomy, sinabi sa Evening Standard. "Kailangan ng mga kotse na maunawaan ang buong lawak ng pag-uugali ng tao bago pa man ipapatupad sa mga kapaligiran ng lunsod. Ang kasalukuyang teknolohiya ay maaaring maunawaan kung ang isang bagay ay isang taong naglalakad at hindi isang post ng lampara, at kung saan naglalakad ang naglalakad, nilalang ito bilang isang kahon. Naghahanap kami sa loob ng kahon upang makita kung ano ang ginagawa ng tao, kung saan sila nakatingin, alam nila ang kotse, sila ba ay nasa telepono o tumatakbo - ibig sabihin ba ito ay ginulo, o mapanganib?"

Inaasahan na mag-host ng London ang kanyang unang autonomous taxis sa 2021, sa kagandahang-loob ng Oxford-based na developer Oxbotica at taxi firm na Addison Lee. Ang Oxbotica ay nakumpleto na ang isang serye ng mga limitadong paghahatid ng grocery bilang bahagi ng mga pagsusulit nito, habang naghahanda para sa isang autonomous drive mula sa London hanggang Oxford sa ikalawang kalahati ng 2019. Ang 60-milya na paglalakbay ay may tagbunsod na serbisyo ng cellular, na gagawing mahirap ang mga komunikasyon sa kotse. Ang buong bansa ay may halos 75 porsiyento na geographic 3G at 4G coverage. Ang koponan ay kailangang mag-ehersisyo kung paano dapat tumugon ang kotse kapag nawawala ang pagkakakonekta ng internet.

Sa kaso ng Cognitive Pilot, kailangan itong bumuo ng mga bagong sensor na may kakayahang paghawak ng daan kung ano ang maaaring gawin. Ito ay nakabuo ng isang radar na may kakayahang lumikha ng 3D projection ng mga bagay mula sa 300 metro ang layo. Habang tumutuon ang Silicon Valley sa mga solusyon sa lidar na nakikipagpunyagi sa malupit na panahon, ang radar ay mas mahusay para sa lahat ng panahon. Sa masamang kondisyon ng panahon, ang hanay ng radar ng koponan ay bumaba ng 50 hanggang 100 metro upang maabot ang pagitan ng 200 hanggang 250 metro. Si Lidar, na gumagamit ng isang laser na umiikot sa bounce off ang mga bagay at nagbabasa ng kanilang distansya, ay maaaring mabigo sa niyebe kapag ang kanilang mga lasers sa halip ay mag-bounce off ng bumabagsak na mga natuklap.

Ang Silicon Valley ay hindi bulag sa mga isyung ito. Sinubukan ni Waymo ang kanyang autonomous driving system trekking sa pamamagitan ng snow sa South Lake Tahoe noong Marso 2017. At si Tesla, na isinasaalang-alang ang lidar na may napakaraming mga depekto, ay nagpasyang sumali para sa isang kumbinasyon ng mga camera at radar para sa suite na "Hardware 2" na dinisenyo upang suportahan awtonomya sa ibang araw. Kahit na ang CEO na si Elon Musk, ay nagpahayag na ito ay "lubhang mahirap" upang bumuo ng isang all-purpose autonomous driving solution.

Ang mga kumpanya sa teknolohiya ay may kamakailan ay may sukat na bumalik sa kanilang mga inaasahan, tulad ng mga pagsubok ni Waymo sa pakikibaka ng Arizona na may mga kumplikadong interseksyon. Ang Drive.AI ay kahit iminungkahing muling pagdidisenyo ng mga daan upang suportahan ang mga bagong kotse na ito. Samantalang ang Musk ay tiwala pa rin na maaaring makamit ng Tesla ang isang punto-to-point na solusyon sa susunod na taon, ang mga hamon na nahaharap sa mga internasyonal na developer ay nagpapakita na hindi malinaw kung paano gagana ang mga sistemang ito sa ibang lugar.

$config[ads_kvadrat] not found