予測は間違っていました：自動運転車には長い道のりがあります

数年前、自動運転車は道路を引き継ぐ準備がほぼ整っていたようでした。

「2020年から、あなたは永久の後部座席ドライバーになります」と ガーディアン は2015年に述べました。完全自動運転車は「A地点からB地点まで運転し、ドライバー、ビジネス、 Insiderは2016年に執筆しました。

これらの推定値の多くが誇張されていたことは明らかです。 Uberがアリゾナで抱えた問題を見てください。 無人の車は確かに私たちの道路をより安全にしますが、ハンドルの後ろから人間を取り除くことは、ひび割れにくいです。 何十年も夢見てきた無人で事故のないユートピアに到達する前に、いくつかのハードルを克服する必要がありますが、それらはすべて技術的ではありません。

オープン環境のナビゲート

自動運転車は、予測不可能で多様な環境をナビゲートする必要があります。

「自動車について考えるときに重要なことは、それらが自動運転するために必要なことだと思います。自律性は特定のシステム内でのみ適用されるため、自律性の言語は本当に私たちを困らせます。」とジャック・スティルゴー、ロンドン大学ユニバーシティカレッジの社会科学者であり、Driversless Futuresプロジェクトのリーダーです。

列車や飛行機など、運輸業界の他のセグメントは、すでに自動車よりも高いレベルの成功への自律性を実装しています、と彼は言いました。

「空域が高度に制御された環境であるためにのみ、飛行機の自動操縦が機能します。熱気球を747の経路に飛ばすと、直進して直進し、誰の障害であるかが非常に明確になります。」スティルゴーは指摘した。 「電車でも同じ。無人であることは、システムが閉鎖型であることは非常に明確だからこそ意味がある」

対照的に、車は非常に複雑でオープンなシステムである道路で動作します。列車は、車、動物、歩行者の立ち入りが禁止されている専用の線路がある鉄道よりも予測が困難です。 自動運転車は、混雑した道路で道を見つけ、道路標識に反応し、交差点で他の交通に対処し、マーキングがはっきりしないかもしれないさまざまな条件で運転しなければなりません。 障害物をナビゲートし、他の車やドライバーからの動きに反応することを学び、最も重要なことは、歩行者にぶつからないようにすることです。 このすべてが、安全な自動運転車を作成する仕事をより困難にします。

「私たちを驚かせることが常にあるでしょう」とスティルゴーは言った。

車に目と脳を与える

自動運転車の技術を推進する主な技術の1つは、例に基づいて行動モデルを作成する人工知能のサブセットであるディープラーニングです。 深層学習アルゴリズムは、自動運転車の周囲に設置されたカメラからのビデオフィードを調べて、道路の寸法を見つけ、標識を読み取り、障害物、車、および歩行者を検出します。

ウェイモとウーバーの訴訟の中心にいたエンジニアのアンソニー・レヴァンドフスキーは最近、サンフランシスコのゴールデンゲートブリッジからニューヨークのジョージワシントンブリッジまで3, 100マイル走行した自動運転技術のビデオとパフォーマンスの詳細を投稿しました、制御を人間のドライバーに引き渡すことなく、ビデオカメラとニューラルネットワークのみを使用します。

州間高速道路での運転は、都市環境をナビゲートするよりもかなり簡単ですが、レバンドフスキーの業績は注目に値します。 彼の新しいスタートアップであるPronto.aiは、ほとんどの時間を高速道路に費やしている商用のセミトラックで利用できるようにする計画です。

しかし、十分に訓練されたニューラルネットワークは、オブジェクトの検出で人間よりも優れていますが、不合理で危険な方法で失敗する可能性があります。最も顕著なのは、致命的な2016 Tesla Model Sクラッシュと2018 Model X事故です。 他の研究では、自動運転車のコンピュータービジョンアルゴリズムは、厄介な位置にある既知のオブジェクトを見ると簡単にだまされる可能性があることが示されています。

公平を期すために、自動運転技術はいくつかの事例で事故を防いでいますが、これらの事例はほとんど話題になりません。

ニューラルネットワークの補完

ニューラルネットワークの制限を回避するために、一部の企業では、自動運転車の上部によく見られる回転デバイスであるLidarを装備しています。 Lidarデバイスは、さまざまな方向に多数の不可視光線を放射し、それらの光線がオブジェクトに反射して戻るまでにかかる時間を測定することで、車の周囲の詳細な3Dマップを作成します。

Lidarは、画像分類アルゴリズムが見逃す可能性のあるオブジェクトと障害物を検出できます。 また、暗闇の中で車を見ることができ、レーダーよりも詳細で正確です。レーダーは、移動する物体の検出に適しています。

自動運転車プログラムを持つほとんどの企業は、WaymoやUberを含むLidarを使用しています。 しかし、技術はまだ初期段階です。 1つは、Lidarデバイスはpot穴や悪天候には適していません。

ライダーも非常に高価です。 さまざまな見積もりによると、車の価格が最大85, 000ドルになる可能性があります。 Axiosの調査によると、年間コストは100, 000ドルをはるかに下回る可能性があります。 平均的な自動車購入者はおそらくそれを買う余裕はありませんが、自動運転タクシーサービスを展開することを計画している技術大手はできます。

「低コストのアドオンを開発しようとしている人は数人いますが、都市で車を共有して操作する場合に利点が最も明確になるようです」とStilgoe氏は述べています。 「これは、現在車を持っていない人にとっては良いことかもしれませんし、近くにサービスがないかもしれない街の人にとっては悪いことかもしれません。」

スティルゴーは、都市が公共交通機関への投資を延期する理由として自動運転車の約束を使用する危険があると警告している。 少なくとも2つの米国の地方自治体が自動運転シャトルサービスに数十万ドルを投資していた、とAxiosの調査は発見しました。

接続性とインフラストラクチャの必要性

人間のドライバーは、環境を観察するだけではありません。 彼らは互いに通信します。 彼らは目を合わせ、お互いにうなずき、うなずき、他のドライバーに自分の意図を明確にする方向にゆっくり動き始めます。 これらは、現在の自動運転技術のパフォーマンスが非常に低いとはいえます。

自動運転車には、環境をマッピングしてオブジェクトを検出するだけでなく、相互に、また環境と通信する方法も必要です。 ハーバードビジネスレビューの エッセイで、エジンバラ大学ビジネススクールの研究者は、自動車やインフラストラクチャにスマートセンサーを導入するなど、いくつかのソリューションを提案しました。

「信号機に代わる無線送信機、車車間通信と車車間通信の両方を処理する大容量のモバイルおよびワイヤレスデータネットワーク、および気象、交通、その他の状況に関するリアルタイムデータを提供する路側機を考えてください」学者が書いた。

現在の自動運転技術は、信号機、道路標識、道路標識など、人間向けに設計されたインフラストラクチャにコンピューターを適応させようとしています。 機械学習アルゴリズムには、人間の視覚システムの最も基本的な機能（他の車の検出や、さまざまな角度から、さまざまな照明や気象条件での道路標識の読み取りなど）を複製する前に、何時間ものトレーニングと大量のデータが必要です。

車と道路をスマートセンサーで強化すると、自動運転車がさまざまな道路状況をより簡単に通信および処理できるようになります。これは、プロセッサのコストが下がり、5Gのようなテクノロジがユビキタス接続を可能にし、手頃な価格にすることで、ますます実行可能になっています。

自動運転車の分離

400万マイルの米国道路にスマートセンサーを追加することは、不可能ではないにしても困難な作業です。 自動運転車会社が環境よりも車をスマートにすることに集中することを好む理由の1つです。

「今後発生する可能性が最も高い短期的なシナリオは、さまざまな形式の空間的分離です。自動運転車は一部の地域でのみ動作し、他の地域では動作しません。エディンバラの学者はエッセイで提案しました。

その間、「自動運転車専用の車線やゾーンを見ることもできます。両方とも、技術を改良しながらより構造化された環境を提供し、他の道路利用者を制限から保護します。」

他の専門家も同様の提案を行っています。 8月、Google Brain Andrew NgのAI研究者兼共同設立者は、自動運転の安全性の問題を解決するために、歩行者や道路を共有する他のユーザーの行動を変えるべきだと提案しました。 「鉄道の出現を見ると、ほとんどの場合、人々は線路で電車の前に立たないことを学んでいます」とNg氏は言いました。

Ngの提案は、技術の開発中に自動運転車の安全性リスクを確実に削減するのに役立ちますが、ロボットのパイオニアであるロドニーブルックスを含む他のAI専門家とは相容れません。 「自動運転車の大きな約束は、交通事故死をなくすことです。今、すべての人間が行動を変える訓練を受けている限り、交通死をなくすと言っていますか？」 ブルックスはブログ記事に書いています。

• フォードの自動運転テストカーでマイアミの周りに乗るフォードの自動運転テストカーでマイアミの周りに乗る
• フォードのスクーター、AIに関するCTO、およびマイアミへの自律走行車の持ち込みフォードのスクーター、AIに関するCTO、およびマイアミへの自律走行車の持ち込み
• Lyftの自動運転車では、スローで安定したレースが勝ちますLyftの自動運転車では、スローで安定したレースが勝ちます

ニューヨーク大学のディープラーニングの成果を誇張する声高な評論家であるゲイリーマーカス教授は、Ngの提案を「仕事を楽にするためにゴールポストを再定義する」と述べています。

しかしスティルゴーは、歴史から重要な教訓を引き出すことができると信じています。 「自動車が20世紀初頭に米国の都市に最初に到着したとき、歩行者は道路を安全にするために道から逃げるように言われました。

Stilgoeは、自動運転車のメリットを真剣に考えれば、同じことが再び起こると信じています。 たとえば、自動車会社は都市のロビー活動を開始してインフラストラクチャをアップグレードし、歩行者に自動運転車の周りの行動を教えることができます。 「自動運転車が約束どおりに機能するためには、それらが動作するシステムを制御する必要があります」とスティルゴー氏は述べています。

障害物

その苦労にもかかわらず、自動運転車業界は安定したペースで前進しており、私たちの道路は確実に安全になります。

しかし、質問と課題は残っています。 たとえば、自動車事故が発生した場合、誰が責任を問われますか？ 「完全自動運転システムでは、会社はほぼすべての状況で責任を負うべきであると言うのは非常に簡単です。人間とコンピューターが異なる時間に運転を共有する場合、事態は複雑になります」とスティルゴー氏は語った。

また、自動運転車は、人命の損失が避けられない状況に陥った場合、どのように判断する必要がありますか？ これは「トロリー問題」として知られており、架空のものかもしれませんが、ルールが明確でない状況で意思決定を行うために自動運転車を設計する必要があることを示しています。

「これらのシステムの設計には、真の倫理的ジレンマがあります」とスティルゴーは言いました。 「自動運転車は全知ではありません。」