Streszczenie: Doprowadzanie autonomicznych samochodów wyścigowych do granic ich możliwości pozwala testować technologie, które ostatecznie trafiają do klientów indywidualnych.
Doprowadzanie autonomicznych samochodów wyścigowych do granic ich możliwości pozwala testować technologie, które ostatecznie trafiają do klientów indywidualnych.
W 2035 r. już co dziesiąte, nowe auto, będzie pojazdem w pełni autonomicznym (Autonomous Vehicle – AV) – wynika z analizy firmy IHS Markit. I choć branża motoryzacyjna już dawno dostrzegła potencjał wykorzystania nowych technologii, obecnie musi podzielić się kawałkiem swojego tortu z gigantami takimi jak Alphabet, Apple czy Alibaba. A trzeba przyznać, że gra jest warta świeczki – według ekspertów z firmy Intel jeszcze przed 2050 r. sektor pojazdów autonomicznych będzie w stanie wygenerować globalny dochód na poziomie ok. 7 bilionów dolarów.
Podczas gdy producenci samochodów, dostawcy i firmy technologiczne szkolą samochody autonomiczne w ruchu drogowym w czasie rzeczywistym, mniejsze firmy i naukowcy testują je z dala od ulic. Do treningu wykorzystują tor wyścigowy, na którym sprawdzają kolejne udoskonalenia. Chciałoby się rzec nihil novi, bo nie jest to praktyka nieznana. Na przykład lusterka wsteczne, które są obecnie podstawowym elementem wyposażenia każdego samochodu, pojawiły się najpierw w autach wyścigowych.
OFICJALNA KLASYFIKACJA POZIOMÓW JAZDY AUTONOMICZNEJ:
? [POZIOM 0] Bez automatyki – kierowca w pełni panuje nad autem i jego funkcjami.
? [POZIOM 1] Systemy wspierające kierowcę – elektronika wprowadzona do pojazdu jest w stanie wprowadzać pewne udogodnienia do jazdy, np. tempomat adaptacyjny, utrzymuje stałą prędkość i zadaną odległość od poprzedzającego samochodu. Działanie jednego udogodnienia na raz.
? [POZIOM 2] Częściowa automatyzacja – samochód korzysta z udogodnień opisanych w poziomie 1 – z tym wyjątkiem, że mogą się one ze sobą łączyć. Np. auto może może przyspieszać i hamować, jednocześnie kręcąc kierownicą. Kierowca musi jednak czuwać i być gotowym na przejęcie kontroli nad pojazdem.
? [POZIOM 3] – Automatyzacja warunkowa – w określonych warunkach system przejmuje pełną kontrolę nad autem. Autopilot przyspiesza, skręca, zwalnia i omija niektóre przeszkody. Kierowca musi pozostać czujny. ? [POZIOM 4] Wysoki poziom automatyzacji – Kierowca ma możliwość przejęcia kontroli nad autem, ale nie jest to konieczne.
? [POZIOM 5] Pełna automatyzacja – Kierowca nie ma możliwości przejęcia kontroli, czyli manualnego sterowania pojazdem – brak kierownicy.
Rywalizacja rodzi innowacje
Rozwój rynku pojazdów autonomicznych, aby był efektywny, powinien być także regulowany przez władze. Jako przykład niech posłużą nam Chiny. Pod koniec 2017 r. chińskie Ministerstwo Przemysłu i Technologii Informacyjnych (MIIT) ogłosiło trzyletni plan na rzecz wspierania rozwoju branży sztucznej inteligencji nowej generacji, który obejmował opracowanie kluczowych komponentów technologicznych AV, takich jak inteligentne chipy samochodowe, algorytmy inteligencji pojazdu i zaawansowane systemy asystentów kierowcy. Następnie Chiny zaczęły formułować ramy regulacyjne zawierające m.in.: ogólne wytyczne dotyczące ustanowienia Krajowego Systemu Standardów dla Przemysłu Telematycznego czy przepisy dotyczące technologii komunikacyjnych. Co ciekawe, podczas gdy przepisy na szczeblu krajowym wciąż się rozwijają, chińskie miasta już zaczęły konkurować o to, które z nich pierwsze dopuści autonomiczne testy drogowe pojazdów.
Co ważne, chęć rywalizacji tworzy jednocześnie przestrzeń do współpracy. Jak choćby pomiędzy środowiskiem akademickim, sektorem rozrywkowym i firmami technologicznymi. Przykładem może być utworzenie przez Schaffhausen Institute of Technology (SIT) i firmę Acronis zespołu Acronis SIT Autonomous Team, specjalizującego się w wyścigach AV. Co istotne Acronis ogłosił też niedawno oficjalne partnerstwo w zakresie ochrony cybernetycznej z organizacją Roborace – zajmującą się niczym innym organizowaniem wyścigów AV.
A trzeba przyznać, że świat autonomicznych samochodów wyścigowych to istny poligon doświadczalny. Podczas wyścigów testowane są zarówno motoryzacyjne technologie, jak i zupełnie nowe rozwiązania, takie jak sztuczna inteligencja czy uczenie maszynowe. Kluczowe okazuje się doprecyzowanie oprogramowania tego typu aut w taki sposób, aby działały w sposób niezawodny – bez względu na warunki atmosferyczne, strefy klimatyczne czy zwyczaje i kulturę jazdy kierowców w poszczególnych rejonach świata.
Korzystając z okazji udziału Acronis SIT Autonomous Team w mistrzostwach Roborace zapytaliśmy Ilyę Shimchika, szefa zespołu, m.in. o to czego mogą nauczyć się branże wykorzystujące technologię pojazdów autonomicznych od sektora wyścigów samochodowych oraz jak szkolone są autonomiczne samochody
Rozmawiamy z Ilyą Shimchikiem, szefem zespołu Acronis SIT Autonomous Team, biorącym udział w globalnych wyścigach AV Roborace.
Paulina Kostro: Transport osobisty to niejedyny obszar, w którym będą wykorzystywane pojazdy autonomiczne. Warto wymienić m.in. transport publiczny, pojazdy dostawcze i towarowe, rolnicze i właśnie wyścigowe. Każdy z nich ma funkcjonować w innym środowisku, w związku z czym musi także spełniać specyficzne wymagania eksploatacyjne. Jakie więc wymagania dotyczą autonomicznych pojazdów wyścigowych?
Ilya Shimchik: W porównaniu z innymi wdrożeniami związanymi z pojazdami autonomicznymi, udział w wyścigach AV wymaga spełnienia kilku specyficznych warunków. Przede wszystkim, w kontekście ścigania się, zawsze odbywa się na konkretnym torze wyścigowym, dzięki czemu jesteśmy w stanie przeanalizować wszystkie jego charakterystyczne cechy. Możemy to zrobić jeszcze przed wyścigiem lub zebrać dane podczas pierwszego okrążenia – jeśli dany tor nie jest nieznany. Ma to duży wpływ na dalszy rozwój algorytmów AI i modelowanie fizyczne (physical modeling).
Po drugie, specyfika wyścigów AV wymusza na samochodach jazdę na granicy wytrzymałości ich komponentów. Z tego względu kluczowe jest doskonałe zrozumienie zachowania się pojazdu w tak specyficznych warunkach. Dla porównania, gdy wykorzystujemy autonomiczny pojazd rolniczy, wcześniejsze testy nie muszą być tak ekstremalne, ponieważ na co dzień autonomiczny traktor nie będzie działać na granicy wytrzymałości silnika, skrzyni biegów i innych komponentów.
Zaprojektowanie autonomicznego pojazdu, który będzie w stanie dostosować się do wszystkich scenariuszy jazdy, w każdych warunkach pogodowych i drogowych – jest nie lada wyzwaniem. Ludzie mają zdolność odbierania dużej ilości informacji i łączenia ich w celu podejmowania decyzji z wykorzystaniem zarówno wcześniejszych doświadczeń, jak i wyobraźni. Oczywiście, robimy to w mgnieniu oka. W pełni autonomiczny system musi nam w tym dorównać, a może i wyprzedzić. Jak ocenić możliwości i bezpieczeństwo takiego systemu?
Najprostszym sposobem jest porównanie wyników w pełni autonomicznego systemu z wynikami człowieka. Jeśli wyniki maszyny będą lepsze, oznacza to, że taki system możemy wdrożyć. Oczywiście pojawia się pytanie, w jaki sposób tego dokonać? Według mnie istnieją dwie metody:
Można przeprowadzić eksperyment w świecie rzeczywistym, np. na torze wyścigowym – najlepiej w bardzo zróżnicowanych warunkach drogowych i atmosferycznych – i porównać wyniki.
Za pomocą modelowania uruchomić symulację samochodu na torze – wprowadzając dane odpowiadające za konkretne warunki otoczenia. Jest to sposób znacznie tańszy i łatwiejszy do zrealizowania.
W pierwszym przypadku to właśnie dzięki rozwiązaniom AV możemy sprawdzić, jak zachowa się pojazd w takich warunkach, by nauczyć się go kontrolować. Tor wyścigowy jest bardzo dobrym miejscem na tego typu eksperymenty. Jeśli rozbijemy auto podczas wyścigów AV, nikt nie zostanie ranny. Jeśli natomiast wypadek zdarzyłby się np. na autostradzie – z pewnością ofiar byłoby wiele.
Z kolei jeśli chodzi o tzw. techniki oceny (evaluation techniques), istnieją trzy główne komponenty, które bierzemy pod uwagę: kontrola, percepcja i ogólne podejmowanie decyzji. Można oceniać je łącznie lub każdy z osobna.
Czego mogą nauczyć się branże wykorzystujące technologię pojazdów autonomicznych od sektora wyścigów samochodowych?
Jestem pewien, że w przyszłości firmy z różnych branż będą dostarczać wielu konkurencyjnych technologii, ale też oferować sprawdzone już rozwiązania. A sektor wyścigów samochodowych sprawdzi, które z nich nadają się na tor wyścigowy, by producenci mogli je potem wprowadzić do pojazdów „cywilnych”.
Patrząc w przeszłość zauważamy, że wiele technologii opracowanych na potrzeby wyścigów samochodowych, trafiło do zwykłych samochodów. Już dziś możemy wykorzystać innowacje stosowane podczas wyścigów AV do osobowych samochodów autonomicznych, np. systemy bezpieczeństwa czy wspomagania jazdy.
Możliwość instalowania kamer i czujników LIDAR jest dziś powszechna. Jednak przeszkolenie autonomicznego samochodu tak, aby zachowywał się jak kierowca‑człowiek lub, co ważniejsze, aby jeździł lepiej niż on, jest nie lada wyzwaniem. Jak szkolone są autonomiczne samochody wyścigowe?
Oczywiście istnieje możliwość samodzielnego zainstalowania kamer, czujników czy pobierania danych z systemu GPS, bądź innych źródeł. Następnym krokiem jest jednak zaprogramowanie systemu w taki sposób, aby te wszystkie elementy działały razem. I nie mam tu na myśli uczenia maszynowego (machine learning). Należy przejść przez proces modelowania i opracować cyber‑fizyczny profil pojazdu ze zrozumieniem wszystkich jego aspektów. Przede wszystkim trzeba stworzyć cyfrowy model samochodu na symulatorze – co w zależności od różnych typów i parametrów symulacji może zająć kilka minut do nawet kilku dni.
Czy autonomiczny samochód wyścigowy rozpoznaje tylko tor i jego elementy, czy ma również „wgrane” algorytmy związane np. z rozpoznawaniem przeszkód? Innymi słowy, czy reaguje tylko na „normalne” warunki na torze, czy także na „nietypowe” sytuacje?
Jeśli na torze znajdzie się jakiś nietypowy obiekt, każdy system uzna go za przeszkodę. Oczywiście możemy przygotować taki algorytm sztucznej inteligencji, który dokładnie zidentyfikuje problem. Jednak istotą jest, by pojazd zareagował zawsze, gdy na torze pojawi się coś niespodziewanego.
Wyścigi samochodowe to nie tylko szybkie auta, ale przede wszystkim umiejętność prowadzenia samochodu przez kierowcę, dopingowanego przez kibiców. W jaki sposób angażują Państwo swoich klientów w koncepcję wyścigów autonomicznych samochodów, gdy tego dopingu brak?
Z naszych obserwacji wynika, że publiczność jest już gotowa na tego typu rozrywkę. Owszem, mówimy o lekkiej zmianie podejścia. W Formule 1, Formule E czy Nascar – obecność kierowcy jest obowiązkowa. Niemniej my posiadamy zespół inżynierów i to on staje się gwiazdą wyścigów. To właśnie ludzie stoją za sukcesem lub porażką danego samochodu – opracowują jego kod, ulepszają mechanizmy. Publiczność podczas wyścigu skupiona jest właśnie na ich emocjach.
Jak ocenia Pan rozwój branży wyścigów AV w porównaniu z sektorem samochodów autonomicznych przeznaczonych dla klienta indywidualnego?
Wyścigi autonomiczne są ściśle powiązane z przemysłowymi samochodami autonomicznymi. Myślę, że wyścigi AV dadzą ogromny impuls dla całej branży autonomicznej – pomogą przenieść zarówno przemysłowe, jak i osobowe pojazdy autonomiczne na wyższy poziom.
W oparciu o własne doświadczenia i obserwacje proszę powiedzieć, czego można się spodziewać po wyścigach AV w przyszłości?
Myślę, że wyścigi autonomicznych samochodów będą się rozwijać, a w rezultacie staną się wielkim wydarzeniem motosportowym. Trudno przewidywać przyszłość, ale wierzę, że tak się stanie. Oczywiście, nie będziemy mieli tej samej publiczności co Formuła 1 czy Formuła E, ale fani cybersportu już są żywo zainteresowani autonomicznymi wyścigami. Myślę, że wyścigi AV już teraz są istotnym pomostem pomiędzy rozrywką a technologią.
Jak w przypadku każdej innej technologii przechodzimy przez krzywą adopcji. Na początku, z danego rozwiązania korzystają tzw. early adopters. Obecnie znajdujemy się na końcu tej krzywej, kiedy autonomiczne wyścigi trafiają do masowej publiczności. Zespołom uniwersyteckim, które zajmują się konstruowaniem i programowaniem tego typu aut, towarzyszą już zespoły komercyjne i tzw. zespoły wspólne (joint teams) – takie jak Roborace.
Warto dodać, że również zespół MIT przygotowuje się do testowania nowych rozwiązań na torze. Wyścigi AV są więc obiecującym obszarem technologicznym i są gotowe na rewolucyjny i owocny rozwój.
Ilya Shimchik jest szefem zespołu Acronis SIT Autonomous Team – uczestnika globalnych wyścigów samochodów autonomicznych Roborace. Pracę z autonomicznymi pojazdami zaczął już w 2013 r. Studiował wówczas na Uniwersytecie Carnegie‑Mellon w Pittsburghu – gdzie odbył praktykę w tamtejszym laboratorium. Później jego badania skupiły się wokół wyścigów AV, w wyniku czego stworzył zespół „Atlas Racing”. Aby umożliwić sobie dalszy rozwój wraz z zespołem dołączył do Schaffhausen Institute of Technology (SIT).
Roborace to pierwsza na świecie seria wyścigowa dla autonomicznych systemów napędowych. Została stworzona w celu przyspieszenia rozwoju oprogramowania do autonomicznych pojazdów poprzez doprowadzenie technologii do granic jej możliwości – w wielu kontrolowanych środowiskach, a także aby edukować i informować świat o postępach związanych z autonomiczną jazdą. W 2019 r. w ramach Roborace odbyło się sześć imprez, podczas których zarejestrowano ponad 36 milionów wielokanałowych przekazów wideo (multi‑channel video views).
