Miliardy gigabajtów danych, miliony mil: jak uczą się samochody autonomiczne

By samochód autonomiczny mógł być faktycznie autonomiczny, musi zbierać i przetwarzać niezliczone ilości danych. O tym, jak to się dzieje, piszemy na bazie aut Waymo i Tesli.

Każdy szanujący się producent samochodów chwali się swoimi postępami w dziedzinie budowy samochodów autonomicznych. Co prawda koncerny są coraz ostrożniejsze z chwaleniem się datami wprowadzenia takich aut do sprzedaży, ale praca wre. Żeby myśleć o samochodach autonomicznych trzeba przygotować je przetwarzania ogromnych ilości danych. Zanim trafią do sprzedaży muszą jeszcze zebrać dane, które pozwolą im się nauczyć jak odnaleźć się w rzeczywistości, w której dzielą ulice z ludźmi. A ci potrafią zachowywać się absolutnie nieprzewidywalnie.

Najgłośniej o swojej pracy w tej kwestii mówią Tesla i Waymo. Jeśli nie znasz tego drugiego projektu zapraszam do tekstu Piotra Baryckiego – opowiada czym jest i jak działa autonomiczny samochód Google’a.

Każdy ze wspomnianych radzi sobie z gromadzeniem danych na własną rękę. Tesla zbiera dane z setek tysięcy samochodów, które już jeżdżą po drogach całego świata. I to zarówno gdy poruszają się w trybie Autopilota jak i wtedy, gdy prowadzą je prawdziwi ludzie. Waymo natomiast gromadzi informacje dostarczane przez symulacje komputerowe i dopełnia je swoją flotą samochodów, która na dziś jest nieporównywalnie mniejsza od floty Tesli.

Tesla zbiera dane z Autopilota,

ale nie wiadomo dokładnie co właściwie z nich wyczytuje. W 2016 r. podano do publicznej wiadomości, że komputery Tesli zebrały dane z ponad 780 milionów mil przejechanych dróg, również gdy Autopilot był „w przynajmniej częściowej kontroli” co sugeruje, że nie zbiera się ich wyłącznie wtedy, gdy robot zastępuje kierowcę. Przed wprowadzeniem do sprzedaży Modelu 3 firma podała, że ma na swoim koncie już ponad 5 miliardów przejechanych mil.

Nawet gdy Autopilot Tesli jest wyłączony, pracuje w tzw. shadow mode – zbiera dane i analizuje możliwe rozwiązania w celach edukacyjnych. Jeśli zadziałałby inaczej, niż zareagował kierowca, zapisuje te sytuacje i dane przekazuje do dalszej analizy. To pozwala na uczenie się jak np. Autopilot mógłby zareagować by uniknąć kolizji, w której wziął udział samochód, kontrolowany przez człowieka.

Waymo uczy się z komputera

John Krafcik z Waymo chwalił się pod koniec lutego, że jego projekt też już ma zaliczone 5 miliardów mil, ale w symulatorze. Na prawdziwych ulicach Stanów Zjednoczonych flota Waymo przejechała 5 milionów mil. W porównaniu z Teslą to niewiele, ale trzeba zwrócić uwagę, że 600 Chryslerów Pacifica należących do floty Waymo to samochody autonomiczne, prowadzone przez AI, bez udziału żywych kierowców. A samochody Tesli są autonomiczne tylko częściowo.

Waymo zapowiada dodanie tysięcy kolejnych samochodów, nawiązało też współpracę z Jaguarem i ma pomagać Brytyjczykom w budowie autonomicznego I-Pace’a. Zapewnia przy tym, że będzie w stanie zbierać i analizować dane nawet z miliona podróży każdego dnia.

Jednak głównym źródłem wiedzy dla Waymo są dziś skomplikowane symulatory, a nie ulica. Dlatego niektórzy uważają, że nawet częściowo autonomiczne dane Tesli są bardziej wartościowe.

Różne systemy – różne dane

Trzeba też zwrócić uwagę, że Tesla i Waymo poza źródłami informacji różnią się też rodzajem zbieranych danych. Wynika to chociażby w technicznych różnicach ich systemów. Każdy Chrysler Waymo wyposażony jest w lidar, pięć radarów i osiem kamer. Tesla nie stosuje lidarów, za to ma osiem kamer, dwanaście czujników ultradźwiękowych i jeden radar.

Lidar w uproszczeniu działa na podobnej zasadzie jak radar, ale zamiast mikrofal wykorzystuje światło. Laser wysyła bardzo krótkie i dokładnie odmierzone, ale silne impulsy światła o konkretnej długości. Teleskop „widzi” jak rozpraszają się te fale uderzając w kolejne przeszkody, fotodioda i kamery CCD oraz CMOS badają natężenie zaobserwowanego rozproszonego światła. Zebranie tych danych owocuje powstaniem trójwymiarowego obrazu okolicy pojazdu. Lidar działa skutecznie niezależnie od pory dnia. Jego skuteczność mogą zmniejszyć intensywne opady śniegu, czy mgła, ale w nocy będzie sobie radził znacznie lepiej niż cała bateria kamer. Niestety jest drogi, więc producenci tacy jak Tesla próbują sobie poradzić bez niego.

Raj Rajkumar – zarządzający laboratorium samochodów autonomicznych na Carnegie Mellon University (projekt finansowany przez General Motors)  w rozmowie z The Verge stwierdził, że nie wierzy by Tesla bez lidara była blisko wprowadzenia w pełni autonomicznego samochodu. W zasadzie nie wiadomo też jakie dane zbiera – zgodnie z polityką prywatności analizuje szybkość, z jaką porusza się auto, przyspieszenie, hamowanie, zużycie akumulatorów, a nawet może zapisywać krótkie materiały wideo z wypadków. Już sam fakt, że Waymo dodaje do swojej analizy dane z lidarów sprawia, że zbierane przez nie dane są bardziej szczegółowe i pozwalają na głębszą analizę.

Zebrać i obrobić

Kolejnym zadaniem obok zbierania danych jest ich analiza i wyciąganie wniosków. Waymo stworzyło trójwymiarowe modele miast, w których prowadzi prawdziwe testy i na wirtualne ulice wysyła codziennie 25 000 wirtualnych aut. Na podstawie danych z ruchu w prawdziwych miastach tworzy scenariusze, z którymi muszą sobie radzić testowane pojazdy. A jeśli jakiś fragment miasta sprawia szczególne trudności – Waymo buduje jego kopię w swoim centrum testowym w Kaliforni i wpuszcza tam prawdziwe samochody.

Wciąż jednak są to symulacje – nie ma szans, by zaprojektować wszystkie szaleństwa drogowe, których dopuszczają się kierowcy. Ludzie jeżdżą zdenerwowani, lekceważą znaki, przejeżdżają skrzyżowania na czerwonym świetle, czasem są agresywni i wyżywają się na innych użytkownikach. Do tego samochody jeżdżą w różnych warunkach pogodowych, od świtu do nocy, w słońcu i w deszczu. I w różnych warunkach zachowują się zupełnie inaczej. I nigdy nie wiadomo, kiedy się uaktywnią. Można więc zgadywać, że większość z milionów przejeżdżanych mil, czy to w symulatorach, czy na prawdziwych ulicach, to te nudne przejazdy, podczas których nic się nie dzieje. A wyzwaniem tak naprawdę jest ta niewielka cząstka obejmująca sytuacje nieprzewidywalne. To, że ktoś przejeździ miliony kilometrów w GTA wcale nie oznacza, że stanie się świetnym kierowcą. Oczywiście tak czy inaczej lepiej, by naukę autonomicznej jazdy zacząć w świecie wirtualnym, a nie ruszać od razu na prawdziwe ulice.

Jak stwierdzić, że samochody autonomiczne są bezpieczne

To kolejne wyzwanie, jakie stoi przed producentami. W którymś momencie ktoś na jakiejś podstawie będzie musiał stwierdzić, że dany produkt jest gotowy do wprowadzenia na rynek. Wypadków z samochodami autonomicznymi póki co jest niewiele, a każdy poważniejszy jest mocno nagłaśniany. Czy o wprowadzeniu aut autonomicznych będzie można mówić dopiero gdy skończą się wypadki z ich udziałem? To może nie nastąpić nigdy, dopóki po ulicach poruszają się też ci nieprzewidywalni ludzie. Z drugiej strony jak określić że daną liczbę wypadków jesteśmy w stanie zaakceptować i samochody autonomiczne już mogą ruszać w świat bez ograniczeń? Przypuszczam, że żaden rząd czy to w Stanach Zjednoczonych, czy w innych częściach świata szybko na to nie pozwoli. Ale z trzeciej strony dopóki nie samochody autonomiczne nie zaczną pojawiać się na drogach, nie będziemy w stanie stwierdzić, czy są naprawdę bezpieczne.

I co ciekawe, według raportu NavIganta, o którym pisze Matylda Grodecka, Tesla jest ostatnia na liście firm, które będą w stanie wprowadzić do sprzedaży autonomiczny samochód. Waymo jest dużo bliżej szczęśliwego zakończenia tego wyścigu, ale wciąż bez wiążącej daty, kiedy miałoby to nastąpić.