आपके पास अभी तक सेल्फ-ड्राइविंग कार क्यों नहीं है? यह 2-भाग श्रृंखला बड़ी शेष समस्याओं की व्याख्या करती है

लोग अक्सर पूछते हैं, "मेरी सेल्फ-ड्राइविंग कार कहाँ है?" "मेरे पास एक क्यों नहीं है और यह कब आएगा?" बहुत से लोगों को लगता है कि उन्हें 20-किशोरावस्था के अंत तक एक कार का वादा किया गया था और अब देर हो चुकी है, और शायद नहीं आ रही है, जैसे कि उड़ने वाली कारों ने दशकों पहले बात की थी।

इस दो-लेख श्रृंखला में (साथ में वीडियो के साथ) आइए उन मुख्य कारणों को देखें जो आप शायद आज रोबोकार में सवारी नहीं कर रहे हैं, और यह कब हो सकता है। मुख्य तकनीकी, कानूनी और सामाजिक मुद्दे क्या हैं, और कौन से मुद्दे वास्तव में अवरोधक नहीं हैं?

हम में से अधिकांश के लिए, ये कारें इतनी जल्दी यहां नहीं पहुंच सकतीं। उनके पास आज की कार दुर्घटनाओं के एक अच्छे अंश से बचने का वादा है, जो दुनिया भर में हर साल एक लाख से अधिक लोगों की जान लेती है। वे हमारे जीवन को आसान बना देंगे और परिवहन के सिद्धांतों को फिर से लिखेंगे। ऐसा करने पर, वे फिर से लिखेंगे कि हम कहाँ रहते हैं और शहर की प्रकृति, साथ ही ऊर्जा से लेकर खुदरा बिक्री तक दर्जनों अन्य उद्योग। हर दिन हम इन चीजों को मात्रा में सड़क पर लाने में देरी करते हैं, हजारों लोग ऐसे लोगों के हाथों मारे जाएंगे जिन्हें गाड़ी नहीं चलानी चाहिए थी। हर दिन हम देरी करते हैं।

बेशक, यह कठिन है

स्पष्ट होने के लिए, "इसमें इतना समय लग रहा है" का सबसे बड़ा कारण यह है कि यह कठिन है। अब तक की सबसे बड़ी सॉफ्टवेयर अनुसंधान परियोजनाओं में से एक। इसके लिए न केवल सफलता के सॉफ्टवेयर की आवश्यकता है, बल्कि बड़ी संख्या में विशेष मामलों से निपटने और दुनिया और उसकी सभी झुर्रियों का मानचित्रण करने वाले मातम में भी विस्तृत काम करना है। कोई भी व्यक्ति जो सोचता है या सोचता है कि इसे एक समय पर वितरित किया जा सकता है, गलत है, और इससे पहले कभी भी सॉफ्टवेयर में काम नहीं किया। जब कार कंपनियों ने 2020 जैसी तारीखों को फेंक दिया, तो वे उम्मीदें थीं, भविष्यवाणियां नहीं, और कुछ तकनीकी कंपनियों ने वास्तव में इसे खींच लिया, यह आश्चर्यजनक था। सफलता की आवश्यकता वाली बहु-वर्षीय परियोजनाओं की कभी भी सटीक भविष्यवाणी नहीं की जाती है।

अगर कई साल पहले की गई इस तरह की भव्य परियोजना के लिए भविष्यवाणियां सटीक नहीं हैं, तो सॉफ्टवेयर पृष्ठभूमि वाला कोई भी व्यक्ति चौंक जाएगा। इसलिए चीजें "शेड्यूल से पीछे" नहीं हैं, भले ही वे आशावादी आशाओं पर खरे न उतरे हों। इसका मतलब यह भी है कि चीजें छोटे चरणों में की जा रही हैं।

हालांकि सबसे बड़ा अवरोधक वास्तव में ऐसा नहीं कर रहा है (यानी इसे सुरक्षित बनाना) लेकिन यह जानना कि आपने इसे कर लिया है।

यह साबित करना कि आपने वाकई इसे सुरक्षित बना दिया है

पहला तकनीकी लक्ष्य बस इसे साकार करना था। ऐसी कार बनाने के लिए जो खुद को सुरक्षित रूप से चला सके। यह एक बड़ी उपलब्धि है, लेकिन कम से कम कुछ शहरों में, कुछ कंपनियों ने इसे पहले ही खींच लिया है। फीनिक्स की आसान सड़कों पर वेमो जैसी कंपनियों द्वारा औसत मानव से अधिक सुरक्षित ड्राइविंग की गई है। वह "कठिन हिस्सा" था - लेकिन इससे भी कठिन हिस्सा यह परिभाषित कर रहा है कि सुरक्षा क्या है, इसे मापना और यह साबित करना कि आपने इसे किया है। आपको इसे अपने आप को, अपने बोर्ड को, अपने वकीलों को, जनता के सामने, और शायद सरकार को भी साबित करना होगा। जिस तरह मॉडर्न कोविड वैक्सीन फरवरी 2020 में तैयार हुई थी, पहले लॉकडाउन से पहले, दुनिया ने 10 महीने इंतजार किया - जबकि एक लाख लोग इसके बिना मर गए - पहले लोगों को एक शॉट देने से पहले। हमने उनके यह साबित करने का इंतजार किया कि उन्होंने ऐसा किया है।

सुरक्षा को मापना काफी कठिन है। हम जानते हैं कि कितनी बार मानव चालकों के साथ छोटी-मोटी चोट से लेकर मौत तक सभी प्रकार की दुर्घटनाएँ होती हैं। संयुक्त राज्य अमेरिका में हर 80 मिलियन मील या लगभग 2 मिलियन घंटे की ड्राइविंग के बारे में मौतें होती हैं। हम यह कहकर हर सॉफ्टवेयर संस्करण का परीक्षण नहीं कर सकते हैं, "आइए इसे एक अरब मील की दूरी पर चलाएं और देखें कि क्या यह एक दर्जन से भी कम लोगों को मारता है जो मर जाते हैं यदि मनुष्य इतनी दूर चले जाते हैं।" वास्तविक सड़कों पर एक बार भी ड्राइव करना असंभव दूरी है, हर नए संस्करण के साथ अकेले रहने दें। हम बहुत कम ड्राइव कर सकते हैं, और डिंग्स और मामूली दुर्घटनाओं की गणना कर सकते हैं - वास्तव में यह अब तक का सबसे अच्छा है क्योंकि यह कम से कम संभव है - लेकिन हमें यकीन नहीं है कि यह रोबोट के साथ चोटों से संबंधित है या नहीं। लोगों के साथ करता है।

कई पारंपरिक ऑटो उद्योग की शुरुआत करते हैं। वे यह सुनिश्चित करने के लिए अपने वाहनों के प्रत्येक घटक का परीक्षण करते हैं कि यह विश्वसनीय और विनिर्देशन तक है। वे घटकों की प्रणालियों के साथ ऐसा करने की कोशिश करते हैं, लेकिन जब चीजें अधिक जटिल हो जाती हैं तो यह पद्धति कठिन हो जाती है। इसे कार्यात्मक सुरक्षा कहा जाता है - घटक और सिस्टम दोषों से मुक्त होते हैं और क्या वे ज्ञात संभावित विफलताओं को संभालेंगे।

हाल ही में इसे सिस्टम स्तर तक बढ़ाने और "इच्छित कार्यक्षमता की सुरक्षा" का परीक्षण करने का प्रयास करने के लिए और अधिक प्रयास किए गए हैं। SOTIF के साथ, टीमें यह सुनिश्चित करने के लिए काम करती हैं कि पूरी प्रणाली अभी भी काम करेगी, दोनों समस्याओं और घटक विफलताओं के साथ, और प्रत्याशित दुरुपयोग के साथ। इसमें अक्सर पूरे सिस्टम, या इसके कुछ हिस्सों का अनुकरण, या "लूप में हार्डवेयर" सिमुलेशन शामिल होता है जो सड़कों पर लाइव परीक्षण की तुलना में आसान और सुरक्षित होता है।

सिमुलेशन परीक्षण लाखों विभिन्न परिदृश्यों में एक प्रणाली का परीक्षण करने की क्षमता प्रदान करता है। जो कुछ भी किसी ने कभी देखा या सुना या सपना देखा है - उन सभी चीजों के सैकड़ों मामूली बदलावों के साथ।

शायद परीक्षण करना सबसे कठिन काम है, लेकिन जिस चीज को आप सबसे ज्यादा जानना चाहते हैं, वह यह है कि एक प्रणाली कितनी अच्छी तरह से पहले कभी नहीं देखी गई स्थितियों का जवाब देती है। जबकि आप यह जानने के लिए सिमुलेशन परीक्षण बना सकते हैं कि वाहन लगभग सभी अपेक्षित स्थितियों में अच्छा करता है, मानव मन की एक महान जादुई क्षमता पहले कभी नहीं देखी गई समस्याओं को संभालने की क्षमता है। AI ऐसा कर सकते हैं, लेकिन वे उतने अच्छे नहीं हैं। आखिरकार, हम हर दिन नए, यथार्थवादी, खतरनाक परिदृश्य प्राप्त करने के तरीके की उम्मीद करेंगे। यह अच्छा है कि आज आपकी कार को हर उस चीज़ को संभालने के लिए प्रोग्राम किया गया है जिसके बारे में किसी ने कभी सोचा था, लेकिन असली सोने का मानक हर दिन 20 नई स्थितियों को फेंकना हो सकता है, और यह पता लगाना कि यह उनमें से अधिकांश को संभालती है। यहां तक ​​कि मनुष्य भी उन सभी को नहीं संभालते। यह एक ऐसी चीज है जिसे मैं के माध्यम से घटित होते हुए देखने की आशा करता हूं सुरक्षा पूल परियोजना, जिसे मैंने विश्व आर्थिक मंच, दीपेन.एआई और वारविक विश्वविद्यालय के साथ शुरू करने में मदद की।

यहां तक ​​कि सभी सिमुलेशन के साथ आपको सड़क पर लाइव परीक्षण करने की भी आवश्यकता है। कोई भी ऐसी कार तैनात नहीं करेगा जिसने यह नहीं दिखाया हो कि वह वास्तविक दुनिया को बहुत अच्छी तरह से संभालती है। महंगा होने पर, रोबोकार संचालन की निगरानी के लिए मानव सुरक्षा ड्राइवरों का उपयोग करने की प्रणाली में वास्तव में एक शानदार ट्रैक रिकॉर्ड है, और सामान्य मानव ड्राइविंग की तुलना में जनता को खतरे में नहीं डालता है।

उद्योग में, प्रत्येक कंपनी यह वर्णन करने के लिए स्वयं गिरती है कि वे सुरक्षा के प्रति कितने समर्पित हैं। सुरक्षित वाहन बनाना उनका काम है, लेकिन ये घोषणाएं अधिकारियों और जनता को खुश करने के लिए करते हैं। विडंबना यह है कि जनता का हित सबसे सुरक्षित डाकू बनाना नहीं है, बल्कि सबसे सुरक्षित सड़कें. रोबोकार्स एक ऐसा उपकरण है जो सुरक्षित सड़कें ला सकता है, और जितनी जल्दी वे यहां पहुंचेंगे, उतनी ही जल्दी और बेहतर वे ऐसा करेंगे। अधिकारी, यदि वे समग्र सड़क सुरक्षा में सुधार की दिशा में अपना कर्तव्य गंभीरता से लेते हैं, तो वे वास्तव में कंपनियों को सुरक्षा पर बहुत दूर नहीं जाने के लिए प्रोत्साहित करेंगे, और इसके बजाय सुरक्षित तकनीक की त्वरित तैनाती पर ध्यान केंद्रित करेंगे - भले ही तैनाती कम होने पर इसे सुरक्षित साबित करने के लिए कम कर रहे हों , यह तेजी से होता है। लेकिन वे कभी नहीं करेंगे, क्योंकि जिस तरह से समाज त्रुटियों और जोखिम पर प्रतिक्रिया करता है।

सुरक्षा का दूसरा घटक साइबर सुरक्षा है। हमें इन कारों को अपने कब्जे में लेने के प्रयासों के खिलाफ मजबूत होने की जरूरत है। कुछ लोग साइबर सुरक्षा के बारे में बात करना पसंद नहीं करते हैं, लेकिन ऑटो उद्योग का पिछला इतिहास बहुत अच्छा नहीं रहा है। ऐसा करने में न केवल सुरक्षित अभ्यास और उपकरण शामिल हैं, बल्कि इसे "रेड टीमिंग" भी कहा जाता है, जहां विशेषज्ञ व्हाइट-हैट हैकर्स की एक टीम कमजोरियों को खोजने के लिए बाहर से शिकार करती है जब तक कि उन्हें कोई और नहीं मिल जाता। एक अन्य महत्वपूर्ण उपकरण कनेक्टिविटी को कम करना है, या जिसे सुरक्षा लोग "हमले की सतह" कहते हैं। उद्योग में कई लोग "कनेक्टेड कार" की कल्पना से ग्रस्त हैं और कनेक्टिविटी को सेल्फ-ड्राइविंग के रूप में एक बड़ी क्रांति के रूप में गलती करते हैं। यह नहीं है, दूर से नहीं। कुछ कनेक्टिविटी की जरूरत है, लेकिन इसे संयम से इस्तेमाल किया जाना चाहिए ताकि वास्तविक क्रांति सुरक्षित रह सके।

परीक्षण के लिए सबसे बड़ी चुनौतियों में से एक है सभी रोबोकार टीमों द्वारा मशीन लर्निंग का व्यापक उपयोग। मशीन लर्निंग एक बेहद शक्तिशाली एआई टूल है, और अधिकांश को लगता है कि यह एक आवश्यक है, लेकिन यह "ब्लैक बॉक्स" टूल का उत्पादन करता है जो निर्णय लेते हैं लेकिन जिन्हें कोई पूरी तरह से नहीं समझता है। यदि आप नहीं जानते कि कोई सिस्टम कैसे काम कर रहा है या यह क्यों विफल हो जाता है या सही काम करता है, तो इसका परीक्षण और प्रमाणित करना कठिन है। यूरोप में, वे कानून बना रहे हैं कि सभी एआई किसी न किसी स्तर पर "व्याख्या योग्य" हों, लेकिन कई मशीन लर्निंग नेटवर्क की व्याख्या करना बहुत कठिन है। यह डरावना है, लेकिन वे इतने शक्तिशाली हैं कि हम उन्हें नहीं छोड़ेंगे। हमें एक ब्लैक बॉक्स का सामना करना पड़ सकता है जो एक व्याख्यात्मक प्रणाली के रूप में परीक्षण में दोगुना सुरक्षित है, और लोग किसी भी विकल्प के पक्ष में आकर्षक तर्क देते हैं।

भविष्य का पूर्वानुमान करना

एक रोबोकार सेंसर से ढका होता है, जैसे कैमरा, रडार, LIDAR लेज़र और बहुत कुछ। सेंसर शायद हार्डवेयर का सबसे चर्चित पहलू है, लेकिन वास्तव में सेंसर आपको यह नहीं बताते कि आप क्या जानना चाहते हैं। ऐसा इसलिए है क्योंकि सेंसर आपको बताते हैं कि चीजें अभी कहां हैं, लेकिन आप इसकी इतनी परवाह नहीं करते हैं। आप परवाह करते हैं कि भविष्य में चीजें कहां होने वाली हैं। सेंसर से प्राप्त जानकारी भविष्य की भविष्यवाणी करने के वास्तविक लक्ष्य की ओर एक संकेत मात्र है। यह जानना कि कोई चीज कहां है और कितनी तेजी से आगे बढ़ रही है, यह एक अच्छी शुरुआत है, लेकिन यह जानना कि यह क्या है, यह जानना उतना ही महत्वपूर्ण है कि यह कहां होगा। सड़क पर या उसके आस-पास की अधिकांश वस्तुएं बैलिस्टिक नहीं हैं - एक मानव प्रभारी है और पाठ्यक्रम बदल सकता है। यही कारण है कि आज अनुसंधान के प्रमुख क्षेत्रों में से एक यह अनुमान लगाने में बेहतर हो रहा है कि सड़क पर अन्य, विशेष रूप से मनुष्य क्या करने जा रहे हैं। यह ड्राइविंग व्यवहार जानने से लेकर यह पता लगाने तक हो सकता है कि क्या कोने पर खड़ा पैदल यात्री क्रॉसवॉक में प्रवेश करने वाला है या वेब पर सर्फिंग कर रहा है।

जबकि कई टीमों ने बहुत प्रगति की है, यह पता चला है कि आज के रोबोट अन्य लोगों की भविष्यवाणी करने में बेहतर हैं। उस पर बेहतर होना टूडू सूची की प्रमुख समस्याओं में से एक है, विशेष रूप से व्यस्त शहरों जैसे अधिक जटिल वातावरण में। भविष्य की भविष्यवाणी करने में यह भविष्यवाणी करना भी शामिल है कि दूसरे आपके अपने आंदोलनों और दूसरों की अनुमानित गतिविधियों पर कैसे प्रतिक्रिया देंगे। लेन मर्ज या असुरक्षित लेफ्ट टर्न, लेन-देन के साथ एक नृत्य हो सकता है, और रोबोकार लगातार यह सुधारने की कोशिश कर रहे होंगे कि वे कैसे करते हैं।

तेजी से सेंसिंग

सेंसर केवल वास्तविक लक्ष्य का साधन हो सकते हैं, लेकिन जितना बेहतर वे करते हैं, उतना ही बेहतर आप उस भविष्य की भविष्यवाणी कर सकते हैं। धारणा और भविष्यवाणी को तेज करने के लिए टीमें अभी भी तेजी से सेंसर बनाना चाह रही हैं। एक चीज जो महत्वपूर्ण है वह है गतिमान वस्तुओं की गति जानना। रडार आपको यह बताता है, लेकिन कैमरे और पुराने LIDARs तब तक नहीं करते, जब तक कि आप कई फ़्रेमों को नहीं देखते। कुछ नए LIDARs आपको गति के साथ-साथ दूरी भी बता सकते हैं। कई फ़्रेमों को देखने में फ़्रेम लेने में कम से कम उतना ही समय लगता है, लेकिन आमतौर पर अधिक।

एक स्थिति जो एक समस्या हो सकती है वह है एक बड़े वाहन के पीछे राजमार्ग पर चलना। कल्पना कीजिए कि उस वाहन के आगे कंधे पर रुका हुआ एक ट्रक है, जो गली में चिपका हुआ है। दुर्घटनाओं और आपातकालीन वाहनों के साथ ऐसा बहुत होता है। अचानक आपके सामने बड़ा वाहन बाधा से बचने के लिए दाहिनी ओर मुड़ जाता है, और आप पहली बार उस रुके हुए ट्रक को देखते हैं। आपके पास वास्तव में ब्रेक लगाने या वीर करने के लिए अधिक समय नहीं है, और हो सकता है कि आपके पास कहीं जाने के लिए भी न हो। यदि आपको यह देखने के लिए वीडियो के 3 फ़्रेमों को देखना है कि यह वास्तव में हिल नहीं रहा है, तो शायद यह एक सेकंड का 1/10 वां हिस्सा बर्बाद हो गया है, और यह एक ऐसी स्थिति है जहां यह मायने रख सकता है। इसलिए बहुत सी टीमें उस बढ़त को पाने के तरीकों की तलाश कर रही हैं, और उन्होंने इसे ज्यादातर LIDARs में पाया है जो "डॉपलर" को माप सकते हैं ताकि वे लेजर से हिट होने वाली हर चीज की गति जान सकें। राडार गति भी जानते हैं, लेकिन दुनिया राडार को प्रतिबिंबित करने वाली रुकी हुई वस्तुओं से भरी हुई है, और रुके हुए वाहन को उसके बगल में रुकी हुई रेलिंग से बताना मुश्किल है।

लंबा रास्ता तय करना

मैं संक्षेप में उल्लेख करूंगा कि एक कारण एक प्रसिद्ध टीम - टेस्लाTSLA
- अभी तैयार नहीं है कि वे जानबूझकर समस्या को और कठिन बनाने की कोशिश कर रहे हैं। जबकि हर टीम कंप्यूटर विज़न का भारी उपयोग करती है, टेस्ला इसे 2016 से केवल कंप्यूटर विज़न और केवल कैमरों के साथ काम करना चाहती है। अधिकांश अन्य टीमें अपने टूलबॉक्स में बेहतर कैमरा, LIDAR, रडार और मैप भी जोड़ती हैं। टेस्ला एक ऐसी दृष्टि की सफलता चाहता है जो इसे सस्ता कर सके। वे कहते हैं कि वे सभी अतिरिक्त उपकरण ध्यान भटकाने वाले हैं। लेकिन बाकी उद्योग इसे जल्द से जल्द पूरा करने के लिए सभी उपकरणों का उपयोग करना चाहते हैं, अगर अधिक कीमत पर, और सोचें कि टेस्ला खुद को अपंग कर रहा है। अब तक, उत्पाद की गुणवत्ता के आधार पर - टेस्ला एफएसडी गंभीर रूप से बहुत पीछे है - अन्य सही हैं, हालांकि दौड़ समाप्त नहीं हुई है।

वह भाग एक है। भाग दो में सड़कों का एक अच्छा नागरिक होने, एक बार में हर जगह के बजाय एक समय में एक शहर में रोबोकार तैनात किए जाने, और सवारों को लेने के लिए खींचने जैसे अधिक सांसारिक रसद से निपटने की समस्याओं, व्यापार मॉडल, ऐप्स, और सरकारों और जनता को आपको स्वीकार करने के लिए सुरक्षा के बारे में बहुत अधिक चिंता करना। मैं उन कुछ कारकों को भी सूचीबद्ध करूंगा जिन पर काम किया जा रहा है लेकिन तैनाती के लिए वास्तविक अवरोधक नहीं हैं। आने वाले दिनों में भाग दो की तलाश करें।

कुछ लोगों को लगता है कि 2022 में उनके पास रोबोकार नहीं है या सवारी नहीं है, इसका मतलब है कि विकास समय से बहुत पीछे है। वास्तव में, कभी भी एक गंभीर कार्यक्रम नहीं था, केवल आशाएँ थीं, लेकिन वास्तव में, समस्याओं की यह सूची आशावाद की ओर इशारा करती है, क्योंकि ये शेष समस्याएं आम तौर पर ट्रैक्टेबल लगती हैं। उनमें से अधिकांश से निपटने के लिए कड़ी मेहनत और पैसा, सफलता नहीं चाहिए।

वीडियो और टेक्स्ट के रूप में भाग दो के लिए बने रहें

आप इस पेज पर या वीडियो पेज पर टिप्पणी छोड़ सकते हैं।