Дорога вперед: сколько времени займет переход к автономным транспортным средствам?

Я недавно посетил inaugural AutoSens Conference в Соединенных Штатах, собрание, которое не только продемонстрировало передовую технологию, но также предложило запоминающийся опыт. Детройт, рождество автомобильной сборочной линии, послужил площадкой, позиционируя город на переднем крае следующей мобильной революции: массово произведенных автономных автомобилей.

Выдающимся моментом была трасса M1 Concourse, club-style venue с частными гаражами и современным 1,5-мильным performance circuit. Конференция включала автономные тест-драйвы от Dataspeed, специалиста по беспилотной технологии.

После дневных сессий мы поужинали в Henry Ford Greenfield Village, исторической дань пионерам таким как Ford, Edison и братья Wright. Делить пространство с живым Dataspeed сам-водимым автомобилем был настоящий 1917 Ford Model T, первый автомобиль сборочной линии, трансформировавший личное транспортирование. Видеть эти два автомобиля рядом побудило размышления о вызовах и сходствах между эрой лошади и кареты и сегодняшним автономным переходом.

Землетрясающая революция автомобиля

Сто лет назад лошадные кареты доминировали на дорогах, и идея автомобиля без лошади казалась радикальной. Как многие изобретения, ранние автомобили встречали скептицизм — их считали опасными, навязчивыми и назойливыми для конного транспорта, который долго преобладал. Переход от лошади к автомобилю был постепенным и полным препятствий, как иллюстрирует теперь-знаменитый закон, требующий от водителей слезать и анонсировать себя на каждом перекрестке громким шумом — иногда даже огнестрельным или другим взрывным.

Инвесторы были одинаково осторожны. Согласно AmericanAutoHistory.com, в 1903 году президент Michigan Savings Bank предупреждал против инвестиций в Ford Motor Co., утверждая, что "Лошадь здесь чтобы остаться, но автомобиль — лишь новинка — модная причуда." Сегодня мы можем смотреть на этот скептицизм в ретроспективе, но он зеркалит осторожную позицию многих по отношению к автономным автомобилям сегодня.

С будущей перспективы, начальная нежелание принять моторные транспортные средства не было непохоже на сегодняшнюю нерешительность по отношению к автономным системам. Как история подсказывает, постепенное принятие в конечном итоге ведет к доминированию — следовательно, ожидание, что автономные автомобили скоро станут основной формой личного транспорта, особенно в городских и густонаселенных районах.

Мы можем предвидеть почти полный фаз-аут ручных автомобилей примерно через тридцать лет, резервируя их в основном для хобби или досуга — так же как лошади сегодня. Как заметил мой коллега Ганн, даже гонки в конечном итоге могут быть поглощены автономной технологией.

Сам-водимые автомобили — следующая большая смена; массовое производство ключево

До Model T автомобили были роскошными предметами, недоступными массам. Сборочная линия, доведенная до совершенства Fordом, увеличила производство, необходимое новое инфраструктуру — дороги, трафик-регуляции и стандарты безопасности. Чтобы зажечь следующую революцию, автономные автомобили также должны достичь массового производства и конкурентного ценообразования. По мере снижения стоимости сам-водимых систем их доступность и привлекательность расширятся.

Можете ли вы доверять ИИ, чтобы водить вас вокруг?

Исторический скептицизм автомобиля находит современный аналог в сомнениях об ИИ. Опасения по поводу надежности, режимов отказа и времени реакции эхом отражают те, что когда-то преследовали ранних водителей. Сегодня, однако, данные показывают, что человеческие-водимые автомобили менее безопасны, чем многие современные автономные прототипы — но широкое публичное доверие выросло через опыт, инфраструктуру и регулирование.

Глубокое обучение и связанные ИИ технологии быстро продвинулись, превосходя людей в играх вроде Go, распознавании образов и все более в сложных задачах принятия решений. Эти достижения подкрепляют безопасность и надежность будущих автономных автомобилей.

Сборочная линия сделала производство автомобилей эффективным; DSP делают ИИ эффективным

Главная преграда для автономных автомобилей — встраивание мощного ИИ в компактные, низкоэнергетические системы. Традиционные ИИ рабочие нагрузки требуют больших серверов, но автомобильные приложения требуют меньших, энергоэффективных решений. Цифровые сигнальные процессоры (DSP) и специализированные визуальные процессоры вроде CEVA-XM6 позволяют ультра-низкоэнергетическое, высокоточное компьютерное зрение, в то время как разработка оптимизируется через инструменты вроде CDNN deep-learning toolkit.

Узнайте больше об этих технологиях, посмотрев наш on-demand вебинар: Challenges of Vision-Based Autonomous Driving & Facilitation of an Embedded Neural Network Platform.