예측은 틀렸다 : 자율 주행 자동차는 갈 길이 멀다

몇 년 전, 자율 주행 자동차는 거의 도로를 인수 할 준비가되어있는 것으로 보였습니다.

Guardian 은 2015 년에 "2020 년부터 영구적 인 뒷좌석 운전자가 될 것"이라고 말했다. 완전 자율 주행 차량은 "A 지점에서 B 지점으로 주행하며 운전자와의 상호 작용 없이도 다양한 온로드 시나리오를 경험할 수있다" 인사이더는 2016 년에 썼습니다.

이러한 많은 추정치가 과장된 것은 분명하다. Uber가 애리조나에서 겪었던 어려움을 살펴보십시오. 무인 자동차는 도로를 더 안전하게 만들어 줄 것이지만 운전대 뒤에서 사람을 제거하는 것은 어려운 일입니다. 우리가 수십 년 동안 꿈꿔 왔던 무사고 무사고 유토피아에 도달하기 전에, 우리는 몇 가지 장애물을 극복해야하며 기술적 인 것이 아닙니다.

열린 환경 탐색

자율 주행 차는 예측할 수없고 다양한 환경을 탐색해야합니다.

잭 스틸 고 (Jack Stilgoe)는“자동차에 대해 생각할 때 중요한 것은 자율 주행이 필요한 이유라고 생각한다. 자율성은 특정 시스템 내에서만 적용되기 때문에 자율 언어가 실제로 우리를 곤경에 빠뜨리는 곳”이라고 말했다. University College London의 사회 과학자이자 Driverless Futures 프로젝트의 리더입니다.

기차와 비행기를 포함한 다른 운송 산업 부문은 이미 자동차보다 더 높은 수준의 자율성을 구현했다고 그는 말했다.

"항공기 자동 조종 장치는 공역이 고도로 통제 된 환경이기 때문에 만 작동합니다. 열기구를 747의 경로로 날아 가면 똑바로 쟁기질 할 것입니다. 틸 고가 지적했다. "기차와 동일합니다. 운전자가없는 것은 시스템이 폐쇄 형이라는 것이 매우 분명하기 때문에 의미가 있습니다."

대조적으로, 자동차는 매우 복잡하고 개방 된 도로에서 운행되는데, 기차는 자동차, 동물 및 보행자에게 제한이없는 전용 트랙이있는 철도보다 예측하기가 훨씬 어렵습니다. 자율 주행 차량은 복잡한 도로에서 길을 찾고, 도로 표지판에 반응하고, 교차로에서 다른 교통을 처리하고, 표시가 명확하지 않은 다양한 조건에서 운전해야합니다. 장애물 주위를 탐색하고 다른 자동차와 운전자의 움직임에 반응해야하며, 가장 중요한 것은 보행자와의 접촉을 피해야합니다. 이 모든 것이 안전한 자율 주행 차를 만드는 일을 더욱 어렵게 만듭니다.

Stilgoe는 "언제나 우리를 놀라게 할 것들이있을 것"이라고 말했다.

자동차에 눈과 두뇌를주기

자율 주행 자동차 기술을 추진하는 데 도움이 된 주요 기술 중 하나는 딥 러닝으로, 예를 기반으로 행동 모델을 만드는 인공 지능의 하위 집합입니다. 딥 러닝 알고리즘은 자율 주행 차량 주위에 설치된 카메라의 비디오 피드를 검사하여 도로의 크기를 찾고 표지판을 읽으며 장애물, 자동차 및 보행자를 감지합니다.

Waymo와 Uber 사이의 소송의 중심에 있던 엔지니어 인 Anthony Levandowski는 최근 샌프란시스코 골든 게이트 브리지에서 뉴욕의 조지 워싱턴 브리지까지 3, 100 마일을 운전 한 자율 주행 기술에 대한 비디오 및 성능 세부 정보를 게시했습니다. 제어를 인간 운전자에게 넘기지 않고 비디오 카메라와 신경망 만 사용합니다.

도시 환경을 탐색하는 것보다 주간 고속도로를 운전하는 것이 훨씬 쉽지만 Levandowski의 업적은 주목할 만합니다. 그의 신생 기업인 Pronto.ai는 대부분의 시간을 고속도로에서 보내는 상용 세미 트럭에이 기술을 제공 할 계획입니다.

그러나 잘 훈련 된 신경망은 인간이 물체를 감지 할 때 성능을 능가 할 수 있지만, 여전히 치명적인 2016 Tesla Model S 충돌 및 2018 Model X 사고와 같은 비이성적이고 위험한 방식으로 실패 할 수 있습니다. 다른 연구에 따르면 자율 주행 차량의 컴퓨터 비전 알고리즘은 알려진 물체가 어색한 위치에있을 때 쉽게 속일 수 있습니다.

공정하게, 자율 주행 기술은 여러 경우에서 사고를 예방했지만, 이 경우는 거의 헤드 라인을 만들지 않습니다.

신경망 보완

신경망의 한계를 극복하기 위해 일부 회사는 자율 주행 차 위에서 흔히 볼 수있는 회전 장치 인 Lidar를 차량에 장착했습니다. Lidar 장치는 서로 다른 방향으로 수많은 보이지 않는 광선을 방출하고 광선이 물체에서 반사되어 돌아 오는 데 걸리는 시간을 측정하여 자동차 주변 지역의 상세한 3D 맵을 만듭니다.

Lidar는 이미지 분류 알고리즘에서 놓칠 수있는 물체와 장애물을 감지 할 수 있습니다. 또한 어두운 곳에서도 자동차를 볼 수 있으며 레이더보다 더 자세하고 정밀하며 움직이는 물체를 감지하는 데 더 적합합니다.

자율 주행 자동차 프로그램을 보유한 대부분의 회사는 Waymo 및 Uber를 포함하여 Lidar를 사용하고 있습니다. 그러나이 기술은 여전히 ​​초기 단계입니다. 우선, Lidar 장치는 움푹 들어간 곳이나 weather은 날씨가 좋지 않습니다.

라이더는 또한 매우 비싸다. 다양한 추정치에 따르면 자동차 가격에 최대 $ 85, 000를 추가 할 수 있습니다. Axios의 조사에 따르면 연간 비용은 10 만 달러의 북쪽에있을 수 있습니다. 평균적인 자동차 구매자는 아마 그것을 감당할 수 없지만, 자율 주행 서비스를 배포 할 계획을 가진 기술 대기업은 할 수 있습니다.

Stilgoe는“저렴한 부가 기능을 개발하려는 사람들이 몇 명 있지만 도시에서 자동차를 공유하고 운영 할 때 가장 큰 이점이있는 것 같습니다. "이것은 현재 자동차를 가지고 있지 않은 사람들에게 좋은 일이거나 근처에 서비스가 없을 수도있는 도시 외곽 사람들에게는 나쁜 일입니다."

Stilgoe는 도시가 대중 교통에 대한 투자를 연기하기 위해 자율 주행 차량의 약속을 사용하는 위험이 있다고 경고합니다. Axios의 연구에 따르면, 적어도 2 개의 미국 지역이 자율 주행 셔틀 서비스에 수십만 달러를 투자하고 있다고 Axios는 밝혔다.

연결 및 인프라의 필요성

인간 운전자는 자신의 환경을 관찰하는 것 이상을 수행합니다. 그들은 서로 의사 소통합니다. 그들은 서로 눈을 마주치며 서로 흔들리고 끄덕이며 다른 운전자에게 의도를 명확하게하기 위해 천천히 움직입니다. 이것들은 현재의 자율 주행 기술이 전혀 좋지 않은 성능을 발휘합니다.

자율 주행 차는 주변 환경을 매핑하고 물체를 감지하는 것 외에도 서로 환경과 통신하는 방법이 필요합니다. 하버드 비즈니스 리뷰 에세이에서 에든버러 대학교 경영 대학의 학자들은 자동차 및 인프라에 스마트 센서의 배치를 포함한 몇 가지 솔루션을 제안했습니다.

"신호대, 차량 대 차량 및 차량 대 인프라 통신을 모두 처리하는 대용량 모바일 및 무선 데이터 네트워크, 날씨, 교통 및 기타 조건에 대한 실시간 데이터를 제공하는 길가 장치를 대체하는 무선 송신기를 생각하십시오." 학자들은 썼다.

현재의 자율 주행 기술은 신호등, 도로 표지판, 도로 표시 등과 같은 사람을 위해 설계된 인프라에 컴퓨터를 적용하려고합니다. 머신 러닝 알고리즘은 다른 차량을 감지하거나 다른 각도에서 도로 표지판을 읽거나 조명 및 날씨 조건에 따라 휴먼 비전 시스템의 가장 기본적인 기능을 복제하기 전에 몇 시간의 교육과 엄청난 양의 데이터가 필요합니다.

스마트 센서로 자동차와 도로를 향상 시키면 자율 주행 자동차가 다양한 도로 상황을보다 쉽게 ​​전달하고 처리 할 수있게됩니다. 프로세서 비용이 감소하고 5G와 같은 기술로 유비쿼터스 연결이 가능하고 저렴 해짐에 따라 점점 실용화되고 있습니다.

자율 주행 차 분리

4 백만 마일의 미국 도로에 스마트 센서를 추가하는 것은 불가능하지는 않지만 힘든 일입니다. 자율 주행 자동차 회사가 자동차를 환경보다 스마트하게 만드는 데 집중하는 것을 선호하는 이유 중 하나입니다.

"우리가 보게 될 가장 가까운 시나리오는 다양한 형태의 공간 분리입니다. 자율 주행 자동차는 일부 지역에서는 작동하지만 다른 지역에서는 작동하지 않을 것입니다. 우리는 이미 기술의 초기 시험이 진행됨에 따라 이미보고 있습니다. 에딘버러 학자들은 에세이에서 제안한 바와 같이 시험장이나 비교적 단순하고 공정한 날씨 환경에서 시험을 실시했다.

그 사이에 그들은 "자율 주행 차량 전용 차선이나 구역을 볼 수 있으며, 기술이 개선되는 동안보다 체계적인 환경을 제공하고 다른 도로 사용자를 자신의 한계로부터 보호 할 수있다"고 말했다.

다른 전문가들도 비슷한 제안을했습니다. 8 월, 구글 브레인 (Google Brain)의 AI 연구원이자 공동 설립자 인 Andrew Ng는 자율 주행의 안전 문제를 해결하기 위해 보행자와 도로를 공유하는 다른 사용자의 행동을 바꿔야한다고 제안했습니다. Ng는“철도의 출현을 보면 대부분 사람들이 선로에서 기차 앞에 서 있지 않는 법을 배웠다”고 말했다.

Ng의 제안은 기술이 발전하는 동안 자율 주행 자동차의 안전 위험을 줄이는 데 도움이 될 것이지만, 로봇 공학의 선구자 Rodney Brooks를 포함한 다른 AI 전문가 들과는 잘 어울리지 않습니다. "자율 주행 자동차의 가장 큰 약속은 교통 사고를 없애 겠다는 것이 었습니다. 이제는 모든 인간이 행동을 바꾸도록 훈련을받는 한 교통 사고를 제거 할 것입니까?" Brooks는 블로그 게시물을 작성했습니다.

• 포드의자가 운전 테스트 자동차에서 마이애미를 타고 포드의자가 운전 테스트 자동차에서 마이애미를 타고
• 스쿠터, AI에 대한 포드의 CTO, 마이애미에 자율 주행 차 가져 오기 스쿠터, AI에 대한 포드의 CTO, 마이애미에 자율 주행 차 가져 오기
• Lyft의 자율 주행 차에서 느리고 꾸준한 경주에서 승리 Lyft의 자율 주행 차에서 느리고 꾸준한 경주에서 승리

딥 러닝의 성과를 과장하는 것에 대한 보컬 비평가 인 뉴욕 대학 교수 게리 마커스 (Gary Marcus)는 Ng의 제안이 "직무를 더 쉽게하기 위해 목표를 재정의하는 것"이라고 설명합니다.

그러나 Stilgoe는 우리가 역사에서 중요한 교훈을 얻을 수 있다고 생각합니다. Stilgoe는 "20 세기 초 미국 도시에 자동차가 처음 도착했을 때 보행자들은 도로를 안전하게 지키기 위해 길을 벗어나라고 지시 받았다"고 말했다.

Stilgoe는 자율 주행 차의 이점에 대해 진지하게 생각하면 같은 일이 다시 일어날 것이라고 믿습니다. 예를 들어, 자동차 회사는 도시에 로비를 시작하여 인프라를 업그레이드하고 보행자에게 자율 주행 자동차 주변에서 행동하는 방법을 가르 칠 수 있습니다. 틸고 (Stilgoe)는“자율 주행 자동차가 약속 한대로 작동하려면 작동 시스템을 제어해야한다”고 말했다.

길을 넘어 장애물

어려움에도 불구하고, 자율 주행 자동차 산업은 꾸준한 속도로 발전하고 있으며, 우리의 도로는 확실히 더 안전해질 것입니다.

그러나 질문과 과제는 여전히 남아 있습니다. 예를 들어, 교통 사고 발생시 누가 책임을 져야합니까? Stilgoe는“완전한 자율 주행 시스템에서 회사는 거의 모든 상황에서 책임을 져야한다. 이는 사람과 컴퓨터가 서로 다른 시간에 운전을 공유 할 때 상황이 더 어려워진다”고 말했다.

또한 인간의 생명을 잃을 수없는 상황에서 자율 주행 차가 언제 스스로를 발견해야하는지 어떻게 결정해야합니까? 이것은 "트롤리 문제"로 알려져 있으며 가설적일 수 있지만, 규칙을 명확하게 정리하지 않은 상황에서 자율 주행 자동차가 결정을 내 리도록 설계되어야한다는 것을 보여줍니다.

Stilgoe는“이러한 시스템의 설계에는 실질적인 윤리적 딜레마가있다. "자율 주행 자동차는 전지전능하지 않습니다."