Flyvekontrol for førerløse biler kan fremskynde indsættelsen

Kombination af menneskelig og kunstig intelligens i autonome køretøjer kunne skubbe førerløse biler hurtigere mod bred adoption. Det siger forskere fra University of Michigan.

Det er målet med et nyt projekt, der er afhængig af en teknik kaldet øjeblikkelig crowdsourcing for at give en omkostningseffektiv, real-time fjernbackup til indbyggede autonome systemer uden at et menneske skal være fysisk i førersædet. Forskningen finder sted på UM Transportation Research Institute (UMTRI).

Behovet for chauffører inden for menneskelig sikkerhed i køretøjer som Waymos nyligt introducerede autonome taxier underminerer deres omkostningsfordel i forhold til traditionelle kørselstjenester, siger forskerne. Det holder også æra af biler som autonome rullende stuer tantalizingly uden for rækkevidde. Og de fleste forskere er enige om, at maskiner ikke helt vil kunne overtage køreopgaver i årevis eller endda årtier.

"Dagens autonome køretøjer kan køre relativt godt i typiske omgivelser, men de mislykkes i usædvanlige situationer - og det er de situationer, der er de farligste, "sagde Walter Lasecki, en adjunkt i datalogi og teknik og en leder af projektet. "At designe autonome systemer, der kan håndtere disse usædvanlige situationer, kan tage årtier, og i mellemtiden, vi får brug for noget for at udfylde hullet. "

Øjeblikkelig crowdsourcing adskiller sig fra tidligere bestræbelser på fjerntliggende menneskelig backup ved, at det kan give menneskelige reaktioner på få millisekunder - potentielt hurtigt nok til at hjælpe med at undvige et svingende køretøj eller manøvrere rundt om et stykke vejrester. Den anvender tilsluttet køretøjsteknologi og et fjernstyret kontrolcenter.

Sådan fungerer det - alt inden for fem sekunder eller mindre:

• Software i bilen ville analysere køretøjsdata i realtid og gætte elektronisk 10-30 sekunder ud i fremtiden for at estimere sandsynligheden for en "frakobling"-en situation, hvor bilens automatiserede systemer kunne have brug for menneskelig hjælp.
• Hvis sandsynligheden overstiger en forudindstillet tærskel, systemet kontakter et fjernstyret kontrolcenter og sender data fra bilen.
• Kontrolcentralens system analyserer bilens data, genererer flere mulige scenarier og viser dem til flere menneskelige tilsynsførende, der er placeret i køresimulatorer.
• Menneskerne reagerer på simuleringerne, og deres svar sendes tilbage til køretøjet.
• Køretøjet har nu et bibliotek med menneskegenererede svar, som det øjeblikkeligt kan vælge imellem, baseret på information fra indbyggede sensorer.

Et sådant system kan lyde dyrt og besværligt, men Robert Hampshire, en forskningsprofessor ved UMTRI og U-M's Ford School of Public Policy, siger, at det ville være langt billigere end at have en menneskelig chauffør i hvert køretøj. Dette kan gøre det særligt værdifuldt at ride deling og flådeoperatører. Og den enorme mængde kørte kilometer kombineret med det faktum, at autonome køretøjer kun sjældent har brug for menneskelig bistand, kunne drive stordriftsfordele, der ville sænke omkostningerne pr. Køretøj.

"Der blev kørt 3,2 billioner miles i USA sidste år, og de bedste autonome køretøjer var i gennemsnit en frakobling hver 5., 000 miles, "Sagde Hampshire." Vi vurderer, at hvis alle de kilometer var automatiseret, du skal bruge omkring 50, 000 til 100, 000 ansatte, fordeles by for by. Et netværk som det kunne fungere som en abonnementstjeneste, eller det kan være en regeringsenhed, ligner nutidens lufttrafikstyringssystem. "

Den algoritmebaserede screening i begyndelsen af ​​processen gør den mere nyttig end tidligere forsøg på fjernhjælp fra mennesker, som krævede, at køretøjet stoppede, kontakte et fjernt callcenter og få instruktioner, før du fortsætter.

En anden nøgle til at få systemet til at fungere i marken vil være at designe det på en måde, der er anvendelig for det store antal medarbejdere, siger Hampshire.

"Ligesom flyveledernes arbejde, dette arbejde kan være stressende og kognitivt komplekst. Så vi vil se på måder at gøre det mindre intens og mentalt trættende på. "

Udviklerne arbejder i øjeblikket på softwareplatformen. De håber at få mennesker til at teste systemet inden udgangen af ​​projektets første år, med at systemet indsamler data fra faktiske køretøjer inden udgangen af ​​det andet år.

Den grundlæggende forudsætning bag øjeblikkelig crowdsourcing blev valideret i et papir med titlen "Bolt:Instantaneous Crowdsourcing via Just-in-Time Training, "som blev præsenteret på ACM CHI 2018 -konferencen. USDOT -projektet har til formål at tilpasse det til brug i autonome køretøjer.