Еще в марте я поговорил с Беном Ланденом, главой по развитию бизнеса в DeepScale.ai, чтобы поговорить о некоторых из очень интересных проблем, которые еще предстоит преодолеть в области автономного вождения. Ранее в этом месяце DeepScale объявила о закрытии финансирования серии A. Приступим к разговору.

Шойб: Расскажите нам о себе и своей компании.

Бен: Я сам работал в автомобильной промышленности с тех пор, как окончил бакалавриат. А затем я работал в компании Maxim Integrated, занимающейся полупроводниками, и управлял прибылями и убытками в области автомобильных полупроводников, в основном информационно-развлекательной системы и ADAS (передовых систем помощи водителю). Затем я получил степень магистра делового администрирования в Калифорнийском университете в Беркли, а в начале 2017 года присоединился к DeepScale.

DeepScale - это компания-разработчик программного обеспечения, в которой мы предоставляем автомобилям эффективные нейронные сети или программное обеспечение для глубокого обучения искусственного интеллекта, чтобы помочь им с более продвинутыми функциями автономного или автоматизированного вождения вплоть до ADAS, такими как традиционное автоматическое экстренное торможение, адаптивный круиз-контроль - функции, которые вы видите сегодня, но, возможно, его можно улучшить с точки зрения его точности, возможностей или его модели затрат с точки зрения охвата большего количества транспортных средств. Мы также работаем вплоть до автономных систем уровня 4 и уровня 5, которые включают объединение датчиков для глубокого обучения.

Шойб: Что вам было интересно в автономных транспортных средствах? И почему вы сосредоточились на этом?

Бен: Когда после семи лет работы на последней работе я выбирал, что делать дальше, я знал, что хочу остаться в автомобилестроении, потому что это место для высоких технологий. В основном я занимался информационно-развлекательной системой, расцвет которой пришелся на 5–10 лет назад, когда она действительно взлетела и продолжает развиваться, но для меня следующей большой волной было автоматизированное вождение. Возможность работать с системами, которые вместо того, чтобы сделать взаимодействие с пользователем в автомобиле отличным, насколько это возможно, но могут реально влиять на жизнь людей. Будут далеко идущие последствия, которые идут дальше, чем спасение людей, но на самом деле изменение нашего образа жизни, поскольку общество структурировано вокруг транспорта, было для меня действительно сильным призывом.

Шойб: Чего вы планируете достичь, объединившись с Visteon?

Бен: Причина, по которой мы открыто заявили, что мы работаем с Visteon и почему Visteon был заинтересован в этом заявлении, заключается в том, что мы действительно видим мир автоматизированного вождения очень похожим образом. Точка зрения этого мира состоит в том, что открытое сотрудничество станет ключом к охвату всех угловых случаев, которые существуют для вывода этих систем на рынок более дешевых автомобилей, поэтому автоматизированное вождение не является дорогостоящей нишей для транспортных средств. Это должно принести пользу всему обществу. Создание платформы для совместной работы будет наиболее эффективным и окажет самое положительное влияние на автоматизированную систему вождения.

Шойб: Я где-то читал, что существует заранее определенный набор правил для быстрой и окончательной оценки и определения ответственности, когда автономные транспортные средства участвуют в столкновениях с транспортными средствами, управляемыми людьми. Как это будет происходить в реальном мире?

Бен: Важно понимать, что входы и выходы этих систем имеют решающее значение. Сегодня в автомобилестроении, когда что-то идет не так, существует определенный порядок действий и устранения этой проблемы. Есть диаграммы рыбьей кости и масса других способов обеспечения качества в каждой ситуации. Это не обязательно будет по-другому, когда системы принимают более сложные решения. По-прежнему будет проводиться аналогичный анализ первопричин. Сделали ли поставщики все возможное, чтобы убедиться, что они понимают вероятность возникновения такой ситуации? И если да, то что они сделали, чтобы смягчить его? Эти вложенные вопросы «если бы это случилось, что бы произошло» необходимо задокументировать. Автоматическое вождение - это новая технология, и она еще не получила точного определения, но это еще не значит, что велосипед заново изобретает. Мы собираемся объединить компоненты, которые будут делать то, что люди не могут делать сами. Они собираются привести в действие. Нам придется экстраполировать это, чтобы увидеть, когда что-то пойдет не так, как это можно было предотвратить и почему это произошло именно так. И мы продолжаем вносить улучшения.

Шойб: Как вы думаете, можно ли заранее прописать четкие правила определения неисправностей? Используя какую-то математическую модель?

Бен: Я видел несколько ранних предложений, содержащих жесткие правила, в которых четко указывается, кто виноват в данной ситуации. Я считаю, что это может немного упростить проблему. Я не думаю, что это будет так просто, но с учетом вышесказанного вы должны начать, по крайней мере, с попытки найти ответы на трудные вопросы, потому что если мы скажем: «ну, это не идеальный ответ», тогда мы никуда не денемся. Я действительно считаю, что нам нужно приложить все усилия и сказать: вот чему нас учат лучшие практики, вот что соответствует науке и технологиям, и вот то, что, как мы думаем, мы знаем о том, как вы будете определять вину в таких ситуациях, и мы будем нужно быть готовым к повторению.

Шойб: Мне в голову приходит несколько вопросов об ответственности и страховании. В случае аварии, если автоматическая система сообщает, что это была ошибка человека, водитель-человек может спросить автопроизводителя, как они запрограммировали свою систему; автоматизированная система может быть настроена против человека-водителя.

Бен: Есть несколько интересных выводов из сравнения автоматизированных систем с тем, что делают люди. Итак, из известных фактов о дорожно-транспортных происшествиях, 94% аварий вызваны человеческим фактором. Мы склонны сосредотачиваться на парадигмах, какими мы их знаем, и пытаемся применить их к другим вещам, которые мы не очень хорошо понимаем, потому что мы предполагаем, что есть что-то общее. Мы автоматически переходим к ним, если это несчастные случаи, вызванные людьми, как мы можем судить об этих несчастных случаях, когда это делает автоматизированный автомобиль? На самом деле, если вы построите достаточно хорошую систему, обещание состоит в том, чтобы предотвратить 94% несчастных случаев, вызванных людьми. На самом деле в большинстве случаев аварии не происходит из-за ограничений в мире физики и механики. Не то чтобы для меня было физически невозможно остановиться до того, как я врезался в машину. Нет, это потому, что вы смотрели на свой телефон или слишком внимательно следили за происходящим. И когда эти вещи запрограммированы в автомобиле, разговор на самом деле немного меняется. Приписывающая ошибка не обязательно так заметна, как когда два человека указывают друг на друга, как он сказал / она сказал тип ситуации. Я очень рад обещанию устранить эти ситуации.

Думаю, каждый всегда приходит к вопросу о троллейбусе: как выбрать, в каком направлении вести машину, чтобы минимизировать ущерб. Я не думаю, что есть ответ на этот вопрос, потому что если вы спросите «x» людей, что они думают об утилитаризме и что является самым ценным, спасти этого человека, этого человека или ничего не делать. Единого мнения нет. Обещание состоит в том, что вы не попадете в такую ​​ситуацию с самого начала. И я думаю, что в тех редких случаях, когда вы это делаете, мы можем возлагать на себя слишком большую ответственность. Будет немного преувеличением сказать, что вы можете с большой точностью рассчитать вероятность ущерба, который может произойти в будущем. Я могу сказать вам, что мы работаем над прогнозированием движения и прогнозированием движения, чтобы ответить на вопрос об этих интересующих объектах на дороге, например, где они могут быть через полсекунды, через одну секунду по сравнению с тем, где я буду. Это невероятно сложная проблема. Я даже не могу назначить несколько вариантов возможных вариантов развития событий. Это запутанная большая проблема, и я надеюсь, что мы действительно сможем использовать эту технологию, чтобы решить эту проблему и заставить людей понять, что мы на самом деле делаем все возможное, чтобы полностью предотвратить ее, а не делать ее ограничивающим фактором в реализации. .

Шойб: Вы только что говорили об ожидании движения и прогнозировании движения. Я помню, как много лет назад работал над компенсацией движения и оценкой движения. Тогда это были очень сложные проблемы.

Бен: Это так, и поэтому мы можем взять что-то, что связано с человеческим фактором, и сделать наши автоматизированные системы более безопасными. Например, когда вы разговариваете с OEM-производителями первого уровня - одна из самых больших проблем или угловых ситуаций, которые люди хотят решить, - это то, что происходит, если пешеход выскакивает между двумя автомобилями на дороге, а система не срабатывает вовремя. Реальность такова, когда вы можете немного поучиться на том, что делают люди, потому что вы пытаетесь полностью возложить бремя ответственности на технологию, а затем вы начинаете задавать эти действительно сложные угловые случаи, такие как: как мне увидеть человека, прежде чем он выпрыгнет, как сделать Я использую распознавание жестов, чтобы понять, движутся ли они к дороге или от нее. Это действительно сложные проблемы, которые мы попытаемся решить, но в конце дня, как только вы увидите, что человек находится на дороге, как хороший защитный водитель я бы сбавил скорость и немного отошел от дороги. в центре полосы, чтобы отойти от человека на случай, если он примет неправильное решение, тогда я все еще могу отреагировать. Нет причин, по которым мы не можем использовать данные от датчиков вокруг автомобиля, чтобы сообщить системе планирования пути о внесении таких небольших корректировок для обеспечения безопасного вождения.

Шойб: Управление автомобилем требует здравого смысла. Можно ли запрограммировать здравый смысл в машины?

Бен: Когда вы смотрите на конкретные проблемы, возникающие во время вашей работы, мы делаем все интуитивно, как люди, потому что вы учитесь водить машину. Если у вас есть хороший инструктор по вождению, вы научитесь действовать в определенных ситуациях. Реальность такова, что большинство ситуаций относительно узкие, например, у вас есть машина слева или у вас нет машины слева. Это буквально кодифицирует ситуацию. Мы можем и должны, поскольку это машины, подражать здравому смыслу. Вы можете точно подражать здравому смыслу, сочетая изученную систему и систему, основанную на правилах. Притормозить возле школьной зоны - это здравый смысл. Часто люди не замедляются. С автоматизированными системами автомобили будут тормозить возле школьной зоны.

Шойб: Каково долгосрочное видение DeepScale.ai?

Бен: Мы действительно поддерживаем идею открытого сотрудничества множества экспертов в области автоматизированных систем. Эти системы настолько сложны, что мы действительно думаем, что (1) мы можем обслуживать очень большой рынок. Не будет универсального решения, подходящего для всех, потому что в каждом регионе и для каждого типа транспортного средства будут разные требования к вождению. И мы увидим всевозможные новые типы транспортных средств, которые станут доступны благодаря тому факту, что вам больше не нужно, чтобы водитель и пассажир смотрели вперед. Для нас мы видим себя поставщиком в автомобильной промышленности, лицензирующим программное обеспечение для всего мира, и у нас есть идея внедрить это программное обеспечение в как можно большем количестве систем и транспортных средств, потому что вся цель состоит в том, чтобы показать, что это намного безопаснее. чем то, что мы делали до сих пор.