Halsey Andrews W 1986 roku niebieski chevrolet van często jeździł po ulicach Pittsburgha w Pensylwanii w pobliżu Carnegie Mellon University. Zdawkowemu obserwatorowi nic w tym nie wydawało się niezwykłe. Większość ludzi przechodziła obok niego, nie zauważając kamery wystającej z dachu ani faktu, że nie ma rąk na kierownicy.
Ale gdyby jakiś przechodzień zatrzymał się, żeby obejrzeć furgonetkę i zajrzeć do jego wnętrza, zorientowałby się, że to nie jest zwykły samochód. Był to pierwszy na świecie samojezdny samochód: Pionierskie dzieło informatyki i inżynierii powstało w świecie, w którym faksy były nadal dominującym sposobem przesyłania dokumentów, a większość telefonów nadal miała kable. Jednak pomimo utknięcia w epoce, w której technologia jeszcze nie dogoniła ludzkiej wyobraźni, furgonetka — a wtłoczeni w nią naukowcy — pomogła położyć podwaliny pod wszystkie Tesla, Waymos, a także autonomiczne prototypy Ubera krążące po naszych ulicach w 2022 roku.
Jak powstał pierwszy autonomiczny samochód
Wspomniana furgonetka została zaprojektowana i zbudowana przez Carnegie Mellon’s Navigation Laboratory (Navlab) — na długo przed zaistnieniem sieci WWW lub Google i z komputerami, które były 10 razy mniej wydajne niż Apple Watch pierwszej generacji.
Dzięki funduszom z amerykańskiego departamentu obrony dział robotyki Carnegie Mellon utworzył Navlab w 1984 roku, aby zbadać autonomiczną nawigację. Cel, dr. Chuck Thorpe, profesor informatyki, który prowadził projekt, powiedział Digital Trends, że ma radzić sobie z „nudnymi, brudnymi i niebezpiecznymi” sytuacjami.
W szczególności Departament Obrony szukał możliwości zbudowania autonomicznych zwiadowców. Ci zwiadowcy wyszliby na pole i mapowali niezbadane terytoria, gdzie zwykle istnieje większe ryzyko ukrytych min i wrogów – praca, dla której ludzie wcześniej ryzykowaliby swoje życie. I tak Terragator narodził się w 1983 roku.
Sześciokołowy Terregator, który na pierwszy rzut oka można łatwo pomylić z poprzednikiem Mars Rovera, był pierwszym na świecie autonomicznym robotem do jazdy na zewnątrz, a w czasach, gdy telefony komórkowe ważyły 11 funtów, był niezwykłym inżynierskim wyczynem . Zawierał szereg czujników i technologię wizji komputerowej, aby omijać przeszkody, wspinać się po nierównym terenie, śledzić ścieżki i wiele więcej. Prace nad Terregatorem pomogły naukowcom uświadomić sobie potencjał tej technologii, a trzy lata później Navlab 1 — ten niebieski van Chevy — trafił na ulice.
Navlab 1 był tak prymitywny, jak tylko mógł być autonomiczny samochód. Nie miał eleganckich ekranów dotykowych ani elementów sterujących smartfona, które można obecnie znaleźć w pojazdach silnikowych. Miał tylko pół tuzina stojaków ze sprzętem komputerowym wielkości lodówek, pełnowymiarową kamerę wystającą znad przedniej szyby, 20-kilowatowy generator i kilka blokowych monitorów używanych do wyświetlania wydajności algorytmu dla garstki Absolwenci stłoczeni z tyłu. Cała konfiguracja wyglądała bardziej jak furgonetka FBI niż samodzielny projekt.
Sposób, w jaki kierował się Navlab 1, był dość prosty. Jego czujnik lidar – podobny do tego, który można znaleźć w najnowszych iPhone’ach – strzelał laserami na obiekty, aby określić odległość od nich. Co więcej, dzięki wizji komputerowej, rozbijałby materiał z kamery wideo, aby podążać za oznaczeniami pasów i ustalać krawędzie drogi, aby nie zboczyć z toru. Wyniki z tych punktów danych ostatecznie pomogą w wysłaniu ostatecznych poleceń sterowania.
Jeśli brzmi to jak dużo pracy dla komputerów z lat 80-tych, to dlatego, że tak było. Ponieważ sprzęt nie dogonił jeszcze takich postępów, wykonanie obliczeń zajęłoby wieki, w wyniku czego prędkość Navlab 1 była ograniczona do 20 mil na godzinę.
Co więcej, według dr. Dean Pomerleu, który dołączył do zespołu Navlab jako doktorant. student.
Uczenie się na błędach z przeszłości
Podczas gdy Navlab kontynuował ulepszanie swoich modułów autonomicznych w nadchodzących latach, dopiero w 1989 r. dr. Pomerleu nauczył wojskową karetkę Humvee w kolorze moro — Navlab 2 — uczyć się na błędach, że grupa osiągnęła kolejny przełom.
Do 1989 roku studenci Navlab programowali na sztywno programy, które miały naprawiać wady autonomicznego samochodu, gdy napotykał on nieznane sytuacje. Z drugiej strony dr. Algorytm ALVINN Pomerleu (skrót od An Autonomous Land Vehicle in a Neural Neutral) pozwolił pojazdowi przystosować się do scenariuszy, do których nie został zaprogramowany, po prostu obserwując, jak zareaguje w takim przypadku kierowca. Oznaczało to, że następnym razem, gdy Navlab 2 napotka ten sam scenariusz, nie będzie potrzebować interwencji człowieka. To właśnie odblokowało nową generację autonomicznych samochodów, a nawet w dzisiejszych systemach opartych na sztucznej inteligencji można znaleźć wskazówki ALVINN.
Wkrótce Navlab 2 leciało z prędkością 55 mil na godzinę na 102-milowej trasie z Pittsburgha do Erie w Pensylwanii. „To była pierwsza naprawdę długa podróż, jaką odbyła i przekonała mnie, że pewnego dnia zobaczymy pojazdy, które będą mogły samodzielnie jeździć po drogach publicznych” – dodał dr. Pomerleu.
Ponieważ iteracje Navlab opierały się na adaptacyjnej sieci neuronowej, a nie na mapach 3D, takich jak samojezdny samochód Google, można je było upuścić w dowolnym miejscu, którego wcześniej nie widzieli i działać wystarczająco dobrze. To właśnie ostatecznie napędzało zwycięskie okrążenie dywizji Navlab: prawie 3000-kilometrowa podróż przez kraj z Pittsburgha do San Diego w 1995 roku.
Navlab 5 sterował sam przez ponad 98% podróży, z dr. Pomerleu i jego doktorant, dr. Todd Jochem na zmianę przyspiesza i hamuje. I pomimo ogromnych różnic w typach dróg i terenach, para napotkała prawie zero anomalii i księgowane całe doświadczenie podczas całej podróży, w tym dzień, w którym pokazali go dla tego pierwszego Dzisiejszy pokazGospodarz, Jay Leno, w jednym z pierwszych internetowych blogów podróżniczych.
„Myślę, że jeśli cofniesz się w czasie i kupisz teraz jeden z tych samochodów”, dr. Jochem, który teraz jeździ Teslą Model S, powiedział w e-mailowej wymianie z Digital Trends: „byłbyś zszokowany, jak bardzo są one w niektórych sytuacjach identyczne z osiągami, jakie widzisz w samochodach, które są teraz komercyjne. Jestem z tego bardzo dumny.”
Członkowie zespołu Navlab założyli i znacząco przyczynili się do dzisiejszych wiodących projektów autonomicznych, takich jak Uber, Google, Tesla i innych. Jednak pomimo postępu, jaki dokonał się w branży, dr. Pomerleu uważa, że „zima AI”, termin używany w kręgach akademickich do opisania okresu niskiego finansowania i rozwoju w dziedzinie, może zbliżać się do autonomicznych pojazdów, a winę za to może ponosić Elon Musk.
Podczas gdy dr. Pomerlue zgadza się, że Musk przyczynił się do rozwoju wieku samodzielnej jazdy, jego podejście do autonomii, która w zbyt dużym stopniu opiera się na czujnikach kamer, oraz bezduszna polityka dotycząca bezpieczeństwa kierowców, jest niepokojąca. „Ostatecznie obiecujące i niedostateczne dostarczanie jest moim zdaniem nie do przyjęcia i grozi przyczynkiem do kolejnej „zimowej AV” – dodał.
W chwili pisania tego tekstu amerykańska Narodowa Administracja Bezpieczeństwa Ruchu Drogowego ogłosiła, że prowadzi dochodzenie w sprawie Tesli za umożliwienie kierowcom grania w gry wideo na ekranie deski rozdzielczej, podczas gdy samochód jedzie na autopilocie.
Praca dla naukowców takich jak dr. Thorpe ma zatem jeszcze do mety. „Trzydzieści lat temu przewidziałem, że pojadę na emeryturę w samojezdnym samochodzie” – wyposażył – „Chyba nie mogę jeszcze przejść na emeryturę”.
Rekomendacje redaktorów
