«Машины сами смогут договориться, кто когда проезжает» Дмитрий Полищук руководит беспилотными автомобилями «Яндекс.Такси». Он рассказал «Медузе», как они устроены

МЕНЮ


Искусственный интеллект. Новости
Поиск
Регистрация на сайте

ТЕМЫ


Новости ИИРазработка ИИРабота разума и сознаниеВнедрение ИИРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информации

Авторизация



RSS


RSS новости

Новостная лента форума ailab.ru

«Яндекс» (точнее, ее «дочка» — «Яндекс.Такси») уже несколько лет ведет разработку собственных беспилотных автомобилей. В последний год компания активно рассказывает о своих успехах: если в мае 2017 года проходили тестовые заезды на закрытом полигоне, то уже в феврале 2018-го беспилотник «Яндекса» проехал по заснеженным улицам Хамовников. Журналист «Медузы» Султан Сулейманов прокатился по московским улицам на автомобиле Teddy (машины в компании называют в честь героев «Мира Дикого Запада») и поговорил с Дмитрием Полищуком, руководящим разработкой беспилотников в «Яндекс.Такси», — о том, как это работает, можно ли собрать беспилотник дома и чем автопилот «Яндекса» лучше автопилота «Теслы».

— Давайте начнем с терминологии. Беспилотный автомобиль, автопилот — в чем разница?

— Тут существует некоторая путаница. Например, на машинах Tesla есть технология, которую производитель называет автопилотом. Она позволяет удерживать автомобиль в полосе и притормаживать перед впереди идущими машинами. Но это не «беспилотный» автомобиль. Все думают, что он сам ездит, а на самом деле он пока может ездить только по трассе, где нет светофоров и пешеходных переходов.

А еще существуют «уровни беспилотности». Их пять. Может быть, слышали?

— Нет.

— Они определяют уровень автономности технологии. Суть в том, что самый низкий уровень — когда без водителя почти ничего не происходит, а самый высокий уровень — это, грубо говоря, когда машина без человека может перемещаться в условиях города.

Мы делаем уровень 5 — систему, которая в конечном итоге не будет требовать наличия водителя за рулем. Робота, который в условиях города будет полностью автономно перемещать машину из точки А в точку Б.

— Насколько я понимаю, существует два подхода к тому, как строить беспилотные автомобили: можно просто научить машину копировать поведение человека за рулем, а можно предоставить искусственному интеллекту самостоятельно разбираться, как правильно ездить. Вы какого придерживаетесь? Или все не так?

— Скажем так: есть подход, при котором нейронной сети показывают большое количество картинок с камеры, как видит дорогу и окружение водитель. Как человек водит машину? Он видит, он слышит и головой вертит — это обзор. И дальше у него, условно, есть две кнопки. Одна — левее/правее, другая — тише/быстрее. Все. То есть на входе нужно дать картинку, на выходе нужно крутить рулем или нажимать педали. Я упрощаю, на самом деле там все гораздо сложнее. Еще у нас есть маршрут, по которому нужно проехать, есть настроение — все это влияет на то, как мы ведем автомобиль. То есть при таком подходе мы как бы строим такой абстрактный мозг, который по картинке «с глаз», с камеры научится рулить машиной и будет ездить.

Мы придерживаемся другого подхода — когда задача разбивается на несколько больших подзадач. Последовательно и постоянно решая их, мы решаем главную — перемещение автомобиля из точки А в точку Б. 

— И что это за подзадачи?

— Первая — мы должны понять, где мы находимся и как мы ориентированы, куда мы смотрим. Это так называемая проблема локализации, когда нужно определить положение, причем сделать это нужно крайне точно. В нашем случае нам нужна сантиметровая точность. 

Следующий шаг — нам нужно понять, что происходит вокруг. Это так называемая задача восприятия. Нужно увидеть и классифицировать другие автомобили, увидеть пешеходов, велосипедистов, в общем, всех участников дорожного движения. Кроме того, есть разные препятствия, как регламентированные ПДД, — например, конусы или отбойники, так и не регламентированные, — например, коробка, которую ветром сдуло с обочины и она стоит и преграждает путь.

Дальше нужно спрогнозировать, что случится дальше. Куда этот автомобиль поедет, куда пойдет этот пешеход, переходит он дорогу или стоит? Это задача предсказания.

Следующий большой кусок — это задача планирования. Когда мы знаем, где мы, что вокруг нас и что случится дальше, и знаем, куда нам надо доехать, мы должны спланировать, собственно, наши действия. Автомобиль должен решить, что ему в следующие несколько секунд, точнее — миллисекунд, нужно делать — с учетом того, как он увидел и понял текущую дорожную ситуацию.

Как беспилотник «Яндекса» «видит» окружающий мир — дорогу, тротуары, светофоры, машины и пешеходов

И последняя задача — это задача контроля, когда мы исполняем план, отдавая команды системам управления автомобилем.

— Локализация — это, как я понимаю, не только и не столько GPS, потому что он не даст сантиметровую точность?

— Самый популярный сенсор, который используют для локализации беспилотных машин, есть в каждом телефоне — это GNSS-приемник, который принимает сигналы GPS, ГЛОНАСС или, например, Beidou. Этот приемник дает машине только базовую информацию, а дальше в работу включаются расширения этой системы, которые позволяют скорректировать разные ошибки, возникающие из-за искажения сигналов в ионосфере, и так далее. Проблема с GNSS в том, что она не надежна. Точность решения может снижаться до метров и даже десятков метров в зависимости от окружения. Если ехать в плотной городской застройке, где плохо видно небо — точнее, спутники, то и погрешность будет очень высокой. А ведь в городе даже важнее точно понимать, где находишься, чем в поле, где меньше препятствий.

Есть и другие разные способы, которые позволяют локализоваться. Например, визуальная одометрия или визуальная локализация — когда вывод о том, сколько и куда проехала машина, можно сделать по разнице между кадрами. Если подготовить специальный набор кадров, то потом по картинке с камеры или нескольких камер машина сможет понять, где находится. Это очень похоже на то, как мы, люди, ориентируемся в городе. Мы смотрим по сторонам, узнаем дома, какие-то знаки, приметы и понимаем, где мы. 

Способ, который мы наиболее активно используем, — лидарная локализация. Лидар в каждой точке пространства говорит нам, какие объекты находятся вокруг нас. Он сообщает машине «облако точек», отражений от всех таких объектов. Дальше машина строит специальную карту с учетом этих объектов и понимает, где находится, — с сантиметровой точностью.

— А у лидара же есть какое-то ограничение дальности? Скажем, если машина выедет на открытую местность, что делать?

— Да, лидар «видит» примерно на 100 метров вокруг. Но если мы находимся на открытой местности, то GNSS, скорее всего, сработает очень хорошо, а лидарная визуализация хуже. Если смешать данные от двух источников, на выходе получится точная координата, где на самом деле находится машина. Одно другое дополняет и исправляет. Важно, что все это всегда работает в комплексе. Информация от разных сенсоров и от разных алгоритмов сопоставляется, и на выходе машина принимает наиболее точное решение. 

— Какой из всех компонентов, о которых вы говорили, самый сложный?

— Восприятие. Есть много проверенных и непроверенных гипотез, которые мы пробуем, и экспериментов, которые мы проводим. Какую задачу мы прежде всего решаем? Нам нужно расположить других участников дорожного движения на карте относительно нас. Давайте для простоты предположим, что у нас в движении участвуют только пешеходы и автомобили. Что нужно сделать, чтобы их увидеть? Для ближних радиусов мы используем лидар и камеры, а для дальних дистанций — радар и камеры. Радар, как и лидар, возвращает нам отраженный сигнал от объектов. Но лидар более точный, и по точкам, которыми он «очерчивает» предмет, можно даже понять, что это за объект, увидеть его очертания.

В задаче восприятия мы пытаемся найти и определить типы объектов и корректно их ориентировать. Ну и упростить: нет смысла ставить на карту сложную геометрическую форму автомобиля. Достаточно ее изобразить в виде коробочки, а человека, например, в виде цилиндра. И эту математическую модель использовать для предсказания перемещений и оценки габаритов.

Это что касается детекции объектов. А еще нам нужно, конечно, видеть знаки, дорожную разметку, сигналы светофоров и так далее. Эта проблема первично решается камерой: она видит объект и может понять, что это. Если речь про знак, она определяет, к какому фрагменту дороги он относится и какое правило формулирует. То же самое со светофором: мы определяем, какой на нем сигнал, а дальше с использованием карты понимаем, что сигнал распространяется на конкретные полосы и запрещает нам проезд по ним.

— Во время демонстрационной поездки я смотрел на экран и видел, что светофоры прямо выделяются — видно, что машина их понимает. А знаки никак не помечаются.

— В той демоверсии, которую мы сегодня показывали, визуализация определения самих знаков просто была выключена. Но она в данной демонстрации и не использовалась: информация о знаках и ограничениях уже есть в карте той местности, где мы ездили.

По-хорошему подход такой: у нас есть карта с информацией о том, где какие правила и ограничения действуют. А по мере движения мы определяем ограничения, которые есть на знаках, и дополняем этой информацией карту. И если, например, знак по какой-то причине не определился, чего, в принципе, не должно быть никогда, или он развернут (всякое бывает), у нас все равно есть знания про него из карты.

Что еще важно в восприятии? Дорожная разметка. Мы должны понимать, где у нас границы дороги, пешеходные переходы и так далее. И информация об этом изначально, конечно, идет с камеры. Плюс используется лидар, чтобы корректнее оценить плоскость дороги. Вот так — очень упрощенно — работает восприятие: с помощью этих сенсоров мы находим объекты, классифицируем их и располагаем в этом условном, виртуальном, реконструированном мире, который дальше используется для просчета плана движения автомобиля.

Следующий шаг — это предсказание.

— Звучит как самое интересное.

— Это тоже большая задача, но я опять же упрощу. Между измерениями у нас накапливается какая-то история. За секунду происходит несколько десятков измерений, и на каждом шаге мы с помощью восприятия получаем, где какие объекты находятся. И зная, кто где был и куда он переместился за то время, которое прошло [между измерениями], предсказывается направление движения автомобилей и пешеходов (если мы говорим только о них).

Еще мы из карты берем знания о том, какие здесь правила дорожного движения. Понимая, что автомобиль, который движется нам навстречу, скорее всего, едет по полосе, мы можем предположить, что если дорога загибается, то и он будет поворачивать. При этом мы не исключаем вероятность того, что он поедет не по правилам.

А если мы зафиксировали пешехода, который идет по тротуару и направляется к переходу, можно предположить с определенной долей уверенности, что он собирается перейти дорогу и нужно затормозить, чтобы его пропустить.

Тестовый заезд беспилотника «Яндекса» —

Яндекс.Такси

Это один подход. Другой — мы просто копим большое количество знаний о том, как обычно ведут себя объекты во времени. И потом обучаем модель, которая со временем начинает предсказывать: если мы видим такую сцену и в прошлый раз видели такую, что, скорее всего, случится дальше? Например, если модель видит машину, которая совершает странные движения, она сможет определить, собирается ли водитель ехать прямо или паркуется.

— Сегодня мы проезжали мимо женщины, которая шла посередине дороги, вдоль припаркованных машин, — и мы не стали из-за нее останавливаться. А если бы она остановилась, мы бы тоже остановились? В какой момент машина бы предположила, что она будет перебегать дорогу?

— В том конкретном случае женщина находилась в зоне парковки, там, где машины обычно паркуются. То есть она не выходила на ту часть дороги, по которой обычно едут машины. Если бы оказалась на ней или пошла в ее сторону, мы бы остановились. Текущая конфигурация ведет себя так, что если кто-то находится в той зоне, которая является именно дорогой, или собирается в нее зайти, мы, конечно, остановимся и будем ждать, пока человек не уйдет.

— Сейчас, когда мы ездили на беспилотном автомобиле, за рулем все равно сидел человек, который контролировал ее поведение.

— Да, конечно, если у вас автомобиль эксплуатируется в городе, то по текущему законодательству за рулем обязательно должен быть водитель. Тут все в рамках закона. А на закрытом полигоне, где мы проводим эксперименты, машина может ездить сама, без водителя.

— А когда начнется полноценная эксплуатация таких машин — как тогда будет решаться вопрос с контролем за беспилотниками? За ними будут удаленно следить?

— Сейчас сложно сказать, но, скорее всего, будут определенные требования к такого рода системам. Например, наличие телеуправления: когда система входит в аварийное состояние, не может сама справиться с ситуацией, понимает, что дальше ей никак не проехать. Машина остановилась, потому что, например, люди постоянно идут или кто-то занял всю дорогу. В этом случае она, наверное, должна будет посылать куда-то сигнал, к ней будет подключаться оператор, чтобы вырулить.

При этом важно понимать, что, по всей видимости, вначале будет поэтапное внедрение. Не случится же такого, что завтра выйдут новые ПДД — и все, в городе можно будет ездить беспилотникам. Вначале появятся какие-то зоны, где они смогут ездить, и эти зоны будут с более-менее хорошей дорожной инфраструктурой, с легким трафиком.

— К слову о законах — на Западе идет разговор о том, чтобы законодательно обязать людей, которые сидят за рулем беспилотных машин, ни на что не отвлекаться, чтобы водитель всегда был готов перехватить управление и резко затормозить или повернуть. То есть ты не имеешь права сидеть в телефоне.

— А сейчас разве это не так? Неважно, какая это машина, беспилотная или нет. Прямо сейчас вся ответственность за все, что касается управления автомобилем, лежит на водителе. И он не может отвлекаться, даже если у него автопилот в машине.

— Именно. Но тогда зачем это? Как я себе представлял автопилот? Вот куплю я себе беспилотную машину, сяду на заднее сиденье, вобью адрес и буду заниматься своими делами. А мне говорят: нет, дорогой, ты первые 15 лет, ну или 5 лет, должен сидеть за рулем. И не просто рулить и хотя бы получать удовольствие, а еще и сидеть и думать — ошибется сейчас компьютер или не ошибется?

— Я думаю, все будет немного по-другому. Во-первых, будут появляться дополнительные функции в автомобилях, которые люди покупают как личное транспортное средство. Например, те же шоссейные автопилоты, которые не полностью ведут автомобиль, но могут исправить огрехи невнимательности, подрулить в полосе, если водитель засыпает или отвлекся. Начать громко сигналить: «Не засыпай!» И пока водитель просыпается, подруливать.

А во-вторых, будут появляться полностью автономные машины, которые никто никогда покупать в личное пользование не будет. Потому что в этом нет смысла. Это как сейчас мы вызываем такси: мы же не владеем автомобилем, который к нам приезжает. Мы просто говорим: «Я хочу доехать по такому-то адресу». Приходит машина, вы в нее садитесь. Сейчас там водитель, и он вас везет.

А тут мы будем вызывать машину, и она будет приезжать без кого-либо. Мы будем садиться, и она нас будет довозить. При этом нам вообще не надо за ней следить. Потому что ее просто не выпустят, пока у нас [разработчиков] не будет уверенности, что она проедет не хуже, чем водитель, который сейчас это делает.

— А сейчас российское законодательство никак не регламентирует ни автопилот, ни совсем беспилотники? Про это оно ничего не говорит?

— Сейчас никак. Очень много разных разговоров, но прямо сейчас никаких специальных правил на этот счет не существует.

— И как вы это решаете? 

— Все тесты, которые касаются полностью беспилотного управления, проходят на закрытой территории. На полигоне мы вольны проводить любые эксперименты. А по городу мы ездим и активно собираем данные. Да, у нас доработанные автомобили — на них установлен набор сенсоров, чтобы собирать данные. И все эти доработки сертифицированы в ГАИ.

«Яндекс»

— Когда я ехал на реальной беспилотной машине, у меня не возникло особых вопросов. Но если подумать, в голову приходят какие-то ситуации, которые может быть сложно просчитать. Например, если на дороге появляется регулировщик и издалека машет палочкой.

— Чтобы построить действительно надежную систему, нужно собрать огромное количество разных ситуаций: если машина будет ездить только в рамках одного небольшого квартала, она научится делать это почти идеально. Но если потом эту машину выпустить на Кремлевскую набережную и она наткнется на регулировщика, которого она никогда раньше не видела, то алгоритм подумает, что это пешеход, который переходит дорогу, и будет тупить.

Но вообще говоря, регулировщик — это регламентированное ПДД поведение, такому машина должна быть обучена «из коробки». Тут действительно сложным и интересным является то, что за пределами правил: когда вроде бы не особо нарушают, но уже едут не так, как положено. Или здесь люди обходят по дороге, хотя тротуар свободный — там просто яма посередине, им неудобно. И надо не стоять и ждать, а просто прижаться чуть в сторону и проехать. Таких вещей действительно много, и их предстоит все насобирать, классифицировать и обучить систему правильно и адекватно реагировать.

— Я сейчас придумал такой сценарий. Мы учим машины ездить с реальными водителями, которые едут не совсем по правилам, и беспилотники тоже научатся ездить и вилять так же — немножко подрезая, подъезжая как-то. А потом, когда останутся только беспилотные машины, они будут вести себя так же, как сейчас водители-люди.

— Даже если учить машину немного выходить за рамки строгих правил, — скажем, не держаться центра полосы, а прижиматься к краю, — то мы будем разрешать роботу такие маневры, только если у него есть причины это делать. А если мы выпустим на дороги только беспилотные автомобили, то ни у одного из них не будет причины отходить от строгих правил. Система придет в равновесие, и все будет хорошо.

Кстати говоря, утопичная идея: если представить далекое будущее, где на дорогах только беспилотники, то эффективность дорожной инфраструктуры многократно возрастет. Она будет сильно безопаснее, чем сейчас. Во многих местах мы сможем сильно поднять скорости, и это по-прежнему будет безопасно. Какие-то перекрестки мы сможем сделать вообще нерегулируемыми, машины сами смогут договориться, кто когда проезжает. Это все чистый экономический плюс для города.

А еще нам не нужна будет парковка, потому что такой машине не надо стоять. После того как она меня высадила, она может поехать повозить кого-нибудь еще. Полезная утилизация автомобиля сильно бы возросла.

— Но, как следствие, эти машины, по идее, должны чаще ломаться — ведь они круглосуточно ездят, а не три часа в день. Что делать беспилотнику, у которого спущено колесо?

— Смотря о каком времени мы говорим. Если о таком, когда все автомобили уже беспилотные, я думаю, процесс будет выглядеть примерно так: если что-то случилось, машина останавливается, потом приезжает другой беспилотник, забирает ее и увозит в ремонт.

А если мы говорим про то, как будет поначалу, то, возможно, с такой ситуацией будут разбираться системы телеуправления — они позволят беспилотникам выходить из сложных ситуаций с помощью человека. Ну или приезжает ремонтная служба и исправляет. Естественно, этот флот беспилотных машин нужно обслуживать. И без человека первое время тут не обойтись.

— Еще одна сложная ситуация: вы говорите, что в машине есть GPS, при этом вы еще другими датчиками более точно позиционируетесь. А если GPS вдруг перекинул вас из центра Москвы в Шереметьево? Компьютер не сойдет с ума? 

— Не сойдет с ума, все будет в порядке. Даже когда мы едем, у нас же сигнал GPS постоянно «гуляет» — и это происходит постоянно. Но машина эти ошибки успешно разрешает.

Скачок куда-то сильно далеко — более ощутимый для человека пример. А алгоритму все равно, он не боится таких скачков. Мы же знаем, что колеса вращаются с такой-то скоростью, машина перемещается прямо со скоростью, условно, пять метров в секунду, вектор направления такой-то. И мы можем предсказать, что в следующие сколько-то миллисекунд машина будет находиться примерно там же. И потом вдруг приходит сигнал GPS, который вообще черт знает где. Ну, очевидно, что это неправда. Это очень легко отфильтровать. Беспилотник так легко не запутать.

— Тогда более приземленная вещь — выбоины, ямы, большие лужи. Машина их находит?

— Я вам честно скажу, что прямо сейчас мы за это особо даже серьезно не брались, потому что это несвоевременно. Мы сейчас сфокусированы больше всего на том, чтобы научить автомобиль очень хорошо вести себя в условиях, в которых таких больших проблем нет.

При этом обнаружить яму, просто добавить этот объект в виртуальный мир несложно. И дальше машина ее объедет. Единственное, сейчас она не умеет пропускать яму между колес. Ну, так устроен алгоритм. Но объехать, если мы будем ее фиксировать, сможет.

— За то время, что вы испытываете беспилотники, появлялись ли ситуации, над которыми приходилось особенно долго ломать голову? Что-то совсем сложное?

— Неожиданных ситуаций у нас много, и в основном они связаны с поведением людей на дороге. Вот мы сейчас катались, и вы видели: дорога односторонняя, парковочная полоса справа. Слева тротуар. Кто-то паркуется на тротуаре, мешает пешеходам ходить и занимает полполосы. И вот как с этим быть?

Или до этого был тестовый заезд. Мы ехали по односторонней дороге, а нам навстречу по встречке ехал товарищ. Потому что он, видимо, ошибочно повернул, думая, что сюда можно ехать, а потом, когда встретил нас, осознал, что так было нельзя. И он начал сдавать задом, разворачиваться.

Разные ситуации бывают, но они безопасно отрабатываются. В худшем случае мы останавливаемся и стоим, никуда не едем, потому что машина не знает, что с этим делать и как реагировать.

Проезд беспилотника по заснеженным Хамовникам

Яндекс.Такси

— Хорошо, останавливаетесь. А если беспилотник видит, что товарищ впереди все равно продолжает сдавать задом и сейчас въедет в капот. Он все равно будет стоять и наблюдать?

— Да, сейчас у нас нет, скажем так, средств активного спасения машины. Мы пока их не закладывали, но обязательно будем заниматься этим в будущем.

— Беспилотник сам поворачивает руль и давит на педали. Это насколько серьезная «железная» модификация машины? Это прямо хай-тек — или можно в гараже у себя что-нибудь такое собрать?

— Это зависит от конкретного автомобиля, но в целом не очень сложно, это не rocket science. Доработать автомобиль до возможности управлять им по проводу — реальная задача даже для энтузиаста в гараже. И решить ее можно по-разному. Можно поставить свои актуаторы, а можно подключиться к электронным блокам управления, понять их протокол и говорить им делать то, что ты хочешь.

Но если вы делаете это для своих целей, ради интереса, это одна история. А другая — если нужно сделать это надежно, чтобы машина ни в коем случае не вывернула руль на высокой скорости или не включила заднюю, когда она едет вперед. Вмешиваясь в систему управления, желательно минимизировать вмешательство. Иметь возможность контролировать автомобиль, но не нарушать встроенные в автомобиль системы безопасности.

— Кроме вас какие-то еще компании в России занимаются подобными разработками? Прямо автономных машин.

— Я не слышал о компаниях, которые бы делали то, что делаем мы — полноценную технологию беспилотного управления автомобилем, которая способна вести машину из точки А в точку Б в городе. Какие-то наработки есть — шоссейные автопилоты, умение определять объекты — пешеходов, автомобили. Но я считаю, что у нас, к сожалению, пока конкурента нет.

— А в мире? Китайцы впереди всех?

— В мире я бы отметил Waymo — это компания Alphabet, которая, по-моему, продвинулась дальше всех. Еще Uber, который тоже активно инвестирует в это направление. В той или иной степени почти все крупные автопроизводители им занимаются, но они очень скрытные. Ничего не показывают толком, не рассказывают. Их успехи сложно оценить.

— Последнее, что мне хочется обсудить, — это отношение людей к машинам. Я сейчас прокатился на беспилотнике, и мне даже не было страшно. Возможно, потому что за рулем все равно сидел человек. Но в какой-то момент мы стояли на повороте, кто-то переходил по пешеходному переходу, а один парень решил перебежать дорогу прямо перед машиной. Я вот думаю, что если бы он увидел, что за рулем никого нет, — он бы не рискнул перебегать, все-таки подождал бы на всякий случай. Сталкивались ли вы с негативом, агрессией людей по отношению к машинам? И как быть с этим недоверием?

— Мы не сталкивались. Ну, то есть, естественно, если вы долго трогаетесь со светофора — дольше, чем несколько десятков миллисекунд [после того, как загорится зеленый сигнал], — вас оббибикают. Но за вычетом этой типичной московской ментальности на дорогах ничего не происходило. Чтобы кто-то боялся или прямо была агрессия к машине, потому что она такая, — такого никогда не встречали.

Сейчас снаружи это абсолютно нормальный автомобиль, в котором за рулем сидит водитель. Наверное, многие даже не понимают, что это за машина.

— Просто, насколько я вижу, сейчас главный аргумент производителей автопилотов — то, что это намного безопаснее. Да?

— Да, это минимизирует вероятность, что может что-то случиться.

— Но при этом я не уверен, что эта аргументация сильно влияет на людей. Скажем, вы проезжаете 100 тысяч километров по тестовым дорогам, и это мало кого интересует. А когда случилась одна авария у Uber, все начинают бояться.

— Для людей нормально так эмоционально реагировать. Но в конечном итоге, когда речь идет о сухих цифрах, статистика говорит другое. Она говорит, что если вы возьмете автопилот на шоссе и посчитаете количество инцидентов, которые он порождает в условиях этого конкретного участка, — то он выиграет у человека-водителя с огромным перевесом. Потому что автопилот не устает, ему плевать на слепящее солнце, на осадки, на время суток. А человек иногда внимателен на дороге, иногда нет, иногда устает. И у человека вероятность, условно, что он на сто тысяч миль два раза приедет в отбойник, сильно выше, чем у автопилота.

Просто все уже привыкли к тому, что происходят ДТП с участием человека, — к сожалению, очень много людей гибнет на дорогах. Из-за невнимательности, из-за других причин. И это уже не является каким-то из ряда вон выходящим событием. А когда впервые в истории [беспилотник сбил человека], — конечно, все подхватили и разнесли.

В таких ситуациях много эмоций. Но я уверен абсолютно, что эти системы будут более безопасны. Просто потому, что их ничто не отвлекает, они сфокусированы четко на решении одной конкретной задачи, и они будут делать это хорошо. В худшем случае они просто будут безопасно останавливать автомобиль, не зная, как поступить. Но они не будут приводить ни к чему плохому.


Источник: meduza.io



Поддержи проект ai-news рублем. Машины верят в тебя! >>



Комментарии:

Lex, 2018-05-15 16:09:58
Лидар, размеченные карты и Глонас это читерство. Пока все задачи не будут решать камеры дальше пробных заездов дело не двинется. Как и за последние 10 лет.