Flygfoto över Ann Arbor, MI den 16 september, 2015. Kredit:Marcin Szczepanski, Michigan Engineering
Att kombinera mänsklig och artificiell intelligens i autonoma fordon skulle kunna driva förarlösa bilar snabbare mot storskalig adoption, University of Michigan forskare säger.
Det är målet med ett nytt projekt som bygger på en teknik som kallas omedelbar crowdsourcing för att tillhandahålla en kostnadseffektiv, fjärrbackup i realtid för autonoma system ombord utan att en människa behöver sitta fysiskt i förarsätet. Forskningen sker vid U-M Transportation Research Institute (UMTRI).
Behovet av mänskliga säkerhetsförare i fordon som Waymos nyligen introducerade autonoma taxibilar undergräver deras kostnadsfördelar jämfört med traditionella samåkningstjänster, säger forskarna. Det håller också bilarnas era som autonoma rullande vardagsrum på ett lockande sätt utom räckhåll. Och de flesta forskare är överens om att maskiner inte helt kommer att kunna ta över köruppgifter på flera år eller till och med årtionden.
"Dagens autonoma fordon kan köra relativt bra i typiska miljöer, men de misslyckas i exceptionella situationer – och det är de situationerna som är de farligaste, sade Walter Lasecki, en biträdande professor i datavetenskap och teknik och ledare för projektet. "Att designa autonoma system som kan hantera dessa exceptionella situationer kan ta decennier, och under tiden, vi kommer att behöva något för att fylla tomrummet."
Omedelbar crowdsourcing skiljer sig från tidigare ansträngningar med fjärrstyrd mänsklig backup genom att den kan ge mänskliga svar på bara några millisekunder – potentiellt tillräckligt snabbt för att hjälpa till att undvika ett svängande fordon eller manövrera runt en bit av vägskräp. Den använder ansluten fordonsteknik och en fjärrbelägen kontrollcentral.
Så här skulle det fungera – allt inom loppet av fem sekunder eller mindre:
Ett sådant system kan låta dyrt och krångligt, men Robert Hampshire, en forskningsprofessor vid UMTRI och UM:s Ford School of Public Policy, säger att det skulle vara mycket billigare än att ha en mänsklig förare i varje fordon. Detta kan göra det särskilt värdefullt för samåknings- och flottoperatörer. Och den enorma mängden körda mil i kombination med det faktum att autonoma fordon endast sällan behöver mänsklig assistans kan leda till skalfördelar som skulle få ner kostnaden per fordon.
"Det kördes 3,2 biljoner mil i USA förra året, och de bästa autonoma fordonen hade i genomsnitt en urkoppling var 5:e, 000 mil, " sa Hampshire. "Vi uppskattar att om alla dessa mil var automatiserade, du skulle behöva runt 50, 000 till 100, 000 anställda, fördelade stad för stad. Ett sådant nätverk skulle kunna fungera som en prenumerationstjänst, eller det kan vara en statlig enhet, liknande dagens flygledningssystem."
Den algoritmbaserade screeningen i början av processen gör den mer användbar än tidigare försök till mänsklig assistans på distans, som krävde att fordonet stannade, kontakta ett fjärrsamtal och få instruktioner innan du fortsätter.
En annan nyckel för att få systemet att fungera på marken är att utforma det på ett sätt som är genomförbart för det stora antalet anställda, säger Hampshire.
"Som jobbet som flygledare, detta arbete kan vara stressande och kognitivt komplext. Så vi kommer att titta på sätt att göra det mindre intensivt och mentalt utmattande."
Utvecklarna arbetar för närvarande med mjukvaruplattformen. De hoppas få människor att testa systemet i slutet av projektets första år, med systemet som fångar data från faktiska fordon i slutet av det andra året.
Grundförutsättningen bakom momentan crowdsourcing validerades i en artikel med titeln "Bolt:Instantaneous Crowdsourcing via Just-in-Time Training, " som presenterades på konferensen ACM CHI 2018. USDOT-projektet syftar till att anpassa det för användning i autonoma fordon.
