Hogyan tanulnak meg vezetni az autonóm járművek? A szimuláció rejtett iskolája

Az autonóm járművek nem valódi utakon, nagyrészt szimulációban tanulnak vezetni: a milliárdnyi kilométeres virtuális világban milliószor próbálkozó és hibázó mesterséges intelligencia, amikor valódi úti adatokkal egyesül, megtanul dönteni a hétköznapi forgalomban. De tudni azt is, hogy a virtuálisban fényesen teljesítő vezető ugyanazt a teljesítményt nem nyújtja az aszfalton, legalább olyan fontos, mint a tanulás. Ez tehát az érdekes feszültség teljes története.

Hogyan tanul vezetni az autonóm jármű a szimulációban?

Az emberek az úton tanulnak autót vezetni; a mesterséges intelligencia viszont többnyire a számítógépen belül. Az autonóm vezetési rendszerek nem szabályalapúak, hanem adatokból tanuló valószínűségi modellekkel működnek. Vagyis egy mérnök nem ír kódot arra, hogy "a kereszteződésben így viselkedj"; a rendszer millió példát megvizsgálva maga tanulja meg a viselkedést. E példák jelentős része a szimulációból származik.

A folyamat nagyjából így zajlik:

1. Valódi adat gyűjtése történik: A tesztjárművek az utakon közlekedve kamerás, radaros és lidaros adatokat rögzítenek; ezenkívül ez az óránként ~4 terabájtot termelő adat egy hétnél rövidebb idő alatt petabájtos térfogatot ér el.
2. Az adat virtuális világgá alakul: A neurális rekonstrukciós technikák a valódi, többérzékelős vezetési felvételeket nagy hűségű 3D-s környezetekké alakítják. A generatív vilámodellek pedig időjárási, fényviszony- és ritka forgatókönyv-változatokat adnak hozzá.
3. A mesterséges intelligencia próbálkozás és hiba útján tanul: A megerősítéses tanulásnak köszönhetően a rendszer sávváltási, előzési és firstbocsánatadási viselkedéseket virtuális forgalomban többször is kipróbál; a jó eredményt hozó viselkedéseket jutalmazzák.
4. Biztonsági tesztelés történik: Mielőtt a szabályrendszereket valódi úton használnák, szoftver-in-the-loop (SIL), hardver-in-the-loop (HIL) és valódi járműves (VIL) fokozatos teszteken mennek keresztül.

De valójában mit tanul a mesterséges intelligencia? Az objektumfelismerésben a konvolúciós neurális hálózatok (CNN), a többi jármű és a gyalogosok 3-5 másodperccel későbbi mozgásának előrejelzésében a Transformer-ek, a kereszteződési interakciókban pedig a gráf-neurális hálózatok emelkednek ki. Egyes rendszerek viszont végponttól végpontig terjedő architektúrákat használnak, amelyek a nyers érzékelői adatból közvetlenül tanulják meg a kormányzást és a fékezést - de ezek tanúsítási problémák miatt még mindig kísérletinek számítanak.

A 11 milliárd mérföldes probléma: miért kötelező a szimuláció?

A dolog matematikája kegyetlen. Az emberszintű hibaarány eléréséhez az autonóm járműveknek körülbelül 11 milliárd mérföldre kell elvégeznie - ezt számítják ki. Ezt fizikai teszttel elvégezni több száz évbe telne - vagyis senki sem várhat ennyit. Ezért az iparág kénytelen a szimulációhoz folyamodni: a biztonsági bizonyíték nagy része csak virtuális környezetben állítható elő. Ha hozzávesszük, hogy már a vezetőképző szimulátorok piaca is 2,2 milliárd dollárt ért 2026-ban, és 3,0 milliárd dollárra való felkapaszkodását várják 2033-ig, akkor ez nem divathóbort, hanem az iparág alapvető infrastruktúrája.

A virtuális világ szuperképességei

A szimuláció legnagyobb előnye, hogy újra és újra kipróbálhatók azok a dolgok, amelyek a valóságban lehetetlenek. Hirtelen az útra lépő gyalogos, hirtelen fékező jármű, az éjszaka sötétjében kialudt fényszórók, a sűrű köd, a nap vakítása... Mindezt virtuális környezetben biztonságosan, azonos körülmények között megismételhető módon tesztelik. Még az érzékelőhibák is szimulálhatók: egy elromló első kamerával járó forgatókönyvet a valódi úton felépíteni egyszerre veszélyes és drága; a virtuális világban néhány kattintás kérdése.

A McCity munkája itt egy okos lépést mutat be: A szimulált rossz vezetőkkel létrehozott virtuális tesztkörnyezet a "ritkaság átka" áttörésével fejleszti a gyors döntéshozatali képességet. Egy forgatókönyvet, amelyet a valóságban évente egyszer találhatnál meg, a virtuális világban naponta ezer szer élhet át. Ráadásul egyes felhasználási területeken a biztonság igazolása kizárólag szimulációval végezhető el - vagyis a hivatalos tanúsítási folyamat is már a virtuális világtól függ.

Tesla és Waymo: Két különböző iskola, ugyanaz a tananyag?

Az iparág két úttörője két különböző módon tanítja meg a vezetést. Foglaljuk össze a különbséget egy táblázatban:

A Tesla stratégiája merész: kikapcsolja a lidart és a térképi infrastruktúrát, és egyetlen architektúrára bízza mindent, amely a kameraadatokból tanul. Ennek az előnye a skála - az úton lévő minden Tesla egy tanár. A Waymo gazdagabb érzékelőadatokkal dolgozik, és hangsúlyozza, hogy önmaguk számára sem elegendő ez önmagában, akárhány szimuláció vagy tesztvezető áll rendelkezésre. Ami érdekes: erős az a nézet is, hogy a két megközelítés hasonlóbb, mint gondolnánk. Mert a Waymo is adatvezérelt tanulással tanulja meg az objektumok ábrázolásának legjobb módját. A különbség az észlelésbe jutó adat gazdagságában rejlik.

A Waymo világmodell-lépése

2026 februárjában a Waymo új világmodellt jelentett be az autonóm vezetés szimulációjához. A vállalat körülbelül 200 millió teljesen autonóm mérföldet és több milliárd szimulált mérföldet már alapanyagként használnak valósághűbb virtuális világok létrehozásához. Az idővonal is lenyűgöző: 2016-ban 2,5 milliárd szimulált mérföld volt, 2018-ben átléptük a 6 milliárdot, 2020-ben a 15 milliárdot, ma pedig a 20 milliárd felett járunk. Már egyetlen villogó sárga lámpa is több ezer órányi virtuális tapasztalattá alakulhat.

A szimuláció-valóság szakadék: miért botlik meg az úton az a sofőr, aki a szimulációban ragyog?

És itt van a cikk szíve. Miért lehetséges, hogy egy viselkedés, amely a szimulációban tökéletesen működik, nem adja meg ugyanazt az eredményt a valós világban? Ennek a különbségnek a neve sim-to-real gap - szimuláció-valóság szakadék. Az okokat négy csoportba sorolják:

• Vizuális tartományi eltérés: A virtuális grafika nem tudja hűen utánozni a valós fényt, a textúrákat és a nyári hőségben csillogó aszfalt tükröződését.
• A fizika közelítési hibája: A szimulátor fizikai motorja a valós világ összetett dinamikáját közelítő módon számítja ki.
• Érzékelőzaj-eltérés: A valós lidar- és radaradatok szennyezettek, késleltetettek, és nehezen becsülhető zajt hordoznak.
• A hosszú farok eloszlású forgatókönyvek hiánya: A valós világ furcsaságainak nem mindegyike dolgozható fel a virtuális könyvtárba.

A robotikából érkező aktuális kutatások éppen ezt vizsgálják: a modellezetlen hatások, az érzékelőkésleltetések és a hibás paraméterek a laborcsillagot a terepen megbukhatják. Két technika tűnik ki megoldásként: domain randomization (a virtuális világban a fény, a szín és a fizika véletlenszerű megváltoztatásával a rendszert minden változatra ellenőrzésre teszik) és a system identification (a szimulátor paramétereinek kalibrálása a valós világból mért adatokkal). A közlekedésben voltak ennek keserű példái: 2023 augusztusában a Kaliforniában fizetett robotaxi engedélyt kapó Cruise rövid időn belül két komoly balesetet szenvedett, flottáját pedig felére csökkentették. A szimulációban biztonságosnak tűnő rendszer a valós világban azonnal megbukt a vizsgán.

Az adategyensúlytalanság és a mesterséges intelligencia túlzott önbizalma

A második nagy kockázat kevésbé látható: a tanítási adatok egyensúlytalansága. Ez a probléma, amely az autonóm vezetés akadályai között szerepel, egyszerű logikán alapul - az adatkészletben alulreprezentált helyzetek a rendszerben kevésbé megtanult helyzeteket jelentenek. A Georgia Tech kutatása megmutatta, hogy ez elfogultsággá válhat: felvetették, hogy az algoritmikus elfogultság miatt az autonóm járművek bizonyos csoportokat, például sötét bőrű gyalogosokat veszélyeztethetnek. Ez nem technikai részlet, hanem etikai riasztás.

A harmadik kockázat a mesterséges intelligencia jellegéhez kapcsolódik: a mesterséges intelligencia rendszerek magas megbízhatósági pontszámot rendelhetnek helytelen válaszokhoz. Nem tud azt mondani, hogy "nem vagyok biztos benne", mint egy ember; önbizalma az oktatási adatok, a modellfeltételezések és a visszacsatolási hurkok révén akár az emberi kognitív torzításokat is örökli. A szélsőséges esetek felismerésében a téves pozitívok szükségtelen beavatkozásokhoz, a téves negatívok pedig kritikus események elszalasztásához vezetnek. Sőt, az automatikusan előállított szintetikus címkék nem mindig elég megbízhatók a biztonságkritikus oktatáshoz. Egy szakértő szerint a megbízható autonóm járművekhez még 10 év van - és egy szélsőséges esetet rosszul kezelő járműnél a hibahatár gyakorlatilag nulla.

Mi az ára annak, ha túl Sokat bízzunk a szimulációban?

Ezen a ponton két tábor áll szemben egymással. A védelmezőknek igazuk van: a 11 milliárd mérföldes akadály miatt biztonsági bizonyíték szimuláció nélkül gyakorlatilag lehetetlen. A szkeptikusoknak is igazuk van: a szimuláció alapú tesztelés valóban tartalmazza a valós világ összes forgatókönyvét? Ez a kérdés évek óta lebeg a levegőben. Még a Waymo saját becslése is arra utal, hogy a szimulációs volumen önmagában nem elegendő. Steve Wozniak, a terület ismert alakja pedig úgy véli, szokatlan helyzetekben a kormány a legbutább ember kezébe is kerüljön - gúnyos, de elgondolkodtató érv.

Egy másik kritika, hogy a jelenlegi vezetési szimulációs módszerek nem képesek skálázható módon előállítani a célzott szélsőséges forgatókönyveket. Vagyis "megkülönböztető veszélyes pillanat" megtalálása még mindig részben emberi munka. Az OpenReview-en megosztott tanulmányok erre a skálázási problémára keresnek megoldást, de nehéz elmondani, hogy ez már befejeződött-e.

Az autonóm járművek megtanulhatnak-e teljesen szimulációban, majd útra kelhetnek?

Rövid válasz: önmagában nem. A szimuláció felbecsülhetetlen értékű edzőtér; de valódi úti adatokkal való táplálás és fokozatos valós világbeli tesztelés nélkül egyik rendszer sem megy útra. Még a mai legkompetensebb rendszer sem teljesen autonóm - a Tesla FSD-je a neve elején álló "Supervised", azaz "felügyelet alatt" kitűnéssel a sofőr készenlétére vár. A szimuláció csak árnyékos iskola; az oklevelet a valódi úton adják ki. A legjobb vezető mesterséges intelligencia az lesz, amely a virtuális edzést valódi úti tapasztalattal keveri - és soha nem felejti el a két világ közötti különbséget.

Források

• Autonóm járművek szimulációja és validálása
• 6 ok az autonóm járművek szimulációs szoftverének használatára
• Gépi tanulás az autonóm járművekben: Teljes magyarázat
• A Waymo World modell
• Autonóm vezetési technológia egy megbízható utazáshoz
• Mi a szimuláció-valóság különbség?
• Szimulált rossz vezetők csökkentik az autonóm járművek tesztelésének idejét és költségét
• Tesla vs Waymo - Ki van közelebb az 5. szintű autonómiához?
• A Waymo és a Tesla önvezető rendszerei hasonlóbbak, mint gondolnád
• Szélsőséges esetek az autonóm vezetésben: Felismerés és kezelés
• A kutatás az algoritmikus torzítás esetlegesen halálos következményeit tárja fel
• Teljesen önvezető (felügyelt)