รถยนต์อัตโนมัติเรียนรู้การขับขี่อย่างไร? โรงเรียนเงาของซิมูเลชัน

ยานยนต์อัตโนมัติเรียนรู้การขับขี่ไม่ได้อยู่บนถนนจริง แต่ส่วนใหญ่เรียนรู้ในซิมูเลชัน: ปัญญาประดิษฐ์ที่ทดลองและผิดพลาดนับล้านครั้งในโลกเสมือนที่มีระยะทางนับพันล้านกิโลเมตร เมื่อผสานกับข้อมูลถนนจริง จะเรียนรู้การตัดสินใจในการจราจรในชีวิตประจำวัน แต่การรู้ว่านักขับที่เก่งในโลกเสมือนอาจไม่สามารถแสดงผลงานระดับเดียวกันบนพื้น asphalt ได้ ก็สำคัญไม่แพ้การเรียนรู้ นี่คือเรื่องราวทั้งหมดของความตึงเครียดที่น่าสนใจนั้น

ยานยนต์อัตโนมัติเรียนรู้การขับขี่ในซิมูเลชันได้อย่างไร?

ผู้คนเรียนรู้การขับรถบนถนน แต่ปัญญาประดิษฐ์ส่วนใหญ่เรียนรู้อยู่ในคอมพิวเตอร์ ระบบขับขี่อัตโนมัติไม่ได้ทำงานแบบอิงกฎ แต่ทำงานด้วยแบบจำลองเชิงความน่าจะเป็นที่เรียนรู้จากข้อมูล นั่นคือวิศวกรไม่ได้เขียนโค้ดสั่งว่า "ให้ทำตัวแบบนี้ที่ทางแยก" แต่ระบบจะดูตัวอย่างนับล้านแล้วเรียนรู้พฤติกรรมด้วยตัวเอง ตัวอย่างเหล่านี้จำนวนมากมาจากซิมูเลชัน

กระบวนการทำงานคร่าว ๆ ดังนี้:

1. เก็บรวบรวมข้อมูลจริง: รถทดสอบที่วิ่งบนถนนจะบันทึกข้อมูลจากกล้อง เรดาร์ และไลดาร์ ข้อมูลที่สร้าง ~4 เทราไบต์ต่อชั่วโมงนี้ ในเวลาไม่ถึงหนึ่งสัปดาห์จะเพิ่มเป็นระดับเพตาไบต์
2. ข้อมูลถูกแปลงเป็นโลกเสมือน: เทคนิคการสร้างใหม่ด้วยเครือข่ายประสาทเทียม แปลงบันทึกการขับขี่จริงหลายเซนเซอร์ให้เป็นสภาพแวดล้อม 3D ที่มีความแม่นยำสูง แบบจำลองโลกแบบสร้างสรรค์ยังเพิ่มความแปรผันของสภาพอากาศ แสง และสถานการณ์ที่พบได้ยาก
3. ปัญญาประดิษฐ์ได้รับการฝึกด้วยการลองผิดลองถูก: ด้วยการเรียนรู้แบบเสริมแรง ระบบจะทดลองพฤติกรรมต่าง ๆ เช่น การเปลี่ยนเลน การแซง และการให้ทาง ในการจราจรเสมือนนับครั้งไม่ถ้วน พฤติกรรมที่ได้ผลลัพธ์ดีจะได้รับรางวัล
4. ทำการทดสอบความปลอดภัย: ก่อนนโยบายต่าง ๆ จะถูกใช้บนถนนจริง ต้องผ่านการทดสอบแบบขั้นบันได เช่น software-in-the-loop (SIL), hardware-in-the-loop (HIL) และการทดสอบด้วยรถจริง (VIL)

แล้วปัญญาประดิษฐ์เรียนรู้อะไรกันแท้จริง? ในการจดจำวัตถุ เครือข่ายประสาทเทียมแบบคอนโวลูชัน (CNN) โดดเด่น ในการทำนายการเคลื่อนไหวของยานพาหนะและคนเดินเท้าในอีก 3-5 วินาทีข้างหน้า Transformer เป็นผู้นำ ส่วนในปฏิสัมพันธ์ที่ทางแยกใช้เครือข่ายประสาทเทียมแบบกราฟ บางระบบใช้สถาปัตยกรรม end-to-end ที่เรียนรู้การควบคุมพวงมาลัยและเบรกโดยตรงจากข้อมูลเซนเซอร์ดิบ - แต่สิ่งเหล่านี้ยังถือว่าเป็นการทดลองเนื่องจากปัญหาการรับรอง

ปัญหา 11,000 ล้านไมล์: ทำไมซิมูเลชันจึงจำเป็น?

คณิตศาสตร์ของเรื่องนี้โหดร้ายจริง ๆ คำนวณกันว่ารถยนต์อัตโนมัติจะต้องวิ่งประมาณ 11,000 ล้านไมล์ เพื่อให้บรรลุอัตราความผิดพลาดระดับมนุษย์ การทดสอบด้วยวิธีทางกายภาพจะต้องใช้เวลาหลายร้อยปี ซึ่งไม่มีใครรอได้ ด้วยเหตุนี้อุตสาหกรรมจึงจำเป็นต้องพึ่งการจำลองสถานการณ์: หลักฐานด้านความปลอดภัยส่วนใหญ่สามารถผลิตได้ในโลกเสมือนเท่านั้น หากรวมด้วยว่าตลาดเครื่องจำลองการฝึกอบรมผู้ขับขี่มีมูลค่า 2,200 ล้านดอลลาร์ในปี 2026 และคาดว่าจะเพิ่มเป็น 3,000 ล้านดอลลาร์ภายในปี 2033 แล้ว นี่ไม่ใช่กระแสชั่วคราว แต่เป็นโครงสร้างพื้นฐานหลักของอุตสาหกรรม

พลังพิเศษของโลกเสมือน

ข้อได้เปรียบที่ยิ่งใหญ่ที่สุดของการจำลองสถานการณ์คือการทดลองสิ่งที่เป็นไปไม่ได้ในโลกจริงได้ซ้ำแล้วซ้ำเล่า คนเดินเท้าพุ่งเข้ามาบนถนนอย่างกะทันหัน รที่ตัดหน้าอย่างฉับพลัน ไฟหน้าดับในความมืดยามค่ำคืน หมอกหนาแน่น แสงแดดสาดส่อง... ทั้งหมดนี้สามารถทดสอบในสภาพเสมือนได้อย่างปลอดภัยและทำซ้ำได้ในเงื่อนไขเดียวกัน แม้แต่ความผิดปกติของเซนเซอร์ก็จำลองได้: การสร้างสถานการณ์ที่กล้องหน้าเสียหายขึ้นบนถนนจริงทั้งอันตรายและแพง แต่ในโลกเสมือนใช้เพียงไม่กี่คลิก

ผลงานของ McCity แสดงให้เห็นกลยุทธ์ที่ชาญฉลาดในจุดนี้: สภาพแวดล้อมทดสอบเสมือนที่สร้างด้วย คนขับที่ขับขี่ได้ไม่ดี ช่วยทำลาย "คำสาปแห่งความหายาก" เพื่อพัฒนาทักษะการตัดสินใจในสถานการณ์ฉุกเฉิน สถานการณ์ที่ในความเป็นจริงคุณอาจเจอปีละครั้ง คุณสามารถเผชิญได้วันละพันครั้งในโลกเสมือน นอกจากนี้ ในบางกรณีการใช้งาน การตรวจสอบความปลอดภัยสามารถทำได้ด้วยการจำลองสถานการณ์เท่านั้น กล่าวคือ แม้แต่กระบวนการรับรองอย่างเป็นทางการก็ต้องพึ่งพาโลกเสมือนแล้ว

Tesla และ Waymo: สองสำนักที่แตกต่าง บทเรียนเดียวกันหรือไม่?

สองผู้บุกเบิกของอุตสาหกรรมสอนการขับขี่ด้วยสองวิธีที่แตกต่างกัน สรุปความแตกต่างในตาราง:

กลยุทธ์ของ Tesla กล้าหาญ: ปิดการใช้ lidar และโครงสร้างพื้นฐานแผนที่ แล้วมอบทุกอย่างให้กับสถาปัตยกรรมเดียวที่เรียนรู้จากข้อมูลกล้อง ข้อได้เปรียบคือขนาด ทุก Tesla บนถนนคือครูหนึ่งคน ส่วน Waymo ทำงานด้วยข้อมูลเซนเซอร์ที่หลากหลายกว่า และเน้นย้ำว่าตัวมันเองก็ตระหนักว่าไม่ว่าจะมีการจำลองหรือคนขับทดสอบมากเพียงใด สิ่งเหล่านั้นเพียงอย่างเดียวไม่เพียงพอ สิ่งที่น่าสนใจคือ: มีความเห็นที่แข็งแกร่งว่าสองแนวทางนี้คล้ายกันมากกว่าที่คิด เพราะ Waymo เองก็เรียนรู้วิธีที่ดีที่สุดในการแทนค่าวัตถุแต่ละชิ้นด้วยการฝึกอบรมที่ขับเคลื่อนด้วยข้อมูล ความแตกต่างอยู่ที่ความหลากหลายของข้อมูลที่เข้าสู่การรับรู้

ก้าวโมเดลโลกของ Waymo

ในเดือนกุมภาพันธ์ 2026 Waymo ประกาศโมเดลโลกใหม่สำหรับการจำลองการขับขี่อัตโนมัติ ไมล์แบบอัตโนมัติเต็มรูปแบบราว 200 ล้านไมล์ และไมล์เสมือนหลายพันล้านไมล์ของบริษัท ขณะนี้ถูกใช้เป็นวัตถุดิบเพื่อสร้างโลกเสมือนที่สมจริงยิ่งขึ้น ลำดับเวลาก็น่าประทับใจไม่แพ้กัน: ในปี 2016 มีไมล์จำลอง 2.5 พันล้านไมล์ ในปี 2018 พุ่งขึ้นไปเกิน 6 พันล้าน ในปี 2020 ทะลุ 15 พันล้าน และวันนี้อยู่เหนือระดับ 20 พันล้านแล้ว แม้แต่ไฟสีเหลืองกะพริบเพียงดวงเดียวก็สามารถกลายเป็นประสบการณ์เสมือนหลายพันชั่วโมงได้

ช่องว่างระหว่างการจำลองกับความเป็นจริง: ทำไมนักขับที่เก่งกาจในโลกเสมือนถึงสะดุดเมื่อออกถนนจริง?

นี่คือหัวใจสำคัญของบทความ พฤติกรรมที่ทำงานได้อย่างสมบูรณ์แบบในการจำลอง ทำไมในโลกจริงจึงอาจไม่ให้ผลลัพธ์เช่นเดียวกัน? ชื่อของความต่างนี้คือ sim-to-real gap หรือช่องว่างระหว่างการจำลองกับความเป็นจริง สาเหตุถูกจัดรวมไว้ในสี่หัวข้อ:

• ความต่างของมิติทางสายตา: กราฟิกเสมือนไม่สามารถเลียนแบบแสงจริง พื้นผิว และประกายของแอสฟัลต์ในความร้อนช่วงหน้าร้อนได้อย่างแม่นยำ
• ความคลาดเคลื่อนจากการประมาณฟิสิกส์: เอนจินฟิสิกส์ของซิมูเลเตอร์คำนวณพลศาสตร์ที่ซับซ้อนของโลกจริงอย่างคร่าว ๆ
• ความไม่เข้ากันของสัญญาณรบกวนเซนเซอร์: ข้อมูลไลดาร์และเรดาร์จริงมีสัญญาณรบกวนที่สกปรก ล่าช้า และคาดเดาได้ยาก
• การขาดสถานการณ์หางยาว: ความแปลกประหลาดทั้งหมดในโลกจริงไม่สามารถบันทึกลงคลังเสมือนได้ครบถ้วน

งานวิจัยล่าสุดจากวงการหุ่นยนต์กำลังศึกษาประเด็นนี้โดยเฉพาะ: ผลกระทบที่ไม่ได้ถูกสร้างแบบ ความล่าช้าของเซนเซอร์ และพารามิเตอร์ที่ผิดพลาด สามารถทำให้ดาวเด่นในห้องแล็บล้มเหลวในสนามจริงได้ มีเทคนิคสองแบบที่ถูกเสนอเป็นทางแก้: domain randomization (การสุ่มเปลี่ยนแสง สี และฟิสิกส์ในโลกเสมือน เพื่อให้ระบบทนทานต่อทุกรูปแบบที่เผชิญ) และ system identification (การปรับเทียบพารามิเตอร์ของซิมูเลเตอร์ด้วยข้อมูลที่วัดได้จากโลกจริง) ในวงการจราจรมีตัวอย่างเจ็บปวดเกิดขึ้นแล้ว: Cruise ที่ได้รับใบอนุญาตแท็กซี่หุ่นยนต์แบบมีค่าโดยสารในแคลิฟอร์เนียเมื่อเดือนสิงหาคม 2023 ประสบอุบัติเหตุร้ายแรงสองครั้งในเวลาอันสั้น และกองรถของบริษัทถูกลดลงครึ่งหนึ่ง ระบบที่ดูปลอดภัยในการจำลอง กลับสอบตกในโลกจริงทันที

ความไม่สมดุลของข้อมูลและความมั่นใจในตัวเองมากเกินไปของปัญญาประดิษฐ์

ความเสี่ยงใหญ่อันที่สองมองเห็นได้น้อยกว่า: นั่นคือความไม่สมดุลของข้อมูลฝึกฝน ปัญหานี้ซึ่งถูกจัดเป็นหนึ่งในอุปสรรคของการขับขี่อัตโนมัติ อ้างอิงตรรกะง่าย ๆ - สถานการณ์ที่มีการแทนค่าน้อยในคลังข้อมูล คือสถานการณ์ที่ระบบเรียนรู้น้อย งานวิจัยของ Georgia Tech แสดงให้เห็นว่าปัญหานี้สามารถกลายเป็นอคติได้: มีการเสนอว่าเนื่องจากอคติเชิงขั้นตอนวิธี ยานพาหนะอัตโนมัติอาจทำให้กลุ่มบุคคลบางกลุ่ม ตัวอย่างเช่น คนเดินถนนที่มีผิวสีเข้ม ตกอยู่ในอันตรายได้ นี่ไม่ใช่รายละเอียดทางเทคนิค แต่เป็นสัญญาณเตือนทางจริยธรรม

ความเสี่ยงอันที่สามเกี่ยวข้องกับลักษณะของปัญญาประดิษฐ์: ระบบปัญญาประดิษฐ์สามารถกำหนดคะแนนความเชื่อมั่นสูงให้กับคำตอบที่ผิดได้ มันไม่สามารถพูดว่า "ไม่แน่ใจ" ได้เหมือนมนุษย์; ความมั่นใจของมันสืบทอดแม้แต่อคติทางปัญญาของมนุษย์ผ่านข้อมูลฝึกฝน สมมติฐานของโมเดล และวงจรข้อเสนอแนะ ในการตรวจจับกรณีขอบ ผลบวกลวงนำไปสู่การแทรกแซงที่ไม่จำเป็น ส่วนผลลบลวงนำไปสู่การพลาดเหตุการณ์วิกฤต ยิ่งไปกว่านั้น ป้ายกำกับสังเคราะห์ที่สร้างขึ้นอัตโนมัติอาจไม่เพียงพอเชื่อถือได้สำหรับการฝึกฝนที่วิกฤตต่อความปลอดภัยเสมอไป ผู้เชี่ยวชาญคนหนึ่งระบุว่ายังต้องรออีก 10 ปีกว่าจะมีรถยนต์อัตโนมัติที่เชื่อถือได้ - และเมื่อรถจัดการสถานการณ์วิกฤตผิดพลาด ขอบเขตของความผิดพลาดแทบเป็นศูนย์

ราคาของการไว้วางใจการจำลองสถานการณ์มากเกินไปคืออะไร?

ณ จุดนี้ สองฝ่ายเผชิญหน้ากัน ฝ่ายสนับสนุนพูดถูก: เพราะอุปสรรค 10,000 ล้านไมล์ทำให้การพิสูจน์ความปลอดภัยโดยไม่ใช้การจำลองสถานการณ์แทบเป็นไปไม่ได้ ฝ่ายสงสัยก็พูดถูกเช่นกัน: การทดสอบด้วยการจำลองสถานการณ์ครอบคลุมทุกสถานการณ์ในโลกจริงจริงๆ หรือไม่? คำถามนี้ค้างคามาหลายปีแล้ว แม้แต่การยอมรับของ Waymo เองก็สะท้อนว่าปริมาณการจำลองเพียงอย่างเดียวยังไม่เพียงพอ และ Steve Wozniak หนึ่งในบุคคลที่มีชื่อเสียงในวงการนี้ โต้แย้งว่าในสถานการณ์ที่ผิดปกติ พวงมาลัยควรอยู่ในมือของคนที่โง่ที่สุดเสียยังงั้น - เป็นจุดที่เสียดสีแต่น่าคิด

ข้อวิจารณ์อีกประการคือวิธีการจำลองการขับขี่ในปัจจุบันยังไม่สามารถสร้างสถานการณ์วิกฤตเฉพาะทางได้อย่างขยายผลได้ นั่นคือการค้นหา "ช่วงเวลาอันตรายที่โดดเด่นนั้น" ยังคงเป็นงานของมนุษย์บางส่วน งานวิจัยที่เผยแพร่บน OpenReview กำลังแสวงหาทางแก้ไขปัญหาการขยายผลนี้ แต่ยังคงยากที่จะกล่าวว่าสำเร็จแล้ว

รถยนต์อัตโนมัติสามารถเรียนรู้ในการจำลองสถานการณ์เพียงอย่างเดียวแล้วออกสู่ถนนได้หรือไม่?

คำตอบสั้นๆ คือ: เพียงอย่างเดียวไม่ได้ การจำลองสถานการณ์คือสนามฝึกที่มีค่าล้ำค่า แต่ไม่มีระบบใดออกสู่ถนนโดยไม่ได้รับข้อมูลถนนจริงและการทดสอบในโลกจริงอย่างเป็นขั้นตอน แม้แต่ระบบที่ทำได้ดีที่สุดในวันนี้ก็ยังไม่ใช่อัตโนมัติเต็มรูปแบบ - FSD ของ Tesla มีคำว่า "Supervised" หรือ "อยู่ภายใต้การกำกับดูแล" อยู่หน้าชื่อ โดยรอการควบคุมจากผู้ขับขี่ การจำลองสถานการณ์คือโรงเรียนสำรอง แต่ใบประกาศนียบัตรมอบให้บนถนนจริง ปัญญาประดิษฐ์ผู้ขับขี่ที่ดีที่สุดจะเป็นผู้ที่ผสมผสานการฝึกฝนเสมือนจริงเข้ากับประสบการณ์ถนนจริง - และไม่มีวันลืมความแตกต่างระหว่างสองโลกนี้

แหล่งอ้างอิง

• Autonomous Vehicle Simulation and Validation
• 6 Reasons to Use Autonomous Vehicle Simulation Software
• Machine Learning in Autonomous Vehicles: Fully Explained
• The Waymo World Model
• Self-Driving Car Technology for a Reliable Ride
• What Is the Sim-to-Real Gap?
• Simulated Terrible Drivers Cut the Time and Cost of AV Testing
• Tesla vs Waymo - Who Is Closer to Level 5 Autonomy?
• Waymo and Tesla's Self-Driving Systems Are More Similar Than You Think
• Edge Cases in Autonomous Driving: Detection and Management
• Research Reveals Possibly Fatal Consequences of Algorithmic Bias
• Full Self-Driving (Supervised)