Preskočiť na obsah Preskočiť na pätu (NCP VaT)
VEDA NA DOSAH – váš zdroj informácií o slovenskej vede

Autonómne autá sú tu. Čo od nich očakávame?

Marta Bartošovičová

„Umelá inteligencia je jednou z najfascinujúcejších, ale aj najkontroverznejších oblastí robotiky," zdôraznila riaditeľka Ústavu informatiky SAV v Bratislave Ing. Ivana Budinská, PhD. vo svojej prednáške v Centre vedecko-technických informácií SR.

Autonómne auto. Zdroj: iStockphoto.com

Vedecká cukráreň v Bratislave, ktorá sa uskutočnila  19. mája 2020 bez účasti publika, sa venovala téme Umelá inteligencia a autonómne vozidlá.

Autonómne vozidlá využívame už dlho v niektorých prevádzkach, napr. v továrňach či logistických centrách. Sú tam však veľmi obmedzené priestory a vozidlá v nich majú presne zadefinované okolie, cesty a úlohy, ktoré majú robiť. V prednáške sa Ivana Budinská zamerala ale na vozidlá – autá, ktoré by mali byť súčasťou riadnej premávky. V rámci takejto premávky sa budú stretávať s reálnymi ľuďmi, s ďalšími autami a budú musieť riešiť množstvo situácií, ktoré riešia bežní šoféri.

Ak sa vyberieme na cestu do práce, môžeme si popritom pohodlne čítať knihu a auto nás bezpečne dopraví na miesto určenia, pričom bude dbať na bezpečnosť a dodržiavanie pravidiel. To je ideálny stav, ktorý by sme si vedeli pri prevádzke autonómneho vozidla predstaviť. 

Dôležitá otázka: Čo chceme?

Technológia umelej inteligencie je pre autonómne vozidlá kľúčová. Podobne ako inteligenciu živých tvorov aj umelú inteligenciu charakterizuje autonómnosť a adaptívnosť, čiže schopnosť samostatne sa rozhodovať a prispôsobovať sa neočakávaným situáciám.

Autonómne vozidlá sa teda vedia samostatne rozhodovať a aj vykonávať kroky, ktoré vedú k naplneniu určeného cieľa. Pochopiteľne neočakávame, že autonómne vozidlo sa ráno rozhodne odviezť nás na pracovisko, popoludní do parku, v nedeľu na výlet, ktorý nám samostatne, t. j. autonómne vyberie.

Prístrojová doska autonómneho vozidla. Zdroj: iStockphoto.com

Aj keď ani takýto scenár nie je úplne nemožný. Ak totiž autonómnemu vozidlu poskytnete dostatok informácií o svojich zvyklostiach, prioritách a záľubách, môže vám na základe inteligentných odporúčacích algoritmov poradiť, kam sa môžete vybrať na výlet, podobne ako vám Netflix ponúkne vhodný film či seriál alebo Spotify hudbu. Ak má autonómne vozidlo navyše prístup k vášmu kalendáru, mohli by ste očakávať, že vás odvezie v stanovenom čase na stanovené miesto naplánovanej schôdzky. Je však otázne, či takéto správanie od svojho inteligentného vozidla očakávate.

Keďže na túto otázku ešte nepoznáme odpoveď, hovoríme zatiaľ iba o schopnosti autonómnych vozidiel zvoliť optimálnu trasu z bodu A do bodu B a počas jazdy bez zásahu človeka prispôsobovať jazdu aktuálnym podmienkam trasy.

Druhou vlastnosťou inteligentných systémov je adaptivita. U autonómnych vozidiel ide o prispôsobenie sa aktuálnym podmienkam na ceste, a to jednak kvalite cesty, hustote premávky, ale aj poveternostným a svetelným podmienkam.

Rozhodujúci je stupeň samostatnosti

Autonómne vozidlá používajú kombináciu dát zo senzorov umiestnených priamo na vozidle (kamery, radar, lidar, GPS), z externých zdrojov (satelity, mapy, internet) a metód umelej inteligencie na prepravu do cieľa bez zásahu človeka. Plne autonómne vozidlo dokáže bez zásahu vodiča vykonať cestu z bodu A do bodu B v prostredí, ktoré nie je na tento účel špeciálne upravené. Je teda schopné samostatne pracovať v ľubovoľnom prostredí a za ľubovoľných podmienok.

Experti rozpoznávajú 6 stupňov autonómneho riadenia. Stupeň 0 predstavuje autá, ktoré nedokážu bez zásahu človeka vykonávať žiadne akcie. Najvyšší stupeň autonómie znamená, že autá dokážu samostatne fungovať v akomkoľvek prostredí za akýchkoľvek podmienok.

Stupne autonómnosti

Rozlišujeme nasledujúce stupne autonómnosti:

  • 0 – systém varovaní, žiadna kontrola nad vozidlom,
  • 1 – tzv. hands on – malé natáčanie, akcelerácia, plne pod kontrolou šoféra,
  • 2 – tzv. hands off – auto autonómne reaguje na kritické situácie, ale je pod plnou kontrolou šoféra,
  • 3 – tzv. eyes off – auto vykonáva určité bezpečnostne kritické funkcie pri rôznych podmienkach premávky a okolia,
  • 4 – tzv. mind off – auto je schopné pracovať bez zásahu človeka,
  • 5 – tzv. steering wheel optional – plne autonómna prevádzka vozidla za akýchkoľvek podmienok.

Test auta Google Waymo na ulici v Silicon Valley. Zdroj: iStockphoto.com

Test auta Google Waymo na ulici v Silicon Valley. Zdroj: iStockphoto.com

Ako to funguje?

Projekt firmy Google, v ktorom sa pracovníci snažia rozvinúť technológiu autonómnych automobilov, funguje tak, že si pasažier zvolí destináciu a softvér vypočíta cestu. Rotujúci lidar na streche vozidla monitoruje okolie v dosahu 60 metrov od vozidla a vytvára dynamickú 3D mapu aktuálneho okolia. Senzor na ľavej strane monitoruje pohyb pozdĺž cesty a deteguje aktuálnu pozíciu vozidla na 3D mape. Radar vpredu vozidla slúži na výpočet vzdialenosti od prekážok.

Softvér vo vozidle je napojený na všetky senzory a zbiera informácie z aplikácie Google Street View i videokamier vnútri vozidla. Simuluje ľudské vnímanie a rozhodovací proces pri riadení vozidla. Softvér vo vozidle „konzultuje“ s Google Maps ďalšie artefakty, ako sú dopravné značky, semafory a pod. V aute je implementovaná funkcia, ktorá umožňuje človeku prebrať kontrolu nad vozidlom.

Autonómne autá používajú na rozpoznávanie svojho okolia rôzne technológie a metódy, akými sú radar, laser, GPS, odometria, počítačové videnie. Vyspelé riadiace systémy interpretujú senzorické dáta, aby mohli identifikovať správnu cestu, rozpoznať prekážky a relevantné značenia i signalizáciu. Musia mať systémy, ktoré sú schopné analyzovať senzorické dáta aj na rozlišovanie ďalších objektov na ceste, napr. iné autá, ľudí, cyklistov a pod.

Úlohy pre umelú inteligenciu:

  • optimalizácia cesty v reálnom čase – využíva sa technológia V2V a V2I na Real-time route optimization, získavajú sa informácie o aktuálnej premávke, o stave ciest, udalostiach, atď.,
  • zvyšovanie priepustnosti, kapacity ciest – vyššia presnosť, rýchlejšia reakcia na situáciu – umožní zvýšenie rýchlosti a zmenšenie vzdialenosti medzi vozidlami,
  • znižovanie spotreby energie – ekonomickejšia prevádzka, optimalizácia spotreby počas jazdy,
  • zvyšovanie bezpečnosti pasažierov – ADAS (Advanced Drivers Assistence System) znižuje riziko nehôd.

Hlavné metódy UI pre autonómne vozidlá sú rozpoznávanie obrazov, strojové učenie a umelé neurónové siete. Všetky technológie vyžadujú množstvo dát. Tie majú zaručiť, že budú systémy presné a bezpečné.

Umelé neurónové siete identifikujú v dátach vzory, ktoré vstupujú do algoritmov strojového učenia. Vstupné dáta sú napríklad obrázky z kamier na vozidlách. Z nich sa neurónová sieť (NN) učí rozpoznávať objekty, ako sú semafory, stromy, obrubníky, chodci a ďalšie, ktoré sa vyskytujú v reálnej premávke.

Vyspelé technológie hlbokého učenia dokážu efektívne riešiť úlohy rozpoznávania objektov. Potrebujú vysoký výpočtový výkon, a to vo vozidle i mimo neho.

Autonómne autá na križovatke, ilustračná grafika. Zdroj: iStockphoto.com

Existujúce technológie

Vnútorné kamery sa využívajú najmä na monitorovanie vodiča. K systémom na monitorovanie vodiča, ktoré majú za úlohu zvýšiť bezpečnosť premávky, patria napríklad tzv. eye tracking system, čiže sledovanie pohybu očí vodiča s cieľom odhaliť jeho ne/sústredenie sa na jazdu, analyzátory dychu (okrem iného ako prevencia pred jazdou so zvyškovým alkoholom). Vonkajšie kamery slúžia na detekciu chodcov ako asistencia pri parkovaní a pod.

Ďalšie široko využívané technológie napomáhajú optimalizácii spotreby pohonných hmôt, podporujú bezpečnú jazdu sledovaním okraja vozovky, dodržiavanie bezpečnej vzdialenosti medzi autami alebo pomáhajú pri dodržiavaní rýchlostných obmedzení.

Medzi najužitočnejšie a najviac využívané patria rôzne navigačné systémy. Niektoré z nich fungujú aj s podporou používateľov, ktorí aktívne vkladajú informácie o aktuálnej situácii na ceste, čím pomáhajú ostatným vodičom lepšie sa orientovať a bezpečne jazdiť. Ďalším stupňom sú navigačné systémy, ktoré zbierajú dáta o aktuálnej situácii na vozovkách pomocou iných systémov a nevyžadujú aktívny prístup účastníkov premávky.

Cieľom všetkých týchto technológií je zvýšiť bezpečnosť premávky, a to napríklad aj elimináciou chýb vodiča. Štatistiky ukazujú, že až 94 percent nehôd spôsobujú ľudské chyby. Ide o chyby rozpoznania (vodiči nevenujú pozornosť riadeniu) a chyby rozhodovania (vodiči idú príliš rýchlo, zle vyhodnotia situáciu, neodhadnú vzdialenosť, rýchlosť iného auta).

Výzvy budúcnosti: infraštruktúra a bezpečnosť

Na to, aby sa mohli autonómne vozidlá využívať viac, musíme mať k dispozícii dopravnú infraštruktúru. Rýchlejší nástup využívania autonómnych vozidiel predpokladá pripravenosť cestnej siete, dopravného značenia a signalizácie. Je to rovnako dôležité ako vnútorné vybavenie vozidla. Nemenej dôležitá je aj sieťová komunikačná infraštruktúra, ktorá zabezpečí rýchle a konzistentné prepojenie medzi vozidlami a vonkajšími zdrojmi (cloud), a zvyšuje nároky na siete.

Protokoly na komunikáciu medzi vozidlami Vehicle-to-infrastructure – V2I umožňujú výmenu dát medzi vozidlom a okolitou infraštruktúrou. Slúžia najmä na dodržiavanie rýchlostných limitov, svetelné znamenia, dopravné značenia, železničné priecestia. Vehicle-to-vehicle – V2V sa starajú o bezpečnú prevádzku v reálnej premávke, predchádzaniu kolíziám, riešenie dopravných situácií na križovatkách a pri stretávaní sa vozidiel.

Ide o fyzickú bezpečnosť pasažierov a chodcov i cestnej infraštruktúry. Kybernetická bezpečnosť zahrňuje ochranu komunikačných kanálov. Autentifikácia a autorizácia – ochrana pred zneužitím autonómnych vozidiel, napr. na teroristické útoky. Umelá inteligencia slúži aj na prevenciu zneužitia systémov autonómnych vozidiel

Ing. Ivana Budinská, PhD. je riaditeľkou a vedeckou pracovníčkou Ústavu informatiky Slovenskej akadémie vied v Bratislave. Vo výskume sa zameriava na oblasť súvisiacu s optimalizáciou komplexných systémov a na znalostné technológie, konkrétne na výskum v oblasti ontológií. Dlhodobo sa venuje riešeniu optimalizačných úloh s orientáciou na priemyselné aplikácie. V súčasnosti sa zameriava na riadenie zložitých systémov s využitím prvkov umelej inteligencie a kolektívnej inteligencie s aplikáciou na riadenie skupiny mobilných robotov. Podieľala sa aj na riešení niekoľkých medzinárodných projektov podporovaných Európskou komisiou. Ako externá pedagogička pôsobí na FEI STU v Bratislave a na FI PEVŠ v Bratislave. V Ústave informatiky SAV je školiteľkou doktorandského štúdia v odboroch kybernetika a informatika.

Vedecká cukráreň je pravidelná séria stretnutí žiakov stredných škôl s osobnosťami slovenskej vedy, výskumu a techniky. Študenti môžu osobne v neformálnej a priateľskej atmosfére stretnúť odborníkov, ktorí vedia hovoriť populárnou formou a jednoduchým spôsobom o vede a výskume. Vzhľadom na mimoriadnu situáciu sa momentálne prednášky vedcov konajú bez publika.

Marta Bartošovičová
Spracované na základe prednášky Ing. Ivany Budinskej, PhD.

CENTRUM VEDECKO-TECHNICKÝCH INFORMÁCIÍ SR Ministerstvo školstva, výskumu, vývoja a mládeže Slovenskej republiky