Это подробная аналитическая статья, основанная на выступлении профессора Амнона Шашуа (Amnon Shashua), генерального директора и технического директора компании Mobileye, на саммите Intel Capital Global Summit в Калифорнии.
🚀 Путь от «научного проекта» к массовому производству 2:03
Современная индустрия беспилотных автомобилей находится на стадии, которую профессор Амнон Шашуа называет «научным проектом» . Несмотря на наличие сотен прототипов на дорогах, технология всё еще не масштабирована для массового производства миллионов машин. По мнению Шашуа, главная проблема заключается не в отсутствии технологий как таковых, а в отсутствии экономической эффективности и четких моделей безопасности .
Чтобы вывести автономное вождение на новый уровень, необходимо решить два фундаментальных вопроса:
- Безопасность: Как гарантировать отсутствие аварий и как подтвердить эту безопасность математически, а не просто статистически ?
- Экономическая масштабируемость: Как снизить стоимость датчиков, вычислительных мощностей и создания карт высокого разрешения (HD-карт) до уровня, приемлемого для массового рынка ?
🧠 Проблема «излишней осторожности» и израильский тест 3:09
Шашуа подчеркивает, что современные беспилотники слишком «робкие» и оборонительные. На примере реального движения в Иерусалиме он демонстрирует, что в плотном потоке водителю необходимо проявлять напор (ассертивность), чтобы перестроиться или выехать со второстепенной дороги . Если автономный автомобиль будет ждать идеального момента, когда его пропустят, он просто заблокирует трафик и станет бесполезным .
По словам профессора, излишняя осторожность — это следствие отсутствия формальной модели безопасности. Когда разработчики не знают точно, где проходит грань между безопасным и опасным маневром, они программируют машину на максимально пассивное поведение. Mobileye же стремится создать систему, которая может «проталкиваться» в поток так же естественно, как человек, но с математической гарантией безопасности .
🛡️ Математическая модель безопасности (RSS) 14:38
Одной из центральных идей выступления является модель Responsibility-Sensitive Safety (RSS). Шашуа утверждает, что полагаться исключительно на сбор данных (проезд миллионов миль) для доказательства безопасности невозможно .
Его аргументы:
- Вероятность аварии со смертельным исходом у человека составляет примерно $1$ на $1$ млн часов вождения ($10^{-6}$) .
- Общество примет роботов, только если они будут в $1000$ раз надежнее людей ($10^{-9}$) .
- Для статистического подтверждения такой надежности нужно наездить $30$ миллиардов миль . Каждый раз при обновлении софта этот цикл пришлось бы повторять, что нереально.
Вместо статистики Mobileye предлагает формальную модель, которая четко определяет :
- Что такое опасная ситуация.
- Какова надлежащая реакция для выхода из неё.
- Кто является виновником аварии в спорных ситуациях.
RSS позволяет автомобилю быть ассертивным, так как система точно знает границы дозволенного и может быстро анализировать «худший сценарий» действий окружающих водителей .
👁️ Истинная избыточность: Камеры против Радаров 12:30
Шашуа критикует подход «сенсорного слияния» (fusion), когда данные со всех датчиков перемешиваются на раннем этапе. Вместо этого Mobileye продвигает концепцию «истинной избыточности» (true redundancy) .
Система строится как два независимых канала:
- Полная система на базе только камер. Она должна уметь распознавать объекты, определять их 3D-координаты и строить траекторию движения самостоятельно .
- Независимая система на базе радаров и лидаров.
Если вероятность ошибки системы камер — $P$, а системы радаров — тоже $P$, то их независимая работа дает вероятность ошибки $P \times P$. Это позволяет сократить объем необходимых тестовых миль с миллиардов до миллионов, делая валидацию системы возможной . Шашуа продемонстрировал видео работы тестового автомобиля Mobileye, использующего только 8–12 камер (без лидаров), который успешно справлялся со сложными слияниями потоков и объездом дорожной техники в Израиле .
🗺️ REM: Картография через краудсорсинг 17:31
Традиционное создание HD-карт требует использования специальных автомобилей со сложным оборудованием и ручной разметки, что крайне дорого и медленно . Mobileye предложила технологию Road Experience Management (REM).
Суть технологии:
- Использование существующих серийных автомобилей, оснащенных чипами Mobileye (в 2017 году компания отгрузила около $26$ млн чипов) .
- Автомобили собирают данные о разметке и ориентирах в фоновом режиме.
- Передается всего около $10$ Кб данных на километр пути, что обходится всего в $1$ доллар в год на одну машину .
- В облаке эти данные автоматически «сшиваются» в актуальную карту высокого разрешения .
В 2018 году проект запускается с участием Volkswagen, BMW и Nissan, что обеспечит приток данных от миллионов машин уже в ближайшие годы . Профессор отметил, что с помощью этой технологии уже ведется картографирование всей Японии для запуска беспилотников Nissan в 2019 году .
💻 Экономия вычислительных мощностей 21:03
Mobileye идет вразрез с отраслевым трендом «бесконечных вычислений» на этапе разработки. Большинство компаний используют массивные серверы в багажниках прототипов, планируя оптимизировать их позже. Mobileye сразу разрабатывает алгоритмы под свои чипы серии EyeQ .
Для принятия решений используется дискриминативный подход вместо генеративного. Шашуа цитирует Владимира Вапника, отца машинного обучения: «Не пытайся решить более сложную задачу как промежуточный этап» . Предсказать поведение каждого человека на дороге (генеративный подход) невозможно и избыточно; достаточно решить, как действовать самому на основе текущего состояния (семантическое пространство действий) .
Результат: алгоритмы планирования пути Mobileye занимают всего около 1% вычислительной мощности, необходимой для распознавания образов, что делает систему коммерчески жизнеспособной даже на недорогом железе .
