Почему Teslas продолжает поражать припаркованные пожарные машины и полицейские машины

Почемуteslasпродолжаетпоражатьприпаркованныепожарныемашиныиполицейскиемашины

Future Tense

Что-то сбивает с толку систему, которую Тесла драйверы часто неправильно используют.

Cars charge at a Tesla super charging station.

NHTSA изучает случаи, когда Teslas врезался в стационарные автомобили скорой помощи. Эндрю Кабальеро-Рейнольдс / AFP через Getty Images

В понедельник Национальная администрация безопасности дорожного движения

начал расследование в отношении Tesla. Агентство утверждает, что было 17 инцидентов с 3788, в котором автомобили Tesla нанесли удар по неподвижным автомобилям служб быстрого реагирования, прибывшим на место происшествия; там предположительно был 21 травмы и один смертельный исход. NHTSA сузил круг вопросов о системе автопилота компании, отметив, что все автомобили Tesla в этих инцидентах «были подтверждены как задействованные либо в автопилоте, либо в круиз-контроле с учетом трафика во время приближения к авариям». Расследование будет охватывать модели Tesla Y, X, S и 3, выпущенные между 2018 и 3788. Проблемы автопилота с обнаружением пожарных машин и других машин экстренной помощи были известной проблемой для лет , и эта функция также подвергалась критике как побуждающая водителей полагаться на нее, как на автономную систему, хотя на самом деле она предназначена только для помощи занялся водителем. Чтобы лучше понять проблему, я поговорил с Раджем Раджкумаром, профессором электротехники и компьютерной инженерии в Университете Карнеги-Меллона, который специализируется на беспилотных транспортных средствах. Наш разговор был сокращен и отредактирован для ясности.

Аарон Мак: Почему у Teslas может быть такая проблема со стационарными автомобилями скорой помощи?

Радж Раджкумар: В В прошлом было два типа датчиков: камеры и радары. В более поздних версиях они убрали радар, поэтому он полностью зависит от камер. Радар излучает электромагнитные волны. Это похоже на радиоволны, когда вы слушаете радио в машине. Они сталкиваются с препятствием, а затем возвращаются, вы получаете это радиолокационное эхо, а затем определяете, как далеко находится этот объект. Большинство автомобилей, кроме Tesla, имеют их для автоматического экстренного торможения, адаптивного круиз-контроля и т.п.

Итак, когда электромагнитные волны выходят и возвращаются, и они попадают в При движении объекта возникает эффект Доплера, который вы могли вспомнить из школьной физики. Частота меняется. Если он приближается к вам, частота увеличивается. Если он уходит от вас, частота уменьшается. С помощью радиолокационной технологии легко обнаруживать движущиеся объекты, потому что эффект Доплера очень сильно выражен. Для неподвижных объектов возникает проблема эхо-сигналов, которые могут возвращаться от поверхности дороги, стен здания на обочине дороги и т. Д. Стационарные объекты сложнее; вам нужны радары более позднего поколения, которые обладают гораздо большей вычислительной мощностью и могут обнаруживать и отслеживать гораздо больше объектов. На Tesla, когда у них был радар, у них была проблема с обнаружением неподвижных объектов, особенно когда им приходилось иметь дело с ситуацией, когда транспортное средство фактически приближается к эстакаде, и он получал этот сигнал, говорящий о том, что есть объект. там. По радару все, что вы видите, – это то, что впереди есть объект, и тогда они могут фактически затормозить. Это называется фантомным торможением. Это ложное срабатывание: радар объявляет, что препятствие есть, а его нет. Если бы у них был лидар, лидар можно было бы использовать, чтобы подтвердить, есть ли препятствие или нет. [Editor’s note: Lidar is an emerging laser-based radar technology.] Тесла

сказал: , что они не будут использовать лидар.

завелась в зависимости от камеры, но камера это совсем другое животное. [Editor’s note: Tesla removed radar from its cars starting in May.] С камерами вы в основном получаете числа, которые соответствуют красному, зеленому и синему значениям каждого пикселя. И это просто цифры для компьютера. Поэтому компьютер должен их интерпретировать и понять, что означают эти пиксели. Это происходит с относительно недавней технологией, называемой глубокими нейронными сетями. Эти сети очень хороши в сопоставлении с образцом. Вы их «тренируете», давая им сотни тысяч, если не миллионы изображений. В каждом изображении вы говорите «эта часть изображения – автомобиль» или «эта часть изображения – грузовик, автобус, велосипед, мотоцикл» и т. Д. Вы в основном вручную или полуавтоматически комментируете эти изображения, а затем передаете их в сеть. Затем сеть видит все это миллионы раз и как бы понимает закономерности в значении пикселей, которые нужно искать. А затем вы даете ему изображение и спрашиваете: «Здесь есть машина?» Поскольку [Tesla’s network] понимает шаблон, который нужно искать, он будет пытаться сопоставить шаблон. Если он встретит шаблон, он объявит: «Я вижу машину в этой области изображения».

Это в основном супер-пупер, очень сложная схема сопоставления с образцом. Проблема в том, что в реальном мире ему дают изображение, на котором он видит препятствие, которого он никогда раньше не видел. Шаблоны действительно не совпадают, поэтому он не обнаружит его как транспортное средство. Например, когда

первый человек был убит с помощью автопилота Tesla во Флориде, грузовик [hit by the Tesla] находился перпендикулярно направлению движения. В обучении вообще не было этих изображений, поэтому сопоставитель шаблонов не распознал этот шаблон. В последнее время было много инцидентов, когда автомобили Tesla наезжали на пожарную машину или полицейский автомобиль. Свет включен, поэтому значения красного, зеленого и синего пикселей также выглядят по-разному, и поэтому шаблоны не совпадают. И вот, они заявляют, что впереди нет препятствий, и машина очень быстро выходит из строя и даже не подозревает, что что-то впереди. Cars charge at a Tesla super charging station.

По данным NHTSA, большинство этих инцидентов произошло после наступления темноты , а первый – Машины-ответчики светились мигалками, вокруг них были сигнальные ракеты и мигающие доски со стрелками. Как вы думаете, эти огни могут запутать камеры?

Я уверен, что это часть проблемы. Когда огни вращаются и мигают, если смотреть на это с изображения камеры, это просто пиксели, что означает, что они имеют числа, и числа в основном идут вверх и вниз, вверх и вниз в некоторых регионах, когда мигает свет. Если на этапе обучения не были даны эти изображения и такая модальность, сопоставление с образцом может быть нарушено. Эти машины экстренной помощи выглядят не так, как обычные автомобили или грузовики. Цвета тоже могут быть разными; разные юрисдикции могут использовать разные цвета. Изображения, которые были переданы в нейронную сеть Tesla, могут иметь или не иметь эту комбинацию формы, ориентации транспортного средства, цвета транспортного средства и мигающих огней.

Итак, что можно сделать с устранить этот недостаток?

Отсутствие количества изображений такого рода на этапе обучения – вот к чему все сводится. Есть несколько способов справиться с этим. Один из них состоит в том, чтобы создать намного больше изображений автомобилей службы экстренной помощи при различных условиях освещения: днем, ночью, солнце низко над горизонтом в сумерках и на рассвете. Но такие люди, как я, верят, что независимо от того, что вы делаете, в будущем найдется кто-то, кто предложит новый дизайн или ориентацию автомобиля, которых никогда раньше не видели. Так что очень сложно, если не невозможно, создать все виды изображений, которые необходимо использовать в учебных целях.

Ты следует использовать другие датчики. Радар предоставит некоторую информацию. Лидар предоставит гораздо больше разнообразной информации. С помощью этой комбинации вы определенно сможете обнаружить ситуацию и справиться с ней. Но, конечно, Tesla на данный момент не использует радар и не собирается использовать лидар. Это двоякая проблема: с одной камерой обучения недостаточно, а между тем они отказаться от всех других датчиков.

Вы как минимум говорили об этой проблеме с автопилотом Tesla поскольку 3788 . Чувствуете ли вы, что его технология вообще улучшилась за это время?

Мне очень трудно количественно оценить, какой будет прогресс, но я бы ожидал, что Tesla кормление [the network] дополнительных изображений для обучения. Так что я уверен, что они бы это сделали, но очевидно, что им все еще не хватает тех случаев, когда автомобили выглядят по-другому – например, когда автомобиль перевернулся. Есть случай

на Тайване , где Tesla находится на автопилоте и врезается прямо в перевернувшийся грузовик. Так что во время обучения они могут не скармливать ему изображения перевернутых грузовиков. Это случай, когда одного обучения будет недостаточно, и они должны смотреть на другие датчики, такие как радар и лидар.

Итак, вы думаете, что Тесла ошибочно отказался от лидаров. ?

С точки зрения эксплуатации, лидар определенно обнаружит эти препятствия, и аварий можно избежать. Практический компромисс, который они делают, и который я ценю, заключается в том, что лидар стоит дорого. Tesla хочет продавать автомобили. В игру вступает экономика.

Считаете ли вы, что эта проблема настолько распространена, что мы должны по ней беспокоиться? Заслуживает ли оно правительственного расследования?

Я конечно думаю, что это могло быть. Ясно, что они [Tesla cars] должны следить за тем, что делает или не делает драйвер. Один только аспект мониторинга должен стать предметом исследования НАБДД. Tesla утверждает, что пока человек держит рулевое колесо, он позволяет автопилоту работать. Но оказывается, что люди нашли все

разновидности уловок , чтобы обойти эту схему. Мы видим случаи, когда p Люди могут убирать руки с колеса минут за раз. Это конечно опасно. Пользователи не полностью понимают, на что способна система и каковы ее ограничения. Очень часто они приходят к очень неверным выводам. Это дело продавца, регулирующих органов и правительства, чтобы убедиться, что вы защищаете потребителей.

Future Tense является партнерством Сланец , Новая Америка и Университет штата Аризона , изучающий новые технологии, государственную политику и общество.

Leave a comment

Your email address will not be published. Required fields are marked *

one + sixteen =