Η έρευνα για την τεχνολογία των αυτόνομων οχημάτων είναι ένα από τα πιο “καυτά” θέματα παγκοσμίως, μαζί με άλλες τεχνολογίες όπως η πυρηνική σύντηξη, η τεχνολογία μπαταριών για ηλεκτρικά αυτοκίνητα, ίσως και οι κβαντικοί υπολογιστές. Τα αυτόνομα οχήματα αναμένεται να κάνουν την εμφάνισή τους εντός της επόμενης δεκαετίας και να αλλάξουν εντελώς τον τρόπο που ζούμε. Πολλές είναι οι εταιρείες που προετοιμάζονται για το μέλλον αυτό· μεταξύ αυτών βρίσκουμε κολοσσούς όπως η Google, η Apple, η Tesla, αλλά και εταιρείες που ασχολούνται αποκλειστικά με το θέμα αυτό. Παράλληλα, η τεχνολογία έχει προσελκύσει το ενδιαφέρον και πολλών ερευνητικών ιδρυμάτων, ειδικά όσων ασχολούνταν ήδη με τεχνητή νοημοσύνη, ρομποτική, ή υπολογιστική όραση. Παρά τις έρευνες και κάποια πολύ ενθαρρυντικά αποτελέσματα, όμως, η τεχνολογία ακόμη απέχει από το να μπορέσει να εφαρμοστεί στους δρόμους με ασφάλεια. Οι έρευνες, όμως, συνεχίζονται και σιγά σιγά τα προβλήματα λύνονται.
Τα τελευταία χρόνια, έχουμε δει οχήματα και συστήματα τα οποία είναι σε θέση να οδηγήσουν ένα αυτοκίνητο μέσα σε δρόμους, ακολουθώντας σημάνσεις, σχεδιάζοντας πορεία σε δρόμους και εθνικές οδούς χωρίς καν να βγαίνουν από τα όρια των λωρίδων, να σταματούν σε φωτεινούς σηματοδότες και “στοπ”, ακόμη και να σταματούν σε διαβάσεις πεζών. Ένα από τα κύρια προβλήματα αυτή τη στιγμή είναι η αλληλεπίδραση με άλλα οχήματα και κυρίως με οχήματα τα οποία έχουν άνθρωπο στη θέση του οδηγού! Κάθε σύστημα οδήγησης πρέπει να είναι σε θέση να προβλέπει με ακρίβεια το τι θα συμβεί στον δρόμο, τουλάχιστον τα επόμενα λίγα δευτερόλεπτα, ερχόμενο αντιμέτωπο με οδηγούς με απρόβλεπτη συμπεριφορά. Πράγματι, αν μπορούσε να διασφαλιστεί πως όλα τα κινούμενα αντικείμενα ήταν καθοδηγούμενα από υπολογιστή, θα μπορούσαμε να είχαμε αυτόνομα οχήματα ακόμη και σήμερα! Αυτό όμως δεν είναι εφικτό, μιας και υπάρχουν εκατομμύρια οχήματα με ανθρώπους στο τιμόνι, αλλά και πολύ περισσότεροι πεζοί, ποδηλάτες, και δικυκλιστές. Η έρευνα, λοιπόν, επικεντρώνεται στο πώς θα μπορεί να αυξηθεί η ακρίβεια (και βέβαια η ταχύτητα) της πρόβλεψης.
Η νέα τεχνολογία μας έρχεται από το διάσημο Massachusetts Institute of Technology, το MIT. Μέχρι τώρα, τα συστήματα ήταν σε θέση να προβλέψουν πολύ απλές περιπτώσεις (πχ προέβλεπαν ότι οι πεζοί πάντα κινούνται σε ευθεία γραμμή), είτε ήταν πολύ συντηρητικά στις προβλέψεις τους (πχ για να αποφύγουν κάποια σύγκρουση, άφηναν το όχημα ακίνητο), είτε περιορίζονταν στην πρόβλεψη ενός μόνο κινητού “στόχου”. Οι ερευνητές του MIT κατάφεραν και ξεπέρασαν το πρόβλημα, διαχωρίζοντας το πρόβλημα σε μικρότερα κομμάτια και λύνοντας τα κομμάτια ξεχωριστά. Το αποτέλεσμα ήταν ένα σύστημα το οποίο μπορεί να προβλέψει με πολύ μεγαλύτερη ακρίβεια, χρησιμοποιώντας λιγότερους πόρους του υπολογιστή, τις κινήσεις από περισσότερα κινούμενα αντικείμενα ταυτοχρόνως και σε πραγματικό χρόνο.
Η λύση των ερευνητών του MIT είναι σχετικά απλή. Το πρώτο βήμα είναι να μαντέψουν τη σχέση μεταξύ ενός ζεύγους “κινητών” (αυτοκίνητα, ποδήλατα, πεζοί), δηλαδή ποιο από τα δύο “κινητά” έχει προτεραιότητα και ποιο θα την παραχωρήσει, και να χρησιμοποιήσουν αυτή τη σχέση για να προβλέψουν τις πορείες για πολλαπλά “κινητά”. Αυτές οι εκτιμήσεις πορείας ήταν πιο ακριβείς από άλλα μοντέλα machine learning, όταν συγκρίθηκαν με τις πραγματικές πορείες των οχημάτων. Στο δεύτερο βήμα, το οποίο ονομάζουν “marginal predictor”, γίνεται η εκτίμηση για την πορεία του “κινητού” με προτεραιότητα, μιας και αυτό έχει ανεξαρτησία στις κινήσεις του. Σε δεύτερη φάση, με ένα άλλο είδος πρόβλεψης (“conditional predictor”), το σύστημα προβλέπει τις πιθανές κινήσεις του “κινητού” που παραχωρεί προτεραιότητα. Συνολικά, το σύστημα προβλέπει διάφορες τροχιές για τα ζεύγη των “κινητών” (με προτεραιότητα και χωρίς), υπολογίζει την πιθανότητα κάθε συνδυασμού και επιλέγει τις έξι τροχιές με τη μεγαλύτερη πιθανότητα να συμβούν. Το σύστημα παράγει προβλέψεις για τις τροχιές των “κινητών” για τα επόμενα οκτώ δευτερόλεπτα.
Οι ερευνητές του MIT χρησιμοποίησαν δεδομένα από την Waymo, την θυγατρική της Google η οποία ασχολείται με συστήματα αυτόνομης οδήγησης, και μάλιστα το νέο μοντέλο ξεπέρασε σε απόδοση και ακρίβεια ακόμη και το πλέον πρόσφατο σύστημα της ίδιας της Waymo! Το dataset της Waymo περιλαμβάνει εκατομμύρια σκηνές με κινούμενα οχήματα, πεζούς, και ποδηλάτες, τα οποία έχουν καταγραφεί μέσω lidar και καμερών, τα οποία είναι τοποθετημένα στα αυτόνομα οχήματα της εταιρείας. Όπως αναφέρουν οι ερευνητές, το σύστημα λειτουργεί περισσότερο με τον τρόπο που σκέφτεται ένας άνθρωπος· όπως κάθε άνθρωπος δεν αναλύει εκατοντάδες πιθανά σενάρια, αλλά παίρνει τις αποφάσεις σε ελάχιστο χρόνο, έτσι και το σύστημά τους ακολουθεί έναν παρόμοιο τρόπο σκέψης.
Ένας περιορισμός του συστήματος είναι το ότι δε μπορεί να προβλέψει περιπτώσεις όπου δύο “κινητά” επηρεάζουν το ένα το άλλο, δηλαδή σε περιπτώσεις όπου η προτεραιότητα δεν είναι προφανής. Αυτός ο περιορισμός είναι ο στόχος για τα επόμενα στάδια της ανάπτυξης του συστήματος, όπως και η επέκταση για να μπορεί να αντιμετωπίσει περιπτώσεις με τρία ή και περισσότερα “κινητά”.
Όπως είναι φανερό, η πρόβλεψη της κίνησης στο δρόμο είναι ακόμη μακριά – αν και όχι υπερβολικά μακριά. Σε λίγα χρόνια, οι ερευνητές θα έχουν λύσει και αυτό το πρόβλημα και η στιγμή που θα δούμε αυτόνομα οχήματα να κινούνται με αξιοπιστία και οδηγική συμπεριφορά καλύτερη από την ανθρώπινη δεν είναι μακριά!