הרכב האוטונומי המלא הולך ומתרחק, אבל הטכנולוגיות אשר מפותחות עבורו נכנסות בקצב גובר למערכות ה-ADAS ומייצרות מציאות שבה המכונית נעשית בהדרגה למוצר מוגדר תוכנה (Software Defined Vehicle – SDV). מאחורי התופעה הזאת עומדות סיבות רבות, אולם אחת מהן היא שהמשימה הכרוכה בבניית נהג רובוטי אמין היא קשה יותר משחשבו לפני מספר שנים, ויש צורך בפתרונות מסוג חדש שלא נחזו על-ידי יצרני הרכב האוטונומי. כך התברר במושב תעשיית הרכב שהתקיים היום (ד') בסמינר העולמי השנתי Keysight World: Innovate, של חברת קיסייט (Keysight Technologies).

הסודיות בולמת את התעשייה

"עדיין אין רגולציה אשר מגדירה מהו רכב אוטונומי בטוח, והסיבה לכך טובה מאוד", הסביר אנליסט הרכב הבכיר בחברת Guidehouse Insights, סם אבו אלסאמיד. "אנחנו אפילו לא יודעים כיצד צריכה להראות הרגולציה הזאת, מכיוון שעדיין לא יודעים כיצד לקבוע שמערכת הנהיגה האוטונומית היא מספיק טובה". כדי להגיע לשלב הזה, הוא סבור שצריך להתחולל שינוי גדול מאוד בתעשייה: "החברות צריכות לחשוף את בסיסי הנתונים שלהן ואת האלגוריתמים שלהן. רק כאשר המידע יהיה זמין וגלוי, התעשייה תוכל גם למצוא את הפתרונות הטובים ביותר וגם לשכנע את הציבור שניתן לסמוך עליהם".

לדבריו, ייתכן שמרכיבים מסויימים של נהיגה אוטונומית ברמת L4 ייכנסו לשימוש. זוהי רמה המאפשרת נהיגה אוטונומית בסביבה מוגדרת, למשל קרונית מטען בשדה תעופה, משאיות מסויימות במקטעים ספציפיים של דרך בינעירונית ראשית, וכדומה. "אבל כאשר אנחנו מדברים על נהיגה ברמת L5, שהיא נהיגה אוטונומית בכל מצב, התמונה שונה. אני לא בטוח שבכלל קיימת אפשרות להגיע בעתיד לרמת L5". פרופ' כריס גרדס, מנהל מרכז המחקר לטכנולוגיות רכב באוניברסיטת סטאנפורד, סיפר שטעויות אנוש אחראיות לכ-95% מתאונות הדרכים כיום. "בעידן הרכב האוטונומי טעות אנוש תהיה טעות תוכנה. המטרה שלנו היא להקטין את הסיכוי הזה. כלומר, אנחנו צריכים תוכנה שהיא נהג-על".

לקחים ממסלול המירוצים

תחת ההנחה הזאת, צוות חוקרים בראשותו יצא לראיין את נהגי המירוצים הטובים בעולם, וגילה תופעה שחמקה מעיניהם של יצרני מערכות הנהיגה האוטונומית: "הם הסבירו לנו שהגורם החשוב ביותר בנהיגה הוא הבנת מעגל החיכוך שבין הגלגל והכביש. משטח המגע בין הגלגל לבין הכביש קטן יותר מכף היד שלנו, ומאפייני החיכוך שלו משתנים מרכב לרכב, משינויים במהירות הנהיגה, מתנאי הדרך וממעבר בין מצבים שונים כמו האצה, האטה, פניות בסיבובים ועוד. בעקבות הראיונות האלה פיתחנו מודל מתימטי המתאר מהו מצבו של הגלגל בכל רגע, ומהי עוצמת הבלימה/האצה שצריך להעניק לו כדי להגיע לנסיעה אופטימלית ושמירה על הנתיב. אחר כך שילבנו את המודל הזה בתוך רשת נוירונים הפועלת בזמן אמת ושולטת ברכב. בדקנו אותה במסלול מירוצים והצלחנו להגיע למהירות של נהגי מירוץ מקצועיים, וזאת בנסיעה חלקה וללא סטיות מהנתיב".

גם פרופ' דאריו גאברילה, ראש תחום כלי הרכב החכמים באוניברסיטה הטכנית של דלפט, הולנד, גילה שמערכת התרעה אוטונומית זקוקה להרבה יותר מאשר עיבוד מידע המגיע מהחיישנים. "המערכות הקיימות היום איטיות מדי. כדי לנהל את מדיניות הנהיגה לא מספיקה תפישה מרחבית של סביבת הרכב, אלא יש צורך ביכולת חיזוי. מערכת הניהוג צריכה להעריך מהו הסיכוי שהולך רגל מסויים יירד לכביש, האם קיים סיכוי סביר יותר שהוא ייעצר על המדרכה או מהו הסיכוי שרוכב אופניים יבצע פנייה פתאומית ויחצה את נתיב הנסיעה של הרכב".

כיצד מנחשים מה אנשים יעשו

לדבריו, צוות החוקרים שהוא מנחה מבצע כיום פרוייקט פיתוח סדרה של אלגוריתמים אשר מנתחים את סביבת הרכב, ומספקים ניחוש מה יתרחש בעתיד הקרוב. "כאשר הולך הרגל החוצה את המדרכה בכיוון הכביש מסתכל על הרכב, קיים סיכוי גדול יותר שהוא ייעצר לפני שיירד מהמדרכה. גם תנוחת הגוף של הולך הרגל מרמזת האם הוא צפוי להמשיך בדרכו או לעצור. בסביבה עירונית שבה המודל נבדק, הוא נתן את התשובה הנכונה מהר יותר ממערכות ה-ADAS הקיימות, בהפרש של שנייה שלמה".

הצוות השיג חיזוי מקדים של שנייה גם באמצעות טכנולוגיות קוליות: "התקנו מערך מיקרופונים על רכב שנסע בדרך עירונית. עיבוד האותות מהמיקרופונים העניק לנו מידע על אופי האותות, כיוונם ותנועתם במרחב. שילוב המידע הזה במידע המגיע מהחיישנים, איפשר לנו לזהות למשל שכלי רכב מסויים עומד להיכנס לצומת או לנתיב של הרכב האוטונומי, עוד לפני שהוא ניקלט בחיישנים הוויזואליים". לדבריו, חיזוי הוא האתגר המרכזי של הנהיגה האוטונומית. "אם למשל יש מכשול כלשהוא בכביש, המערכת תדע מראש שהמשתמשים בדרך ינסו לעקוף אותו – עוד לפני שהם יעשו זאת".