V začetku 21. stoletja si je ameriška vojska zadala nalogo, da bo poskušala avtomatizirati vozila, ki jih uporablja v vojaških spopadih. Agenciji za napredne obrambne analize (DARPA) je naročila, naj razpiše več nagradnih tekmovanj, na katerih bodo inštituti in univerze predstavili zmogljivosti prototipov avtonomnih vozil, kot jih je mogoče razviti z današnjo tehnologijo.

Prvo tekmovanje so organizirali leta 2004 v kalifornijski puščavi Mojave. Na 250 kilometrov dolgo pot se je takrat podalo petnajst vozil, a žal nobeno ni premagalo več kot le nekaj kilometrov poti, preden je zašlo v resne težave, zato milijona dolarjev nagrade niso podelili nikomur. Naslednje leto so denarni znesek za zmagovalca podvojili, pred tekmovanjem pa izvedli še kvalifikacije, tako da se je v finalu pomerilo 23 ekip, ki so svoje samovozeče avtomobile poslale na dobrih 210 kilometrov dolgo pot po nenaseljenem puščavskem območju. V drugo je na cilj prispelo pet vozil, med katerimi je najhitrejši avtomobil zgradila ekipa iz univerze Stanford, takoj za njim pa sta na cilj prispeli vozili univerze Carnegie Mellon.

Sebastian Thrun, ki je vodil zmagovalno moštvo, se je v pripravah na tekmovanje strateško odločil, da ne bodo poskušali vnaprej predvideti vseh mogočih težav, na katere bi lahko naletelo vozilo, kot je bilo do tedaj v navadi, ampak bo v vozilo vgradil napravo za strojno učenje, ki bo avtomobilu omogočila, da se bo lahko učil neposredno iz izkušenj. Stanfordska ekipa je svoj avtomobil pred tekmovanjem trenirala v podobnih puščavskih razmerah, tako da je znal prek različnih senzorjev v svoji okolici dobro razlikovati med površino, po kateri lahko vozi, in območjem, ki za vožnjo ni primerno.

Pri zmagovalni ekipi so se tako spretno izognili težavam drugih ekip, ki so poskušale predvideti vse nenavadne situacije na poti in vnaprej pripraviti postopke, kako naj se vozilo nanje odzove. Ena izmed ekip denimo ni predvidela, da bodo morala vozila na poti peljati tudi skozi nekaj ozkih tunelov, zato se njihovo vozilo ni upalo podati v predor, saj ni imelo navodil, kako naj ukrepa v primeru, ko naleti na luknjo v zidu.

Uspehi na tekmovanju DARPA so strokovni javnosti pokazali, da avtonomna vozila niso več le znanstvena fantastika. Po tekmovanju se je zato več podjetij lotilo intenzivnega razvoja tehnologije vozil brez človeka za volanom, ki bi bila primerna tudi za vsakdanjo uporabo v dejanskem prometu. V javnosti so najbolj znane ambicije Googla, ki je strokovnjake za svoj avtomobilski razvojni oddelek novačil kar pri najboljših inženirjih, ki so sodelovali na tekmovanjih DARPA, na čelu s Sebastianom Thrunom. Po nekaj letih dela je Google leta 2011 javno predstavil svojo prvo generacijo samovozečih avtomobilov vrste Prius.

Kako zgraditi avtomobil, ki ne potrebuje voznika?

Elon Musk, direktor podjetja Tesla, ki proizvaja električne avtomobile z vgrajenim – dokaj sposobnim – avtopilotom, je zapisal, da narediti avtonomen avtomobil, ki bo znal ustrezno reagirati v 99 odstotkih primerov, sploh ni težko. Bistveno težje je narediti avtonomno vozilo, ki se bo pravilno odločilo v 99,9999 odstotka primerov. Šele takrat bo namreč večina ljudi pripravljena robotu kot vozniku povsem zaupati svoje življenje.

Inženirji se pri izgradnji robotov posebej posvečajo dogodkom, ki jih je težko predvideti, a imajo lahko katastrofalne posledice, če se robot nanje ne odzove ustrezno. Prav sposobnost pravilnega odzivanja v takšnih nepričakovanih situacijah je tisto, kar je pri izgradnji pametnih vozil največji izziv in kar jih naredi za resnično uporabne v vsakdanjem svetu.

Industrijski roboti v tovarnah se ne srečujejo pogosto z okoliščinami, na katere niso pripravljeni, če pa se že zgodi kaj nenavadnega, je vedno pri roki človeški nadzornik, ki posreduje in razreši situacijo. Samovozeči avtomobil pa mora najti ustrezen odziv na nepričakovane situacije sam, brez pomoči človeka, pri čemer se mora pogosto pravilno odločiti in ukrepati v delcu sekunde.

Da se lahko pravilno odloča, mora avtonomno vozilo v vsakem trenutku natančno vedeti, kaj se dogaja v njegovi okolici, in znati tudi predvideti, kaj se bo najverjetneje zgodilo v naslednjih trenutkih. Da bi to zmoglo, mora znati v svoji okolici v najrazličnejših okoliščinah in vremenskih razmerah s senzorji prepoznati predmete in živa bitja.

Ljudje lahko z vidom in sluhom z lahkoto spremljamo dogajanje v svoji okolici in se na dogodke tudi ustrezno odzovemo. Ker to počnemo avtomatsko, se niti ne zavedamo, da za analizo tega, kar zaznavajo oči, skrbi kar velik del naših možganov. Izgradnja robotskega vida, ki bi znal hitro in zanesljivo prepoznavati predmete, nikakor ni preprosta naloga, o čemer priča podatek, da so tehnologijo prepoznavanja predmetov na slikah, ki deluje primerljivo s človeškimi sposobnosti, razvili šele nedavno.

Pomembno je prepoznati okolico

Da lahko avtomobil samostojno vozi, mora imeti ves čas zanesljiv model stanja v svoji okolici. Osnova za orientacijo so zemljevidi v visoki ločljivosti, ki so opremljeni tudi s podatki o stavbah, večjih predmetih, pločnikih in z drugimi podatki o stanju terena. Te shranjene informacije avtomobil nato dopolnjuje s podatki iz svojih senzorjev, kot so: GPS, kamera, lidar oziroma laserski merilec oddaljenosti, radar, sonar in giroskop. Seveda je ključno, da zna iz množice podatkov, ki prihajajo iz različnih naprav, pravilno razbrati, kateri predmet je na katerem mestu.

Ko ima zbrane podatke o stanju v svoji okolici, mora predmetom napovedati še njihovo pričakovano gibanje za nekaj trenutkov v prihodnost. To naredi tako, da glede na tip in stanje predmeta poveča prostor, kjer se predmet lahko pojavi v prihodnosti. Večja kot je nedoločenost oziroma nevednost glede gibanja predmeta v prihodnosti, bolj poveča prostor, ki ga v modelu zavzema.

Strokovnjaki za robotiko so prikaze nedoločenosti lokacije predmetov v prihodnosti prevzeli od meteorologov, ki na podoben način napovedujejo poti neurij. Za več dni v prihodnost lahko namreč predvidijo le skrajne meje območja, kamor bo vihar lahko pripotoval, zato vso območje znotraj teh meja obravnavajo kot potencialno ogroženo.

Določiti ustrezen prostor možnega prihodnjega gibanja za predmete v modelu okolice je zelo pomembno, saj je to osnova za odločanje, kje in kako naj avtomobil pelje. Bolj kot je neki pešec denimo nepredvidljiv, večji prostor v modelu bo zavzel. Včasih imajo lahko tudi na videz statični predmeti velik navidezni prostor nedoločenosti, saj lahko sistem predvidi, da se morda nekaj skriva za njimi, kar lahko skoči pred avtomobil.

Nevarnosti delne avtomatizacije

Danes je na svetu približno milijarda avtomobilov, ki za večino ljudi pomenijo najcenejši, najpreprostejši in najudobnejši način mobilnosti. Avtomobili so v zadnjih sto letih pomembno vplivali na naša življenja. Omogočili so nam bistveno več svobode gibanja in bistveno povečali možnosti za iskanje dela. Žal pa so imeli tudi veliko negativnih posledic. Prometne nesreče so vzele na milijone življenj, izpušni plini, ceste in parkirišča pa so marsikje uničili naravo in zdravje ljudi. Vsako leto za posledicami prometnih nesreč na svetu umre več kot milijon ljudi.

Težave, ki jih povzroča cestni promet, lahko naslednja desetletja bistveno zmanjšamo, če postopoma preidemo na avtonomne električne avtomobile. Kot vse kaže, pa bo treba počakati na povsem samostojna vozila, in ne le na delno avtonomna, ki še vedno potrebujejo tudi človeški nadzor. V obdobju testiranj se je namreč izkazalo, da se človek, ki ni povsem osredotočen na vožnjo, zelo počasi in pogosto tudi neustrezno odzove, če ga avtopilot naenkrat pozove, naj zgrabi za volan.

Ko so pri Googlu začeli preizkušati svoje prototipe avtonomnih avtomobilov, so uslužbencem omogočali, da so se z njimi vozili na delo. Ob pregledu posnetkov dogajanja v kabinah so zgroženo ugotovili, da so ljudje zelo hitro povsem zaupali tehnologiji in niso več gledali na cestišče ter spremljali dogajanja v prometu, tudi če jim je bilo tako naročeno. Ko človek neposredno začuti, kako dobro zna avto sam voziti po cesti, mu bo hitro povsem zaupal, zato je pomembno, da bodo avtomobili dejansko avtonomni in pripravljeni za povsem samostojno vožnjo, preden pridejo v splošno uporabo.