Waymo پس از پیمودن بیش از 200 میلیون مایل رانندگی کاملاً خودران به مجموعهای از اصول عملی و فنی رسیده که مسیر توسعهٔ سامانههای خودران را مشخص میکنند. ده درس زیر برای تیمهای مهندسی، طراحی و سیاستگذاری اهمیت دارد.
1. حسگرهای چندمودالی ضروریاند
دوربینها اطلاعات بصری غنی فراهم میکنند، اما بهتنهایی برای تحقق رانندگی خودران ایمن کافی نیستند. ادغام لیدار، رادار و دوربین نمایی افزونگیدار و دقیق از محیط میسازد که هیچ حسگر منفردی قادر به ارائهٔ آن نیست. لیدار ساختار سهبعدی با دقت میلیمتری تولید میکند، دوربینها اطلاعات معنایی مانند تابلوها و رنگ چراغها را میخوانند و رادار در شرایط دید نامناسب سرعت و حرکت اجسام را ردیابی میکند.
2. نقشههای HD بهعنوان مرجع پیشین عمل میکنند
نقشههای با وضوح بالا مانند یک مرجع پیشین عمل میکنند؛ نه بهعنوان تنها منبع تصمیمگیری، بلکه بهعنوان مرجعی با وفاداری بالا که در دید کم یا تقاطعهای پیچیده کمک میکند. نگهداری نقشههای HD اجازه میدهد محاسبات زمان واقعی روی موارد جدید یا پویا متمرکز بماند و نه تکرار اطلاعات از پیش شناختهشده. این رویکرد بهویژه در راهاندازی سرویس خودران از اولین سفر برای تضمین تجربهٔ قابل اتکا اهمیت دارد.
3. کمتر، اما بزرگتر: مدلهای پایه با ظرفیت بالا
بهجای هزاران ماژول تخصصی کوچک، ترکیب وظایف در تعداد کمتری از مدلهای پایهٔ بزرگ و تخصصی کارایی و مقیاسپذیری را افزایش میدهد. این مدلها میتوانند از مجموعهدادههای حجیم بهرهبرده و الگوهای پیچیدهٔ تصمیمگیری را خودآموزی کنند. رویکرد معلم–دانشآموز بهینهسازی مصرف محاسبات onboard را ممکن میسازد و همزمان ظرفیت استدلال را حفظ میکند.
4. اعتماد با جعبهٔ سیاه ساخته نمیشود
معماریهای صرفاً پایانبهپایان که از پیکسل تا فرمان را در یک مدل بسته انجام میدهند، در صورت خطا تشخیص علت و رفع آن را دشوار میکنند. به همین دلیل Waymo لایهٔ اعتبارسنجی مستقل و مبتنی بر قواعد را روی مسیرهای پیشنهادی قرار میدهد تا هر تصمیم در برابر قیود فیزیکی و قوانین ترافیکی سنجیده شود و از مکانیسمهای یادگیری تقویتی و استدلال الهامگرفته از مدلهای مولد برای پشتیبانی استفاده میشود.
5. شبیهسازی حلقهبسته موارد مرزی بیشتری را آشکار میکند
آزمون سناریوهای نادر و پویای ترافیکی در دنیای واقعی هزینهبر و زمانگیر است. شبیهسازیهای دقیق حلقهبسته امکان بازتولید، تست و پرورش هدفمند سناریوهای «یک در میلیون» را فراهم میکنند. چنین شبیهسازیهایی کمک میکنند ضعفهای مدل و تعاملات پیچیدهٔ بین بازیگران ترافیکی پیش از بروز در میدان شناسایی شوند. برای آشنایی بیشتر میتوانید به صفحهٔ شبیهسازی مراجعه کنید.
6. حلقهٔ بازخورد دادهای و یادگیری مداوم
دادهٔ واقعیِ حاصل از ناوگانهای عملیاتی و رانندگی روزمره مهمترین منبع برای کشف خطاها و بهبود مدلهاست. جمعآوری، برچسبگذاری هوشمند و اولویتبندی موارد مرزی باعث میشود مدلها بهصورت پیوسته از تجربهٔ میدان یاد بگیرند. این رویکرد دادهمحور تضمین میکند که سیستم با تغییر رفتار کاربران، زیرساختها یا شرایط آبوهوایی وفق پیدا کند.
7. معیارهای ایمنی کمی و اعتبارسنجی نظاممند ضروری است
اثبات ایمنی در سطحی که جامعه و قانونگذاران به آن اعتماد کنند مستلزم تعریف معیارهای مشخص، قابل اندازهگیری و تکرارشونده است. این معیارها شامل نرخ حوادث جلوگیریشده، تعداد موارد نزدیک به برخورد (near-miss) و عملکرد در شرایط جوی نامساعد میشود. تعریف یک پروندهٔ ایمنی شفاف، پیشنیاز راهاندازی سرویس خودران در مقیاس شهری است.
8. افزونگی سیستمیک؛ سختافزاری و نرمافزاری
افزونگی نباید محدود به لایههای حسگری بماند؛ طراحی باید در سطح پردازش، تغذیهٔ برق، ارتباطات و مسیرهای تصمیمگیری نیز اعمال شود. افزونگی سیستمیک اجازه میدهد در صورت شکست یک مسیر یا زیرسیستم، دیگر اجزا وظیفهٔ ایمن نگهداشتن خودرو را برعهده بگیرند و تجربهٔ مسافر و ایمنی تداوم یابد.
9. طراحی انسانی و عملیات میدانی اثری برابر با فناوری دارند
تجربهٔ مسافر، تعامل با دیگر رانندگان و واکنش در شرایط غیرمعمول نیازمند طراحی انسانی و عملیات مؤثر است. تیمهای میدانی، نظارت انسانی و فرایندهای نگهداری و بهروزرسانی نقشهها و نرمافزارها ستونهای عملیاتیای هستند که فناوری باید در خدمت آنها قرار گیرد.
10. همکاری با نهادها و بهاشتراکگذاری استانداردها مسیر را هموار میکند
گسترش ایمن خودروهای خودران فراتر از یک شرکت است؛ نیازمند سیاستگذاری منطقی، استانداردهای مشترک و شفافیت در معیارهای ایمنی است. تعامل با شهرداریها، تنظیمکنندهها و دیگر بازیگران اکوسیستم نقش کلیدی در تسریع پذیرش فناوری و هموارسازی راهاندازی سرویسها دارد.
نگاهی رو به جلو
ترکیب حسگری چندگانه، مدلهای مقیاسپذیر، شبیهسازی دقیق، دادهمحوری و طراحی سیستمیک، پایهٔ ساخت سامانههای خودران قابلاعتماد را تشکیل میدهد. پذیرش شفاف این اصول میان بازیگران صنعت و سیاستگذاران مسیر رسیدن به حملونقل خودران ایمنتر و در دسترستر را هموار میسازد.
برای آشنایی بیشتر با تاریخچه و عملکرد Waymo به صفحهٔ Waymo مراجعه کنید و برای مطالعهٔ مفاهیم مربوط به یادگیری تقویتی به یادگیری تقویتی رجوع کنید.
