Индустрия автономных транспортных средств обанкротилась. И навредил, и навредит еще многим без надобности. Это рана, нанесенная самому себе. И тот, который легко вылечить. По крайней мере, технически. (Эго - другое дело.)
Эта проблема
· Общественная тень и безопасность для большей части разработки и тестирования
· Использование игровой технологии моделирования
· Использование глубокого обучения для обнаружения объектов и гиперклассификации
· Снизу вверх Agile-разработка
· Скрытие рабочих характеристик и технических данных, а также отказ от стандартов безопасности / испытаний
Симптомы
· Общественная тень и безопасное вождение - такой подход совершенно несостоятельный. Это миф, что общественная тень и безопасное вождение могут создать законное автономное транспортное средство. А жизни, которые отнимает этот процесс, необходимы и для общего блага. Невозможно проехать триллион миль или потратить 300 миллиардов долларов, чтобы споткнуться и повторить все сценарии, необходимые для завершения усилия. Shadow Driving для сбора данных, информирования и проверенного моделирования и тестирования системного намерения необходимо. Проблема не в безопасности, а во времени и деньгах, связанных с выполнением невозможной суммы, необходимой для достижения L4. Относительно безопасного вождения. Это в значительной степени ненужная и опасная практика. Этот процесс также вредит людям без всякой причины. Первый вопрос безопасности - это передача. Пора восстановить надлежащую ситуационную осведомленность и поступить правильно, особенно в критических по времени сценариях. не может быть предоставлено. Еще одна опасная область - изучение сценариев аварий. Производителям аудиовизуальных средств придется запускать тысячи сценариев аварий тысячи раз, чтобы добиться этого. Это вызовет тысячи травм и смертей.
· Глубокое обучение - это ресурсоемкий процесс, требующий больших затрат времени и денег, и его слишком легко перепутать. Это делает процесс опасным.
· Технология моделирования на основе игр. Да, визуальные эффекты выглядят великолепно. Но у него слишком много технических ограничений, чтобы облегчить создание чего-либо, близкого к законному реальному цифровому двойнику.
· Сокрытие рабочих характеристик и технических данных - Отказ от стандартов безопасности / тестирования - Общественность вам не доверяет. А прямо сейчас не должны. Кроме того, создаваемые модели должны точно моделировать их сенсоры, мир и аналоги объектов. Этого нельзя сделать, если эти черные ящики производят компании. Существует не только проблема доверия, но и проблема ответственности для них.
Лекарство - сделай противоположное
· Переключите большинство публичных теней и безопасного вождения на моделирование, информированное и подтвержденное реальным миром.
· Укрепите доверие, выполнив комплексную проверку и подтвердив ее с помощью надлежащего моделирования (с учетом и подтверждением реальных данных). Затем вы обосновываете необходимость перехода к реальному тестированию. После этого вы представляете системы публике. (Правильное моделирование - это технология моделирования Министерства обороны и авиакосмической промышленности, а не моделирование на основе игр. Слишком много архитектурных и сенсорных инженерных проблем.)
· Используйте DoD / аэрокосмическое моделирование и технологии моделирования, чтобы создать законного цифрового двойника, решив проблемы с задержкой в реальном времени, синхронизацией модели загрузки и верностью модели активного датчика в игровых системах. Это даст возможность работать со сценариями конечного состояния, наиболее сложными и трудными вариантами использования, в первый же день.
· Используйте различные уровни динамического восприятия и избегания, чтобы ограничить использование глубокого обучения
· Используйте подход системного проектирования сверху вниз. Это включает в себя разработку и тестирование самых сложных и самых опасных сценариев. Теперь я могу кое-что сделать, потому что использую правильную технологию моделирования.
· Создать минимальные стандарты безопасности и тестирования, привязанные к ландшафтам и законным геозонам. Сначала докажите эти возможности с помощью надлежащего моделирования. (Также необходимо доказать точность моделей, использованных в этом моделировании). Затем переходите к тестовым трекам и общественному достоянию. Покажите публике правильную последовательность проявления должной осмотрительности и избавьте ее от роли подопытных кроликов. Это также увеличило бы конкуренцию, установив поручни безопасности, которые никто не может пропустить. Таким образом, завершение гонки на безопасное дно.
Подробнее в моих статьях здесь
Предложение по успешному созданию автономного наземного или воздушного транспорта
Моделирование может создать полного цифрового двойника реального мира, если используются DoD / Aerospace Technology.
Моделирование Фотореализм практически не имеет отношения к разработке и тестированию автономных транспортных средств.
Самостоятельный и предотвратимый крах отрасли автономных транспортных средств - постоянное обновление
· Https://medium.com/@imispgh/i-predicted-this-a-year-and-a-half-ago-1b47bf098b03
Автономным транспортным средствам необходимо попадать в аварии, чтобы развить эту технологию
Использование реального мира лучше правильного моделирования для разработки AV - БЕЗ СМЫСЛА
Почему производители автономных транспортных средств используют Deep Learning вместо Dynamic Sense и избегают с помощью динамического предотвращения столкновений? Кажется очень неэффективным и излишне опасным?
Шумиха вокруг геозон для автономных транспортных средств
Дистанционное управление для автономных транспортных средств - идея гораздо хуже, чем использование общественной «безопасности» вождения.
Меня зовут Майкл ДеКорт, я работал в Lockheed Martin, Государственном департаменте США, ВМС США и в сфере информационных технологий. Я работал в авиасимуляторе в качестве менеджера по разработке программного обеспечения в NORAD, менеджера программ для Aegis Weapon System и системного инженера C4ISR в DHS. В настоящее время я занимаюсь разработкой и моделированием автономных транспортных средств, умного города и систем V2X.
Участие отрасли - воздушное и наземное
- Основатель группы SAE по автономному моделированию вождения.
- Член Целевой группы по проверке и валидации SAE ORAD
- Член Виртуального тестирования ИК2 WP.29 ЕЭК ООН
- Заинтересованные стороны USDOT VOICES (Виртуальная открытая среда сотрудничества в области инноваций для обеспечения безопасности)
- Член SAE G-34 / EUROCAE WG-114 Искусственный интеллект в авиации
- Член CIVATAglobal - Гражданская ассоциация воздушного транспорта
- Заинтересованная сторона для UL4600 - Создание рекомендаций по безопасности AV
- Член комитета по политике в области искусственного интеллекта и автономных систем IEEE.
- Вручил награду IEEE Barus Ethics Award за усилия Министерства обороны и Министерства здравоохранения США по разоблачению событий после 11 сентября.
Моя компания - Dactle
Мы создаем аэрокосмическую / DoD / FAA уровень D, полное тестирование на основе моделирования L4 / 5 и систему искусственного интеллекта с матрицей сценариев конечных состояний, чтобы решить несколько критических проблем в индустрии AV / OEM, о которых я упоминал в своих статьях ниже. Это включает замену 99,9% общественной тени и безопасное вождение. А также решение значительных проблем в реальном времени, точности модели и загрузки / масштабирования, вызванных использованием игровых движков и других архитектур. (Проблемы, которые Unity подтвердит. Сейчас мы работаем вместе. Мы также работаем с компаниями по БПЛА). Если не устранить эти проблемы, это приведет к ложной уверенности и разнице в производительности между тем, что, по мнению Плана, произойдет, и тем, что происходит на самом деле. Если кто-то хотел бы увидеть демо или обсудить это дальше, дайте мне знать.
