თვითმართვადი ავტომობილი გადაწყვეტილებებს იღებს AI მოდელების ჯაჭვის მეშვეობით, რომელიც წამში რამდენჯერმე მეორდება: სენსორების მონაცემებს გარემოს სურათად აქცევს, გამოიცნობს, რას აპირებენ სხვა მონაწილეები გზაზე, შემდეგ კი წყვეტს და ასრულებს საკუთარ შემდეგ ნაბიჯს. ამ სამ ეტაპს ჩვეულებრივ უწოდებენ აღქმას (perception), პროგნოზირებას (prediction) და დაგეგმვას (planning) — ერთად ისინი ცვლიან იმ ინტუიციურ განსჯას, რასაც ადამიანი მძღოლი გზაზე იყენებს.
რას „ხედავს“ მანქანა — აღქმა
კამერები, რადარი, ულტრაბგერითი სენსორები და, ბევრ სისტემაში, ლიდარი განუწყვეტლივ აწვდიან მონაცემებს ბორტზე არსებულ ნეირონულ ქსელებს, რომლებიც გაწვრთნილია ამ მონაცემების გასაანალიზებლად. ლიდარი გარშემო არსებულ ობიექტებზე ლაზერულ იმპულსებს ისვრის და მანძილების ზუსტ 3D რუკას აგებს; რადარი სიჩქარესა და მანძილს აკონტროლებს ცუდი ხილვადობის დროსაც; კამერები კი აწვდიან ფერს, ტექსტსა და დეტალებს, რომელთა ამოცნობაც მხოლოდ კომპიუტერულ ხედვას შეუძლია. აღქმის სისტემა ამ მონაცემებს აერთიანებს სცენის ერთიან, ცოცხალ მოდელში — სად იმყოფება ყოველი მანქანა, ველოსიპედისტი და ქვეითი, და რას გვეუბნება ზოლების მონიშვნები, ნიშნები და შუქნიშნები.
შემდეგი ნაბიჯის გამოცნობა და მოქმედება
პროგნოზირების მოდელები ამ სცენას იღებენ და თითოეული გზის მონაწილისთვის სავარაუდო მარშრუტების მოკლე ჩამონათვალს ადგენენ — გააგრძელებს თუ არა ველოსიპედისტი სწორზე, თუ შემოტრიალდება? დაგეგმვის მოდული საკუთარი მანქანისთვის შესაძლო მარშრუტებს ამ პროგნოზების მიხედვით აფასებს — უსაფრთხოების, კომფორტისა და საგზაო წესების გათვალისწინებით — და ირჩევს ერთ-ერთს. მართვის ფენა შემდეგ არჩეულ მარშრუტს გადააქცევს საჭის, დამუხრუჭებისა და აჩქარების ბრძანებებად, რომლებიც წამში ათეულობით ჯერ იგზავნება მანქანის ძრავებთან. დეველოპერები ამ მოდელებს ძირითადად იმიტაციით ავარჯიშებენ — სისტემას მილიონობით მილის ჩაწერილ ადამიანურ სვლას აჩვენებენ — შემდეგ კი დახვეწენ სიმულაციაში და სულ უფრო ხშირად განმტკიცებითი სწავლებით (reinforcement learning), რომელიც უსაფრთხო და გლუვ შედეგებს აჯილდოვებს.
ორი განსხვავებული სტრატეგია
ყველა კომპანია ამ ჯაჭვს ერთნაირად არ აგებს. Waymo მოდულურ სისტემას იყენებს — კამერების, რადარისა და რამდენიმე ლიდარის ერთობლიობით — და თავის რობოტაქსის სერვისს მხოლოდ იმ ქალაქებში რთავს, რომლებიც დეტალურად აქვს დამუშავებული და შემოწმებული: ეს არის SAE დონე 4, რაც ნიშნავს, რომ ამ ტერიტორიაზე ადამიანს საერთოდ არ სჭირდება ყურადღების გამახვილება. კომპანია უკვე ათეულზე მეტ ამერიკულ ქალაქში სთავაზობს მძღოლის გარეშე მოგზაურობას. Tesla-მ საპირისპირო გზა აირჩია — ერთიანი, თავიდან ბოლომდე (end-to-end) ნეირონული ქსელი, გაწვრთნილი მხოლოდ კამერების ვიდეოზე, ლიდარის გარეშე, რომელსაც კომპანია Full Self-Driving-ს უწოდებს. Tesla-ს მფლობელთა უმეტესობისთვის ეს რჩება SAE დონე 2-ად — „ზედამხედველობის ქვეშ“ — რადგან მართვის მოწმობის მქონე მძღოლი ნებისმიერ დროს მზად უნდა იყოს, საჭიროების შემთხვევაში მართვა ხელახლა თავად აიღოს. 2026 წლის იანვრიდან Tesla ასევე ატარებს ცალკე, მცირემასშტაბიან პილოტს ავსტინში — მძღოლის ზედამხედველობის გარეშე რობოტაქსის მოგზაურობებს, გაცილებით დიდი, ზედამხედველობის ქვეშ მყოფი ავტოპარკის პარალელურად — და ამოწმებს, შეძლებს თუ არა იგივე, მხოლოდ კამერაზე დაფუძნებული მიდგომა საბოლოოდ Waymo-ს დამოუკიდებლობის დონეს მიაღწიოს.
რატომ სჭირდება საკუთარი ჩიპები
ამ მოდელების გაწვრთნას იმავე მასშტაბის გამოთვლა სჭირდება, რაც სხვა ფიზიკური AI სისტემებს — მონაცემთა ცენტრის ათასობით ჩიპი, რომელიც კვირების განმავლობაში მუშაობს. მაგრამ გაწვრთნილი მოდელის მოძრავ მანქანაში გაშვება სულ სხვა საინჟინრო ამოცანაა: ყოველი გადაწყვეტილება რეალურ დროში უნდა მიიღებოდეს იმ კომპიუტერზე, რომელიც საბარგულში ეტევა და მხოლოდ იმდენ ენერგიას მოიხმარს და სითბოს გამოყოფს, რამდენსაც მანქანის გაგრილების სისტემა უძლებს — ისე, რომ ღრუბლოვან გამოთვლებზე დაბრუნების შესაძლებლობა საერთოდ არ არსებობს. სწორედ ეს შეუსაბამობა — რამდენი გამოთვლითი სიმძლავრე სჭირდება თვითმართვად AI-ს და რამდენის გამოყოფა შეუძლია მანქანას — უბიძგებს ავტომწარმოებლებს, დაპროექტონ საკუთარი ინფერენსის ჩიპები ზოგადი დანიშნულების აპარატურის ნაცვლად და, ზოგ შემთხვევაში, პირდაპირ დააინვესტირონ ამ ჩიპების საწარმოებელ ქარხნებში.
სად გადის ზღვარი
ყველაზე მოწინავე სისტემებსაც კი უჭირთ იმ სიტუაციებთან გამკლავება, რომლებიც მათ სასწავლო მონაცემებში იშვიათად გვხვდებოდა: უჩვეულო ნამსხვრევები გზაზე, არამონიშნული სამშენებლო შემოვლითი გზა, ექსტრემალური ამინდი, ან საგზაო პოლიციელი, რომელიც ხელით ურთიერთსაწინააღმდეგო სიგნალებს იძლევა. რეგულატორები ამაზე რეაგირებენ მძღოლის გარეშე სერვისის დამტკიცებით ერთი ქალაქის ან თუნდაც ერთი მარშრუტის მასშტაბით, მთელი ქვეყნის ნაცვლად, ხოლო უმეტესი მწარმოებელი კვლავ მოითხოვს ადამიანის ყურადღებას. თვითმართვადი AI საგრძნობლად გაუმჯობესდა ჩვეულებრივი შემთხვევების დამუშავებაში — დარჩენილი სამუშაო ძირითადად იშვიათ შემთხვევებს ეხება.
სიახლეებში
ორი ბოლოდროინდელი ამბავი ამ ზრდის ორივე მხარეს აჩვენებს. ზოგიერთი ჩიპი, რომელიც მანქანის ბორტზე თვითმართვის გამოთვლას შესაძლებელს ხდის, ახლა სახლთან უფრო ახლოს იწარმოება: იხილეთ ჩვენი მასალა Tesla-სა და SpaceX-ის $16.8-მილიარდიან ჩიპების ქარხანაზე „Terafab“ ტეხასში. ხოლო რობოტაქსების მხარეს, Uber და ჩინური Pony.ai აფართოებენ მძღოლის გარეშე მოგზაურობებს ევროპისა და ახლო აღმოსავლეთის კიდევ რამდენიმე ქალაქში.