Hvad skal du vide, før du sætter dig i en selvkørende bil

Uden for et stort lager i Pittsburgh, i et område langs Allegheny-floden, der engang var hjemsted for snesevis af fabrikker og støberier, men nu har butikker og restauranter, venter jeg på, at en anden form for teknologisk revolution kommer. Jeg tjekker min telefon, slår op og bemærker, at den allerede er her. En hvid Ford Fusion, dens tag blændet med futuristisk udseende sensorer, går i tomgang i nærheden. To personer sidder foran – den ene overvåger en computer, den anden bag rattet – men bilen har kontrol. Jeg hopper ind, trykker på en knap på en touchskærm og læner mig tilbage, mens den selvkørende Uber tager mig en tur.

Mens vi lyner ud på vejen mod centrum, holder bilen sig pænt i sin vognbane og trænger sig behændigt mellem en modkørende bil og parkerede lastbiler, der stikker ud på gaden. Jeg har før været i en selvkørende bil, men det er stadig uhyggeligt at se fra bagsædet, når rattet og pedalerne bevæger sig som reaktion på begivenheder, der udspiller sig på vejen omkring os.



Ingen driver, intet problem?

Denne historie var en del af vores november 2016-udgave

  • Se resten af ​​problemet
  • Abonner

Til dato er de fleste automatiserede køretøjer blevet testet på motorveje i steder som Californien, Nevada og Texas. Pittsburgh derimod byder på krogede veje, utallige broer, forvirrende vejkryds og mere end sin rimelige andel af sne, slud og regn. Som en Uber-chef sagde, hvis selvkørende biler kan klare Pittsburgh, så burde de fungere hvor som helst. Som for at teste denne teori, da vi drejer ind på en travl markedsgade, driller to fodgængere ind på vejen foran. Bilen standser blidt et stykke fra dem, venter og fortsætter sin vej.

Ubers køretøjer er prydet med forskellige slags sensorer.

En skærm foran bagsædet viser bilens ejendommelige syn på verden: vores omgivelser gengivet i levende farver og takkede kanter. Billedet er et produkt af nogle af en fantastisk række instrumenter, der er arrangeret over hele køretøjet. Der er ikke færre end syv lasere, inklusive en stor roterende lidar enhed på taget; 20 kameraer; en højpræcision GPS; og en håndfuld ultralydssensorer. På skærmen inde i bilen ser vejen akvablå ud, bygninger og andre køretøjer er røde, gule og grønne, og nærliggende fodgængere er fremhævet med, hvad der ligner små lassoer. Skærmen viser også, hvordan køretøjet styrer og bremser, og der er en knap, der beder bilen om at stoppe turen, når som helst du vil. Da det er 2016, har Uber endda gjort det muligt for ryttere at tage en selfie fra bagsædet. Kort efter min tur er slut, modtager jeg på e-mail en looping GIF, der viser bilens syn på verden og mit ansigt grinende i øverste højre hjørne. Folk på fortovet stopper og vinker, mens vi venter ved et lyskryds, og en fyr, der kører en pickup bag os, bliver ved med at give tommelfingeren op.

Min tur er en del af den hidtil højest profilerede test af selvkørende køretøjer, efter at Uber begyndte at lade håndplukkede kunder bestille ture rundt i Pittsburgh i en flåde af automatiserede taxaer. Virksomheden, som allerede har rykket taxabranchen med en smartphone-app, der lader dig tilkalde en bil, sigter mod at gøre en betydelig del af sin flåde selvkørende inden for få år. Det er et modigt bud på, at teknologien er klar til at transformere den måde, millioner af mennesker kommer rundt på. Men på nogle måder er det et væddemål, som Uber skal lave. I første halvdel af dette år tabte det svimlende 1,27 milliarder dollars, hovedsageligt på grund af betalinger til chauffører. Autonome biler tilbyder en stor mulighed for Uber, siger David Keith, en assisterende professor ved MIT, der studerer innovation i bilindustrien, men der er også en trussel om, at en anden slår dem på markedet.

En eksperimentel version af Ubers app viser en automatiseret bil, der roamer i nærheden.

De fleste bilproducenter, især Tesla Motors, Audi, Mercedes-Benz, Volvo og General Motors, og endda nogle få store teknologivirksomheder, inklusive Google og (efter sigende) Apple, tester selvkørende køretøjer. Tesla-biler kører selv under mange omstændigheder (selvom virksomheden advarer bilister om kun at bruge systemet på motorveje og beder dem om at være opmærksomme og holde hænderne på rattet). Men på trods af sin formidable konkurrence har Uber måske den bedste mulighed for at kommercialisere teknologien hurtigt. I modsætning til Ford eller GM kan den begrænse automatiseringen til de ruter, den tror, ​​at førerløse biler kan klare i starten. Og i modsætning til Google eller Apple har det allerede et stort netværk af taxaer, som det kan gøre gradvist mere automatiseret over tid.

Ubers ledere har lidt problemer med at forestille sig fordelene. Uden nogen drivere at dele omsætningen op med, kunne Uber give overskud. Robottaxier kunne blive så billige og nemme at bruge, at det ikke ville give mening for nogen rent faktisk at eje en bil. Taget til sin logiske konklusion, kunne automatiseret kørsel omprogrammere selve transporten. Uber eksperimenterer allerede med levering af mad i nogle byer, og det købte for nylig Otto, en startup, der udvikler automatiserede systemer til langdistancelastbiler. Selvkørende lastbiler og varevogne kunne fragte varer fra leveringscentre og butikker til hjem og kontorer med svimlende hastighed og effektivitet. Kort før min testtur sagde Andrew Lewandowski, leder af Ubers autonome operationer, en veteran fra Googles selvkørende program og en af ​​medstifterne af Otto: Jeg tror virkelig på, at dette er det vigtigste, computere kommer til at gøre i næste 10 år.

Uber bevæger sig hurtigt. Virksomheden oprettede sit Advanced Technology Center, hvor det udvikler sine førerløse biler, i februar 2015 ved at hyre en række forskere fra robotafdelingen på det nærliggende Carnegie Mellon University. Ved at bruge denne ekspertise udviklede Uber sine selvkørende taxaer på lidt over et år - omtrent den tid, det tager de fleste bilproducenter at omdesigne en underholdningskonsol.

Men går det for hurtigt? Er teknologien klar?

Uber-medarbejdere overvåger hver bil, klar til at tage kontrol, hvis det er nødvendigt.

Robo forfædre

I resten af ​​min tid i Pittsburgh kommer jeg rundt ved at bruge Ubers udelukkende kontrolleret af mennesker. Kontrasten er skarp. Jeg vil besøge CMU's National Robotics Engineering Center (NREC) - en del af dets Robotics Institute, en af ​​de banebrydende forskningsgrupper, der er involveret i at udvikle selvkørende køretøjer - for at se, hvad dets eksperter synes om Ubers eksperiment. Så jeg tager en tur med en fyr ved navn Brian, som kører en beat-up Hyundai Sonata. Brian siger, at han har set flere automatiserede Ubers rundt omkring i byen, men han kan ikke forestille sig, at en tur i dem er så god som én med ham. Brian tager så en forkert drejning og farer helt vild. For at være retfærdig væver han dog lige så godt gennem trafikken som en selvkørende bil. Når kortet på hans telefon fører os til en bro, der er lukket for reparationer, spørger han blot et par vejarbejdere om vej og improviserer derefter en ny rute. Han er også venlig og tilbyder at give afkald på billetprisen og købe mig en øl for at kompensere for ulejligheden. Det får dig til at indse, at automatiserede Ubers vil tilbyde en meget anderledes oplevelse. Færre forkerte sving og anmassende bilister, ja, men heller ingen til at hjælpe med at lægge din kuffert i bagagerummet eller returnere en tabt iPhone.

En touchskærm bagpå viser verden som opfattet af bilens lasersystem.

Jeg tager en regncheck på øllen, siger farvel til Brian og ankommer til NRECs store lager cirka 20 minutter for sent. Bygningen er fyldt med fascinerende robotprototyper. Og hvis du ser godt efter, vil du finde nogle forfædre til nutidens automatiserede køretøjer. Lige inden for indgangen er for eksempel Terregator, en sekshjulet robot på størrelse med et køleskab, med en ring af sensorer på toppen. I 1984 var Terregator blandt de første robotter designet til at strejfe uden for et laboratorium og rullede rundt på CMU's campus med et par miles i timen. Og Terregator blev i 1986 efterfulgt af en stærkt modificeret varevogn kaldet NavLab, et af de første fuldt computerstyrede køretøjer på vejen. Lige uden for hoveddøren til NREC sidder en anden bemærkelsesværdig forløber: en tilpasset Chevy Tahoe fyldt med computere og dekoreret med, hvad der mistænkeligt ligner en tidlig version af sensorstakken oven på en af ​​Ubers selvkørende biler. I 2007 vandt denne robot, kaldet Boss, en bykørselskonkurrence arrangeret af U.S. Defense Advanced Research Projects Agency. Det var et stort øjeblik for automatiserede køretøjer, der beviste, at de kunne navigere i almindelig trafik, og blot et par år senere testede Google selvkørende biler på rigtige veje.

De tre af disse CMU-robotter viser, hvor gradvis fremskridtene mod selvkørende køretøjer var indtil for nylig. Hardwaren og softwaren blev forbedret, men systemet kæmpede for at forstå den verden, en chauffør ser, i al dens rige kompleksitet og underlighed. Hos NREC møder jeg William Red Whittaker, en CMU-professor, der ledede udviklingen af ​​Terregator, den første version af NavLab, og Boss. Whittaker siger, at Ubers nye tjeneste ikke betyder, at teknologien er perfektioneret. Det er selvfølgelig ikke løst, siger han. Den slags ting, der ikke bliver løst, er kantsagerne.

Og der er masser af kantsager at kæmpe med, inklusive sensorer, der er blændet eller svækket af dårligt vejr, stærkt sollys eller forhindringer. Så er der de uundgåelige software- og hardwarefejl. Men endnu vigtigere, kantsagerne involverer håndtering af det ukendte. Du kan ikke programmere en bil til enhver tænkelig situation, så på et tidspunkt skal du stole på, at den vil klare næsten alt, hvad der bliver kastet efter den, ved at bruge den intelligens, den har. Og det er svært at være sikker på det, især når selv den mindste misforståelse, som at forveksle en papirpose med en stor sten, kan få en bil til at gøre noget unødvendigt farligt.

Fremskridtene er uden tvivl taget til i de senere år. Især fremskridt inden for computervision og maskinlæring har gjort det muligt for automatiserede køretøjer at gøre mere med videooptagelser. Hvis du fodrer nok eksempler ind i et af disse systemer, kan det gøre mere end at opdage en forhindring – det kan identificere den med imponerende nøjagtighed som en fodgænger, en cyklist eller en vildfaren gås.

Alligevel har kantsagerne betydning. Direktøren for NREC er Herman Herman, en robotiker, der voksede op i Indonesien, studerede på CMU og har udviklet automatiserede køretøjer til forsvar, minedrift og landbrug. Han tror på, at selvkørende biler vil ankomme, men han rejser et par praktiske bekymringer om Ubers plan. Når din webbrowser eller din computer går ned, er det irriterende, men det er ikke en big deal, siger han. Hvis du har seks vejbaner, er der en autonom bil, der kører i midten, og bilen beslutter sig for at tage et venstresving - ja, du kan forestille dig, hvad der derefter sker. Det kræver blot en fejlagtig kommando til rattet.

Ubers modificerede Ford Fusions er nemme at få øje på på gaderne i Pittsburgh.

Et andet problem, Herman forudser, er at skalere teknologien op. Det er alt sammen meget godt at have et par førerløse biler på vejen, men hvad med dusinvis eller hundredvis? Laserscannere fundet på Ubers biler kan forstyrre hinanden, siger han, og hvis disse køretøjer var forbundet til skyen, ville det kræve en vanvittig mængde båndbredde. Selv noget så simpelt som snavs på en sensor kunne udgøre et problem, siger han. Det mest alvorlige problem af alle - og dette er et voksende forskningsområde for os - er, hvordan du verificerer, hvordan du tester et autonomt system for at sikre, at de er sikre, siger Herman.

At lære at køre

For at få et mere praktisk perspektiv tager jeg på tværs af byen for at tale med folk, der rent faktisk udvikler selvkørende biler. Jeg besøger Raj Rajkumar, et medlem af CMU's robotfakultet, som driver et laboratorium finansieret af GM. I den hurtige verden af ​​forskning i førerløse biler, som ofte er domineret af folk i Silicon Valley, kan Rajkumar virke lidt gammeldags. Iført et gråt jakkesæt tager han imod mig på sit kontor og fører mig så til en kældergarage, hvor han har arbejdet på en prototype af Cadillac. Bilen indeholder adskillige sensorer, der ligner dem, der findes på Ubers biler, men de er alle miniaturiseret og gemt væk, så det ser helt normalt ud. Rajkumar er stolt af sine fremskridt med at gøre førerløse biler praktiske, men han advarer mig om, at Ubers taxaer måske vækker forhåbninger urimeligt højt. Det kommer til at tage lang tid, før man kan tage chaufføren ud af ligningen, siger han. Jeg synes, folk skal dæmpe deres forventninger.

Vi er kognitive, følende væsener. Vi forstår, vi ræsonnerer, og vi handler. Når du har automatiserede køretøjer, er de bare programmeret til at gøre visse ting til bestemte scenarier.

Udover pålideligheden af ​​en bils software er Rajkumar bekymret for, at et førerløst køretøj kan blive hacket. Vi kender til terrorangrebet i Nice, hvor terroristchaufføren mejede hundredvis af mennesker ned. Forestil dig, at der ikke er nogen fører i køretøjet, siger han. Uber siger, at de tager dette problem alvorligt; det føjede for nylig to fremtrædende eksperter i bilcomputersikkerhed til sit team. Rajkumar advarer også om, at der er behov for grundlæggende fremskridt for at få computere til at fortolke den virkelige verden mere intelligent. Vi som mennesker forstår situationen, siger han. Vi er kognitive, følende væsener. Vi forstår, vi ræsonnerer, og vi handler. Når du har automatiserede køretøjer, er de bare programmeret til at gøre visse ting til bestemte scenarier.

Med andre ord repræsenterer det farverige billede, jeg så på bagsiden af ​​min automatiserede Uber, en forsimplet og fremmed måde at forstå verden på. Det viser, hvor objekter er, nogle gange med centimeterpræcision, men der er ingen forståelse for, hvad disse ting virkelig er, eller hvad de kan gøre. Dette er vigtigere, end det måske lyder. Et oplagt eksempel er, hvordan folk reagerer, når de ser et legetøj sidde på vejen og konkluderer, at et barn måske ikke er langt væk. Den ekstra vanskelighed er, at Uber tjener de fleste af sine penge i by- og forstæder, siger Rajkumar. Det er her, uventede situationer har en tendens til at dukke op oftere.

Inde i bilerne er kopholderne blevet udskiftet med en sølvknap for at aktivere automatiseret tilstand og en stor rød stopknap.

Hvad mere er, alt, hvad der går galt med Ubers eksperimentelle taxatjeneste, kan have konsekvenser for hele branchen. Det første dødsulykke, der involverede et automatiseret køresystem, da en Tesla i autopilottilstand ikke kunne se en stor lastbil på en motorvej i Florida i foråret, har allerede rejst sikkerhedsspørgsmål. Hurtigt at implementere enhver teknologi – selv en, der er beregnet til at gøre vejene sikrere – kan nemt udløse et tilbageslag. Mens Uber har gjort et fantastisk stykke arbejde med at promovere dette som et gennembrud, er det stadig et stykke vej væk, realistisk set, siger MITs Keith. Nye teknologier er afhængige af positiv mund til mund for at opbygge forbrugeraccept, men det modsatte kan også ske. Hvis der er frygtelige bilulykker, der tilskrives denne teknologi, og regulatorer slår ned, så ville det helt sikkert moderere folks entusiasme.

Jeg kommer til at opleve virkeligheden af ​​teknologiens grænser på egen hånd, cirka halvvejs gennem min tur i Ubers bil, kort efter at jeg er blevet inviteret til at sidde i førersædet. Jeg trykker på en knap for at aktivere det automatiske køresystem, og jeg får at vide, at jeg til enhver tid kan deaktivere det ved at flytte rattet, trykke på en pedal eller trykke på en anden stor rød knap. Bilen ser ud til at køre perfekt, ligesom før, men jeg kan ikke lade være med at bemærke, hvor nervøs ingeniøren ved siden af ​​mig nu er. Og så, mens vi sidder i trafikken på en bro, med biler, der nærmer sig i den anden retning, begynder bilen langsomt at dreje rattet til venstre og kanter ud i den modkørende vognbane. Tag fat i rattet, råber ingeniøren.

Måske er det en fejl, eller måske er bilens sensorer forvirrede af de store åbne rum på hver side af broen. Uanset hvad gør jeg hurtigt, som han siger.

skjule