வழிமோ கேமரா-மட்டும் தன்னாட்சி மீது கடுமையான எல்லை விதிக்கிறது

முழு தன்னாட்சிக்கு கேமராக்கள் மட்டும் போதாது என்று Waymo கூறுகிறது

கேமரா-மட்டும் அடிப்படையிலான self-drivingக்கு எதிராக Waymo சமீபத்தில் தனது மிகத் தெளிவான வாதத்தை முன்வைத்துள்ளது. சமீபத்திய Y Combinator நிகழ்வில் வெளிப்படுத்தப்பட்ட கருத்துகளில், Waymo இணை-CEO Dmitri Dolgov, camera-only அமைப்புகள் driver assistance அல்லது மனித செயல்திறனுக்கு அருகே செல்லுவதற்குப் பயன்படலாம்; ஆனால் மனித ஓட்டுநரை விட பாதுகாப்பான முழு தன்னாட்சியை இலக்காகக் கொண்டால், அவை மிக விரைவிலேயே வரம்பைத் தொட்டுவிடுகின்றன என்று வாதிட்டார்.

இந்த வாதம் முக்கியமானது, ஏனெனில் automated driving தொடர்பான நீண்டநாள் தொழில்நுட்ப மற்றும் வணிகப் பிணக்குகளில் ஒன்றின் மையத்தையே அது தொடுகிறது: camera data-வில் பயிற்சி பெற்ற software இறுதியில் முழுப் பணியையும் செய்ய முடியுமா, அல்லது வலுவான autonomyக்கு பல வகை sensors இணைந்து செயல்பட வேண்டுமா? Dolgov-ன் கருத்துகள் Waymo-வை இரண்டாவது அணியில் உறுதியாக நிறுத்துகின்றன; மேலும் இது engineering விருப்பத்தின் கேள்வி அல்ல, தொழில் உண்மையில் எட்ட விரும்பும் safety target என்ன என்பதற்கான கேள்வி என அமைக்கிறது.

மேற்கோளிடப்பட்ட கருத்துகளின்படி, Dolgov இந்த tradeoff-ஐ நேரடியாக விவரித்தார். அதிக sensors performance-ஐ உயர்த்த முடியும், ஆனால் system complexity-யையும் அதிகரிக்கும் என்றார். மனிதர்கள் ஓட்டுவது போல மொத்தத்தில் செயல்படுவதுதான் இலக்காக இருந்தால், அல்லது ஒரு assistance product உருவாக்குவதே நோக்கமாக இருந்தால், cameras-ஐ நம்புவது நியாயமானதாக இருக்கலாம். ஆனால் இலக்கு முழுமையான autonomous driving என்றும், அவர் சொன்னபடி strongly superhuman performance என்றும் இருந்தால், பலவீனமான sensing காரணமாக safety curve மிக விரைவில் தட்டையாகிவிடுகிறது என்றார்.

இந்த சொல்லாக்கம் முக்கியமானது, ஏனெனில் அது benchmark-ஐ மறுவரையறை செய்கிறது. இந்த வாதத்தில் மனித ஓட்டுதல் உச்சவரம்பு அல்ல. மனித ஓட்டுதல் அடித்தளம்; மேலும் technical stack-ஐ, edge cases மற்றும் கடின சூழல்களில் போதிய நம்பிக்கையுடன் அதற்குப் பின் தொடர்ந்தும் மேம்பட முடியுமா என்பதன் அடிப்படையில் மதிப்பிட வேண்டும்.

Waymo ஏன் மூன்று sensor வகைகளில் தொடர்ந்து முதலீடு செய்கிறது

மூலப் பொருளின் சுருக்கப்படி, Waymo cameras, lidar, radar ஆகியவற்றைப் பயன்படுத்துவதற்கு காரணம் ஒவ்வொன்றும் மற்றவற்றின் குறைபாடுகளை ஈடு செய்வதாகும். Cameras உயர்தர தெளிவு மற்றும் வண்ணத் தகவலை வழங்கி, காட்சியை அமைப்பு rich visual முறையில் புரிந்துகொள்ள உதவுகின்றன. ஆனால் cameras passive sensors; இருட்டிலும் கடும் ஒளிக்கீற்றிலும் அவை செயல்திறன் குறைவதாக Dolgov கூறினார்.

இதற்கு மாறாக, lidar வாகனத்தைச் சுற்றியுள்ள உலகின் மூன்று-பரிமாண அமைப்பை நேரடியாக அளக்கிறது. Radar வேறொரு வலிமையைச் சேர்க்கிறது: fog, rain, snow போன்ற சூழ்நிலைகளிலும் இது நன்றாக செயல்படுகிறது, மேலும் Doppler effects மூலம் வேகத்தையும் நேரடியாக அளக்க முடியும். Lidar மற்றும் radar active sensors என்பதையும் Dolgov வலியுறுத்தினார்; அதாவது முழு இருட்டிலும், கண்களைப் பிளக்கும் sunset போன்ற கடுமையான காட்சிச்சூழல்களிலும் அவை திறம்பட செயல்பட முடியும்.

இவை எல்லாம் சேர்ந்து Waymo-வின் முக்கிய தொழில்நுட்ப வாதமாகிறது. மனித fallback இல்லாமல் இயங்க வேண்டிய self-driving system, perception-ன் ஒரே channel-இல் மிக அதிகமாக சார்ந்திருக்கக் கூடாது; குறிப்பாக அந்த channel பொதுவான உண்மை உலகத் தோல்விகளுக்குப் பாதிக்கப்படக்கூடியதாக இருந்தால். Sensor diversity என்பது optional redundancy அல்ல என்பது நிறுவனத்தின் நிலை. ஒரு sensing mode நம்பகமற்றதாக மாறும்போது வாகனம் அதன் awareness-ஐக் காக்க உதவும் mechanism அதுவே.

இந்த standard, சாதகமான சூழ்நிலைகளில் lanes, vehicles, pedestrians ஆகியவற்றை அடையாளம் காண்பதைவிட கடினமானது. அது lighting வேகமாக மாறும், weather visibility-யை பாதிக்கும், road users கணிக்க முடியாதவாறு நடந்துகொள்ளும், அரிதான ஆனால் முக்கியமான சூழ்நிலைகளும் அன்றாட சூழ்நிலைகளைப் போலவே முக்கியமான ஒரு குழப்பமான உலகில் deployment நடக்கும் எனக் கருதுகிறது.

தொழில்துறையின் ஆழமான பிளவு product category குறித்ததே

Self-driving குறித்த பல வேறுபாடுகள் உண்மையில் product category குறித்த வேறுபாடுகளாகும் என்பதையும் Dolgov-ன் கருத்துகள் சுட்டிக்காட்டுகின்றன. Driver-assistance system மற்றும் fully autonomous system வெளியே பார்த்தால் ஒரே மாதிரி தோன்றலாம்; ஆனால் failure, responsibility, மற்றும் ஏற்றுக்கொள்ளத்தக்க performance margins குறித்த மிக வேறுபட்ட முன்கணிப்புகளின் அடிப்படையில் அவை உருவாக்கப்படலாம்.

மனித ஓட்டுநர் பொறுப்புடன் விழிப்பாக இருந்தால், uncertainty-ஐ எட்டும் போது system பிரச்சினையை மீண்டும் அவரிடம் ஒப்படைக்கலாம். வாகனமே முழுப் பணியையும் செய்ய வேண்டுமெனில், uncertainty-யை இயந்திரத்தின் சொந்த sensing மற்றும் decision-making stack-க்குள் தீர்க்க வேண்டியிருக்கும். அப்போதுதான் camera-first அல்லது camera-only approach போதாது என்று Waymo நம்புகிறது.

இந்தப் பிரிவின் வணிகப் பக்கமும் அதே அளவு முக்கியம். அதிக hardware என்றால் பொதுவாக அதிக செலவு, அதிக integration work, மற்றும் சாத்தியமான maintenance complexity அதிகரிப்பு. Vision-only ஆதரவாளர்கள் எளிய hardware அதிக திறனுடன் scale ஆகும் என்று நீண்ட காலமாக வாதிட்டுள்ளனர். வழங்கப்பட்ட source text அடிப்படையில் Dolgov-ன் பதில், cost மற்றும் complexity என்ற கேள்வியை safety target-இலிருந்து பிரிக்க முடியாது என்பதாகும். குறைந்த செலவான sensing approach ஈர்க்கக்கூடியதாக இருக்கலாம்; ஆனால் அது நோக்கமிட்ட autonomy level-ஐ இன்னும் ஆதரித்தால் மட்டுமே.

இதனால் இது எந்த sensor அழகானது என்ற தொழில்நுட்ப விவாதத்தைவிட அதிகம். மீதமுள்ள பிரச்சினைகள் அரிதானவையாக, கடினமானவையாக, அல்லது safety critical-ஆக மாறும் போது குறைந்த செலவிலான perception stack தொடர்ந்து மேம்பட முடியுமா என்ற மூலோபாய வாதம் இது.

இந்த கருத்துகள் self-driving race-க்கு என்ன சொல்கின்றன

Source text, Dolgov-ன் கருத்துகளை Tesla-வின் அணுகுமுறைக்கு நேரடியான சவாலாக விவரிக்கிறது; ஆனால் வழங்கப்பட்ட பொருளில் இருந்து பெறக்கூடிய மிகப் பாதுகாப்பான takeaway இன்னும் விரிவானது. Waymo multimodal sensing-ஐ autonomous driving-இன் அடுத்த கட்டத்திற்கு அவசியமானதாகக் காண்கிறது; நம்பகமான driverless performance-க்கு complementary perception வழியாகத்தான் பாதை செல்கிறது, minimal hardware வழியாக அல்ல என்று அது நம்புகிறது.

இது தொழில்துறை விவாதத்தை முடிக்கவில்லை; ஆனால் அதை மேலும் கூர்மையாக்குகிறது. கேள்வி இனி வாகனம் பல சூழ்நிலைகளில் தானாக ஓடுமா இல்லையா என்பதல்ல. எளிதான முன்னேற்றங்கள் முடிந்த பிறகு, மீதமிருக்கும் பிழைகள் darkness, glare, weather, ambiguous motion, அல்லது சாலையின் அசாதாரண geometry-யிலிருந்து வரும்போது, அந்த architecture தொடர்ந்து மேம்பட முடியுமா என்பதே கேள்வி.

Safety curve மிக விரைவில் தட்டையாகிவிடுகிறது என்ற கருத்தில் கவனம் செலுத்துவதன் மூலம், weak sensing-இன் பிரச்சினை இன்றைக்கு systems-ஐ மோசமாக்குவது மட்டுமல்ல என்று Waymo வாதிடுகிறது. அதன் பார்வையில், அதைவிட ஆழமான பிரச்சினை, அது நாளைய system improvement-க்கு ஒரு உச்சவரம்பை அமைக்க முடியும் என்பதே.

பெரிய transportation மற்றும் energy ecosystem-க்காக இந்த வேறுபாடு முக்கியமானது. Autonomous vehicles பெரும்பாலும் software breakthroughs என விவரிக்கப்படுகின்றன; ஆனால் பெரிய அளவிலான deployment, stress-இல் machine எவ்வளவு நம்பகமாக perceive செய்ய முடியும் என்பதிலும் அதே அளவு சார்ந்துள்ளது. Dolgov-ன் கருத்துகள், autonomy-க்கான business மற்றும் safety case-இல் hardware choices இன்னும் மையமாக இருப்பதைக் உறுதிப்படுத்துகின்றன.

அந்த அர்த்தத்தில் Waymo-வின் செய்தி எளிமையானது: தொழில் உண்மையான driverless systems-ஐ விரும்பினால், advanced assistance-ஐ அல்ல, sensing stack மனித vision-க்கும் அதனால் camera-only perception-க்கும் தனியே போதாத சூழ்நிலைகளுக்கேற்றவாறு கட்டப்பட வேண்டும்.

இந்தக் கட்டுரை CleanTechnica-வின் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.