Waymo பாதுகாப்பு உரிமை வரையறுக்கப்பட்ட மோதல் ஒப்பீடுகளின் மீது தான் தாங்கியுள்ளது

Waymo-வின் சமீபத்திய பாதுகாப்பு உயர்விற்கு முக்கியமான எச்சரிக்கைகள் இணைந்துள்ளன

Insurance Institute for Highway Safety, Waymo-வின் driverless வாகனங்களுக்கு ஆதரவாக வந்துள்ளது; நிறுவத்தின் robotaxis மனித ஓட்டுநர்களை விட குறைவாக மோதுகின்றன என்று அது வாதிடுகிறது. ஆனால், மூல உரையில் விவரிக்கப்பட்டபடி, அந்த முடிவின் அடிப்படை கருதுகோள்களின் ஒரு சங்கிலி மற்றும் தலைப்பு சொல்வதைவிட மிகக் குறுகிய தரவுத்தொகுப்பு ஆகும்.

இதனால் பகுப்பாய்வு அர்த்தமற்றது ஆகிவிடுவதில்லை. ஆனால், அந்த முடிவு autonomous driving safety குறித்து ஒரு தெளிவான தீர்ப்பாக அல்ல, ஆரம்பகட்ட, நிபந்தனை சார்ந்த ஒப்பீடாகவே படிக்கப்பட வேண்டும் என்பதைக் குறிக்கிறது. மைய பிரச்சினை எளிதானது: autonomous வாகனங்களுக்கும் மனித ஓட்டுநர்களுக்கும் crash reporting நேரடியாக ஒத்துப்போகவில்லை, மேலும் தொழில்துறை அளவிலான exposure தரவு முழுமையில்லை.

California 2014 முதல் autonomous crash reporting-ஐ கட்டாயப்படுத்தியுள்ளது, மேலும் National Highway Traffic Safety Administration 2021 முதல் அதேபோன்ற அறிக்கையிடுதலை கோரியுள்ளது. ஆனால் அந்த தரநிலைகள் சாதாரண ஓட்டுநர்களுக்கு பயன்படுத்தப்படும் reporting systems-இல் இருந்து வேறுபட்டவை. மிக முக்கியமான normalizing measures-இல் ஒன்றான total vehicle miles traveled, மனித ஓட்டுதலுக்காக Department of Transportation traffic reports மூலம் பெரிய அளவில் கிடைக்கிறது. Autonomous வாகனங்களுக்கு, அந்த எண்ணிக்கை பொதுவாக வெளிப்படுத்தப்பட வேண்டும் என்ற கட்டாயம் இல்லை.

Waymo தன்னார்வமாக mileage தரவை வெளியிடுகிறது. மற்ற autonomous vehicle நிறுவனங்கள் பொதுவாக அப்படிச் செய்யவில்லை. அந்த ஒரே உண்மை பகுப்பாய்வை வடிவமைத்ததோடு, பரந்த autonomous vehicle துறையை விட Waymo மீது ஒப்பீடு ஏன் கவனம் செலுத்தியது என்பதையும் பெரிதும் விளக்குகிறது.

IIHS உண்மையில் என்ன ஒப்பிட்டது

மூல உரையின் படி, ஒப்பீடு முயற்சிக்கும் முன் 2021 முதல் 2024 வரையிலான autonomous crash reports-இல் IIHS கணிசமான data cleaning செய்ய வேண்டியது இருந்தது. ஆராய்ச்சியாளர்கள் duplicate records-ஐ நீக்கி, automation செயல்படாத, vehicle public road-இல் இல்லாத, அல்லது உண்மையான crash நடக்காத நிகழ்வுகளை விலக்கினர்.

அதன்பின் மற்றொரு சிக்கல் இருந்தது: ஒவ்வொரு autonomous-vehicle நிகழ்வும், பொதுவாக மனித ஓட்டுநர் datasets-இல் police-reportable ஆக வரும் crash வகைகளுடன் சரியாக பொருந்துவதில்லை. ஆகையால் institute, ஒப்பிடத்தக்க மனித ஓட்டுநர் சூழ்நிலைகளில் அந்த crash போலீசுக்கு அறிக்கையிடப்பட்டிருக்குமா என்பதை அடிப்படையாகக் கொண்டு ஒரு கூடுதல் screen-ஐ பயன்படுத்தியது.

மூல உரை அந்த முடிவுகளுக்கான எடுத்துக்காட்டுகளை வழங்குகிறது. யாரோ ஒருவர் வலி என்று புகார் செய்தாலும் இடத்திலிருந்து சென்றுவிட்டால், அந்த நிகழ்வு police-reportable ஆக இருக்க வாய்ப்பில்லை என்று ஆராய்ச்சியாளர்கள் குறியிட்டனர். Airbag deploy ஆனால், அந்த crash police-reportable எனக் குறிக்கப்பட்டது; ஏனெனில் அதிக தாக்கம் கொண்ட மோதல் மற்றும் பழுது சரிசெய்யும் செலவு, வேறு சேதம் அல்லது காயம் விவரங்களைப் பொருட்படுத்தாமல், பொதுவாக அந்த வகைக்குள் தள்ளும்.

இந்தச் செயல்முறை முக்கியமானது, ஏனெனில் இது பயன்படுத்தக்கூடிய தரவுத்தொகுப்பை கடுமையாக குறைத்தது. இறுதியில், autonomous crash data-வின் நான்கில் ஒன்றுக்கும் குறைவான பகுதி இறுதி ஒப்பீட்டிற்கு பயன்படக்கூடியதாக கருதப்பட்டது என்று மூல உரை கூறுகிறது. automation செயல்பட்டிருந்த 736 public-road crashes-இல், IIHS-ன் மதிப்பீட்டுப்படி 22% மட்டுமே police-reportable ஆக இருக்கக்கூடும்.

அந்த துணைப் பகுதியில் 89 Waymo வாகனங்கள், 50 Cruise வாகனங்கள், 10 Zoox வாகனங்கள், மற்றும் 10 பிற நிறுவனங்கள் இருந்தன. Mileage figures Waymo-க்கு மட்டுமே கிடைத்ததால், பாதுகாப்பு ஒப்பீட்டிற்காக institute Waymo crash counts-ஐ பயன்படுத்தியது.

தலைப்பைவிட முடிவு ஏன் குறுகியது

மேலோட்டமாகப் பார்த்தால், Waymo மனித ஓட்டுநர்களை விட குறைவாக crash ஆகிறது என்ற வாதம் autonomous driving குறித்த ஒரு பரவலான கூற்றாகத் தோன்றுகிறது. ஆனால் இங்கு விவரிக்கப்பட்டுள்ள ஆதாரம் மிகவும் குறுகியது. இது குறிப்பாக autonomous crashes-இன் ஒரு filtered subset, harmonized reporting standard மூலம் மதிப்பிடப்பட்டது, மற்றும் அந்தத் தகவலை வெளியிடத் தேர்ந்தெடுக்கும் ஒரே நிறுவனத்தின் mileage exposure data-வுடன் இணைக்கப்பட்டது.

இதன் பொருள், இந்த பகுப்பாய்வு ஒவ்வொரு சாலை, பகுதி, வானிலை, மற்றும் failure mode-இலுமுள்ள robotaxi versus people என்ற பொதுவான ranking அல்ல. இதை, ஆரம்பத்தில் அதனை ஆதரிக்க வடிவமைக்கப்படாத data systems-இலிருந்து like-for-like comparison-ஐ எடுக்க முயன்ற ஒன்று என்று புரிந்துகொள்ளுவது சிறந்தது.

மூல கட்டுரையிலுள்ள சந்தேகம் அந்தப் பிரச்சினையை பிரதிபலிக்கிறது. ஒப்பிட முடியும் முன்பே ஒரு பெரிய பகுதி நிகழ்வுகளை நீக்கவோ மறுவகைப்படுத்தவோ வேண்டுமெனில், வாசகர்கள் முடிவை மட்டும் அல்ல, dataset-ன் கட்டமைப்பையும் கவனிக்க வேண்டும். ஒரு முறை நியாயமானதாக இருந்தாலும் அது வரையறுக்கப்பட்டதாக இருக்க முடியும்.

அதே சமயம், இந்த முயற்சி ஒரு உண்மையான policy gap-ஐ வெளிப்படுத்துகிறது. Autonomous vehicle testing மற்றும் deployment, crash claims இப்போது regulation, insurance, urban policy, மற்றும் public trust-ஐ வடிவமைக்கும் அளவுக்கு public roads-க்கு வந்துவிட்டன. ஆனால் disclosure rules இன்னும் autonomous systems-ஐ மனித ஓட்டுநர்களுடன் ஒரே மாதிரியில் ஒப்பிடுவதை கடினமாக்குகின்றன.

பெரிய பிரச்சினை transparency

மூல உரையிலிருந்து கிடைக்கும் மிக வலுவான takeaway Waymo மனித ஓட்டுநர்களை விட பாதுகாப்பானது அல்லது குறைவாகப் பாதுகாப்பானது என்பதல்ல. பொதுமக்களிடம் இத்தகைய கூற்றுகளை மதிப்பிட ஒரு standardized, industrywide framework இன்னும் இல்லாமல் இருப்பதே ஆக இருக்கலாம். நிறுவனங்களுக்கிடையே mileage reporting கட்டாயமாக இல்லாதவரை, per-mile crash rates-ஐ துறை முழுவதற்கும் கணக்கிட முடியாது. incident severity மற்றும் reporting thresholds-க்கான பொதுவான வரையறைகள் இல்லாமல், raw crash counts கூட தவறாக வழிநடத்தலாம்.

Mileage data-வை வெளியிடும் Waymo-வின் தயார்நிலை, exposure-adjusted safety metrics-ஐ சார்ந்த எந்த விவாதத்திலும் அதற்குப் பலன் தருகிறது. இது ஆராய்ச்சியாளர்களுக்கு பயனுள்ளது; ஆனால் இது சமமற்ற evidence landscape-ஐயும் உருவாக்குகிறது. அதிக தகவலை வெளிப்படுத்தும் நிறுவனங்கள் நெருக்கமாக ஆய்வு செய்யப்படலாம், குறைவாக வெளிப்படுத்துபவைகளோடு ஒப்பிடுவது கடினமாக இருக்கும்.

Regulators மற்றும் safety researchers-க்கு, இது தெளிவான அடுத்த படியைச் சுட்டுகிறது: autonomous vehicles-க்கான reporting systems fragmented disclosure மற்றும் category mismatches-ஐத் தாண்டி வளர வேண்டும். பெரிய அளவில் மனித ஓட்டுதலை மாற்ற அல்லதுเสரிக்க முயலும் ஒரு துறை, ad hoc comparisons-ஐ நிரந்தரமாக நம்ப முடியாது.

மேம்பட்ட standards, தங்கள் systems மனிதர்களை விட சிறப்பாக செயல்படுகின்றன என்று உண்மையிலேயே நம்பும் நிறுவனங்களுக்கும் உதவும். ஆதாரம் வலுவாக இருந்தால், ஒரு consistent public reporting regime அதை காட்ட எளிதாக்கும். ஆதாரம் பலவீனமாக இருந்தால், அதே standards, விரைவான கூற்றுகள் ஏற்றுக்கொள்ளப்பட்ட ஞானமாக மாறுவதைத் தடுக்கவும் செய்யும்.

இப்போது என்ன கூறலாம்

கொடுக்கப்பட்ட மூல உரையின் அடிப்படையில், IIHS 2021 முதல் 2024 வரையிலான சுத்திகரிக்கப்பட்ட autonomous crash records மற்றும் Waymo தன்னார்வமாக பகிர்ந்த mileage data-வை பயன்படுத்தி Waymo-க்கு ஆதரவான safety conclusion-ஐ முன்னெடுத்துள்ளது. Automation செயல்பட்டிருந்த 736 public-road crashes-இல் 22% மட்டுமே மனித ஓட்டுநர் reporting-க்கு ஒத்த தரநிலைகளின் கீழ் police-reportable ஆக இருக்கும் என்று institute மதிப்பிட்டது. அந்த குறுகிய குழுவில் 89 Waymo வாகனங்களைச் சேர்ந்தவை; பாதுகாப்பு ஒப்பீட்டிற்காக mileage data கிடைத்த ஒரே நிறுவனம் Waymo ஆக இருந்தது.

இது ஆய்வை குறிப்பிடத்தக்கதாக ஆக்கத் தேவையான அளவு. ஆனால் autonomous driving safety குறித்த இறுதி பதிலாகக் கருதத் தேவையான அளவு இல்லை. இந்த பகுப்பாய்வு, தொழில் எவ்வளவு முன்னேறியுள்ளது என்பதையும், அடிப்படை measurement infrastructure இன்னும் எவ்வளவு குறைவாக உள்ளது என்பதையும் காட்டுகிறது.

அந்த அர்த்தத்தில், இந்த ஆய்வு definitive scorecard-ஆக அல்ல, robotaxis-ஐ மனித ஓட்டுநர்களுடன் ஒப்பிட ஆராய்ச்சியாளர்கள் இன்று என்ன செய்ய வேண்டியுள்ளது என்பதற்கான ஒரு demonstration-ஆக மிகப் பயனுள்ளதாக இருக்கலாம். Autonomous வாகனங்கள் பாதுகாப்பில் பொதுநம்பிக்கையை வெல்ல வேண்டுமெனில், எதிர்கால ஆய்வுகளுக்கு குறைவான statistical triage மற்றும் அதிகமான standardized evidence தேவைப்படும்.

இந்தக் கட்டுரை Jalopnik-இன் செய்தியறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.