Produkte der kategorie
Sozialen Medien
DER UBER CRASH WONT DER LETZTE SCHOCKING SELBSTFAHRENDE TOD
- Jun 18, 2018 -

JEDER, der im autonomen Fahrzeugraum arbeitete, sagte, es sei unvermeidlich. In Amerika - und im Rest der Welt - töten Autos Menschen, rund 40.000 in den USA und 1,25 Millionen in der Welt jedes Jahr. Hohe Geschwindigkeiten, Metallkästen. Selbstfahrende Autos wären besser. Aber niemand versprach Perfektion. Irgendwann haben sie jemanden verletzt.

Dennoch war der Tod von Elaine Herzberg, die vor zwei Wochen von einer selbstfahrenden Uber in Tempe, Arizona, getroffen worden war, ein Schock. Umso mehr, nachdem die Tempe Police Department ein Video des Vorfalls veröffentlicht hatte, das sowohl die Außenansicht - eine minderwertige Dash-Kamera, die das Opfer plötzlich aus der Dunkelheit am Straßenrand erwischte - als auch die Innenansicht von Ubers Sicherheitsfahrer zeigte. Die Frau stellte sich an, um zuzusehen und dann die Kontrolle über das Fahrzeug zu übernehmen, wenn die Technik versagte und sie von der Straße wegschaute.

Aber der Schock schnitt auf verschiedene Arten ab. Der Großteil der Welt sagt das Video und dachte, gee, dieser Crash schien unvermeidlich. In einem Interview mit dem San Francisco Chronicle schlug Tempes Polizeichef sogar so viel vor. "Es ist sehr klar, dass es schwierig gewesen wäre, diese Kollision in irgendeiner Art von Modus (autonom oder menschlich) zu vermeiden, basierend darauf, wie sie aus den Schatten direkt auf die Fahrbahn kam", sagte Chief Sylvia Moir. (Die Polizei sagte später, einige Kommentare von Moir seien "aus dem Zusammenhang gerissen".)

DER KABELFÜHRER FÜR SELBSTFAHRENDE AUTOS
Aber autonome Fahrzeugentwickler waren gestört. Viele Experten sagen, das Auto hätte auf einer weit offenen Fahrbahn einen Fußgänger aufspüren sollen, nachdem sie bereits eine weit geöffnete Fahrspur überquert hatte. "Ich denke, die Sensoren an den Fahrzeugen sollten den Fußgänger im Voraus gesehen haben", sagte Steven Shladover, ein UC Berkeley-Forschungsingenieur, zu WIRED. "Das sollte einfach sein." Irgendetwas lief hier schief.

Diese Kluft zwischen einem Publikum, das an die ganz besonderen Schwächen menschlicher Fahrer gewöhnt ist, und den Ingenieuren, die selbstfahrende Technologie entwickeln, ist sehr wichtig, denn Ubers selbstfahrender Unfall wird nicht der letzte sein. Während Unternehmen wie General Motors, Ford, Aptiv, Zoox und Waymo weiterhin ihre Fahrzeuge auf öffentlichen Straßen testen, wird es mehr Staubwürfe geben, Kotflügeln und ja, Unfälle, die verstümmeln und töten.

"Das Argument ist, dass die Unfallrate sinken sollte, wenn die Autonomie auf ein bestimmtes Niveau gereift ist", sagt Mike Wagner, Mitbegründer und CEO von Edge Case Research, der Robotikunternehmen dabei hilft, robustere Software zu entwickeln. "Aber wie wir von hier nach dort kommen, ist nicht immer klar, besonders wenn es viele Tests auf der Straße braucht."

Wenn Unternehmen Fehler austesten und mit ihren Algorithmen zum maschinellen Lernen herumspielen, erwarten sie, dass diese Fahrzeuge auf seltsame Weise durcheinander kommen. Abstürze, die unvermeidlich sind, sind die, die diese Technologie verhindern soll. Manöver, die für Menschen einfach zu sein scheinen, werden die Roboter stümpfen. Eines Tages könnten selbstfahrende Autos viel sicherer sein als menschliche Fahrer. Aber in der Zwischenzeit ist es hilfreich zu verstehen, wie diese Fahrzeuge funktionieren - und die seltsamen Arten, in denen sie schief gehen.

Sensoren

Sensoren sind selbstfahrende Autos "Augen" - sie helfen dem Fahrzeug zu verstehen, was um sie herum ist. Kameras eignen sich gut zum Erfassen von Linien und Schildern, aber sie erfassen Daten in 2-D. Radargeräte sind billig, über lange Strecken sehr gut und können einige Barrieren "sehen", bieten aber nicht viele Details.

Hier kommt Lidar ins Spiel. Der Lasersensor erzeugt mithilfe von Lichtimpulsen ein 3D-Bild der Umgebung. Das von einer Firma namens Velodyne verwendete Lidar Uber wird von vielen als das beste System auf dem Markt angesehen. (Mit rund 80.000 Dollar ist es auch eines der teuersten.) Aber auch das beste Lidar funktioniert ein bisschen wie das Spiel Battleship. Die Laserimpulse müssen auf genügend Teile des Objekts treffen, um ein detailliertes Verständnis seiner Form zu erhalten, und zwar innerhalb weniger Sekunden. Idealerweise gibt dies dem Sensor eine genaue Ablesung der Welt, die Art der gut informierten, auf Ziel ausgerichteten Vermutung, die einem Spieler helfen könnte, die Flotte eines anderen zu versenken (oder in diesem Fall zu meiden).

Aber es ist möglich, besonders wenn das Fahrzeug mit hoher Geschwindigkeit fährt, dass die Laser nicht auf den richtigen Dingen landen. Das könnte vor allem bei Experten der Fall sein, wenn sich ein Objekt wie Herzberg senkrecht zum Fahrzeug bewegt. Dies wird für menschliche Fahrer seltsam klingen, die viel eher eine Person oder ein Fahrrad sehen, wenn ihre vollen Formen im Profil aufgedeckt werden. Aber wenn es eine weniger konsistente Perspektive gibt - wenn sich ein Objekt Sekunde für Sekunde bewegt - ist es für das System schwieriger zu interpretieren und zu klassifizieren, was die Bewegung ausführt.

Einstufung

Und Klassifizierung ist der Schlüssel. Diese Systeme "lernen" über maschinelle Lernsysteme, die mit einem gigantischen Datensatz von Straßenbildern - Bordsteine, Fußgänger, Radfahrer, Fahrspuren - versorgt werden müssen, bevor sie Objekte selbst identifizieren können.

Aber das System kann schief gehen. Es ist möglich, dass Uber-Ingenieure den maschinellen Lernprozess durcheinander brachten und dass die selbstfahrende Autosoftware einen Fußgänger und ihr Fahrrad als eine Plastiktüte oder ein Stück Pappe interpretierte. Sogar kleine Dinge wurden beobachtet, um diese Systeme zu täuschen, wie ein paar Klebestreifen auf einem Stoppschild. Es ist auch bekannt, dass selbstfahrende Autos schimmernde Auspuffanlagen als feste Objekte sehen.

Wagner, der dieses Problem studiert hat, entdeckte, dass ein System bestimmte Wetterbedingungen nicht durchschaute - selbst wenn Objekte für das menschliche Auge noch vollständig sichtbar waren. "Wenn es die kleinste Menge an Nebel gab, verlor das neuronale Netzwerk sie", sagt er.

Wenn die Klassifizierung deaktiviert ist, sind die Vorhersagen des Systems möglicherweise ebenfalls deaktiviert. Diese Systeme erwarten, dass sich Menschen auf spezifische Weise bewegen und Plastiktüten sich in einem anderen bewegen. Diese Art von Vorhersagen hätte auch verpfuscht werden können. Wenn Klassifizierung das Problem ist, muss Uber möglicherweise zusätzliche Hunderttausende von Bildern sammeln, um ihr System neu zu trainieren.

Die Software

Oder Abstürze wie Ubers könnten durch Fehler verursacht werden. Autonome Fahrzeuge führen Hunderttausende von Codezeilen aus. Ein Ingenieur hätte irgendwo ein Problem einführen können. Oder vielleicht hat das System irrtümlicherweise Sensordaten verworfen, die es zur Identifikation hätte verwenden sollen, und dann der Frau ausweichen müssen.

Wahrscheinlich wird dieser Absturz und zukünftige Abstürze Kombinationen vieler Dinge sein. "Ich vermute, dass dies das Ergebnis einer komplexen Abfolge von Dingen ist, die noch nie zuvor passiert sind", sagt Raj Rajkumar, der autonome Systeme an der Carnegie Mellon University studiert. Mit anderen Worten: ein perfekter Sturm. Ein System ist fehlgeschlagen, und auch die Sicherung ist fehlgeschlagen. Das letzte Fail-Safe, das System, das im letzten Moment eingreifen soll, um Gefahren zu vermeiden, ist ebenfalls gescheitert. Das war der Fahrer der menschlichen Sicherheit.

"Einer der Prozesse, einen Roboter zu bauen, der echte Dinge tun muss, ist, dass reale Dinge unglaublich kompliziert und schwer zu verstehen sind", sagt Wagner. Roboter verstehen keinen Augenkontakt oder Wellen oder Nicken. Sie denken vielleicht, dass zufällige Dinge Wände oder Büsche oder Papiertüten sind. Ihre Fehler werden dem menschlichen Auge geheimnisvoll und alarmierend erscheinen. Aber diejenigen, die den Tech entwickeln, bleiben bestehen - denn betrunken, schläfrig oder abgelenkt zu sein, wird den Robotern geheimnisvoll erscheinen.



Quelle: https://www.wired.com/story/uber-self-driving-crash-explanation-lidar-sensors/