Gelecekteki insansız araçların anahtarı olan veriler, sensörler ve araç çağırma hizmetleri?
Tang Xu, Benedict Evans blogundan derlendi
Qubit Raporu | Genel Hesap QbitAI
Bu makalenin yazarı Benedict Evans, bir Silikon Vadisi risk sermayesi şirketi olan Andreessen Horowitz'in (A16Z) ortağıdır ve esasen "mevcut durumu ve ne olacağını anlamaktan" sorumludur.
A16Z, teknoloji geliştirme eğilimleri hakkında iki kez şaşırtıcı (başlık partisi) kararlar verdi. İlk kez 2011'de yönetici ortağı Mark Anderson tarafından yazılan "Yazılım dünyayı yiyor" idi. Benidict Evans'ın 2014'te şirketin teknoloji zirvesinde paylaştığı "Mobil Dünyayı Yiyor" ...
Geçtiğimiz günlerde Evans, blogunda "Kazanan-otonom arabalarda tüm etkileri alır" başlıklı bir makale yayınladı ve otonom otomobil endüstrisinin gelişim eğilimini iş perspektifinden analiz etti. Sensörler, sürüş teknolojisi, rota optimizasyonu, talep üzerine servisler, veriler ve diğer seviyeler, hangisi insansız araç şirketlerine ölçek efektleri getirebilecek ve kazanan-hepsini elde edebilecek sihirli silah hangisi?
Bu makale kendi blogundan geliyor, Qubit derleyip altyazılar ekledi.
Şimdi düzinelerce şirket insansız araç teknolojisini kazanmaya çalışıyor. OEM'ler, geleneksel tedarikçiler, ana akım teknoloji devleri ve start-up şirketleri çok geride değil - tabii ki herkes başarılı olamaz, ancak Bunların arasında çoğunun başarı şansı var.
Bu da insansız araçlar alanında "kazanan her şeyi alır", bunun nerede gerçekleşeceği ve nasıl gerçekleştirileceği konusunda insanları düşünmeye sevk ediyor.
İnsansız araçlar alanında, akıllı telefonlar ve PC işletim sistemleri gibi bir "ağ etkisi" olacak mı, bir veya iki büyük şirketin diğerlerini sıkıştırmasına izin verecek mi?
Rekabete devam etmek için beş veya on şirkete yer olacak mı?
Hangi seviyedeki zafer diğer seviyeleri güçlendirecek?
Geleceğin otomotiv endüstrisindeki güç dengesine doğrudan işaret eden bu konular tartışmaya değerdir. Otomobil üreticileri otonom sürüş teknolojisini düzinelerce şirketten "bir kutuda" satın alabilirler (veya bunları kendileri yapabilir) ve Uber Waymo, oyunun kurallarını özgürce ve vicdansız bir şekilde belirleyebilen tek ikisidir. Bu tamamen iki dünya.
Microsoft ve Intel, bilgisayar dünyasının boğazını boğdu ve Google akıllı telefonların ayaklarını kaşıdı - sürücüsüz otomobil endüstrisinin kilit noktaları nerede görünecek?
Donanım: ağ etkisi yok
Her şeyden önce bir şey çok net görünüyor: self servis sistemler ve elektrik sistemleri için donanım ve sensörler ortak ürünler haline gelecek. LED ekranlar gibi son ikisi birçok teknik ve mühendislik detayı içerir, ancak seçimler söz konusu olduğunda kalabalığı takip etmek zorunda değilsiniz. Burada güçlü bir üretici ölçek etkisi var, ancak ağ etkisi yok.
Lidar'ı örnek alalım.
Bu şeyler 50.000 $ 'lık bir "dönen aile kovası" ile birkaç yüz dolar veya daha düşük küçük katı hal lidar arasında değişir.Elbette kazananlar olacak, ancak ağ etkisi olmayacak.
Çünkü lidar savaş alanını kazanmak diğer savaş alanlarını etkilemeyecek (bir tekeliniz yoksa), tıpkı "en iyi görüntü sensörlerini oluşturmak ve bunları Apple'a satmak" gibi Sony'nin akıllı telefon işine yardımcı olmuyor.
Bataryalar, motorlar ve bunların kontrol sistemleri, tıpkı elektronik endüstrisindeki RAM gibi, hepsi emtiadır - bir kez daha, bu alan çok fazla teknoloji içerir, ölçek etkilerine sahip olacak ve bazı kazananlar olabilir, ancak olmayacak Daha geniş etki.
İsteğe bağlı hizmetler: mutlaka uygulanabilir değildir
Öte yandan, üçüncü taraf yazılım geliştiricilerin ekosistemi için, geçmiş bilgisayarların ve akıllı telefonların yolunu izlemek o kadar kolay olmayabilir.
O zamanlar Windows, Mac'i devirdi, iOS ve Android, Windows Phone'u altüst etti, çünkü her şeyin üstünde verimli bir geliştirici çemberi oluşuyordu - ancak arabalar söz konusu olduğunda, kaç uygulama çalıştırabileceğinize bağlı değilsiniz. Hangi arabayı alacağınıza karar vermek için. Uber, Lyft veya Didi'ye bağlanabilirler ve ekranların tümü telefonunuzdaki şeyler değil, Netflix'tir.
Aksine, dikkat edilmesi gereken alan arabanın içinde değil, insansız araçların güvenli bir şekilde yolda, dağıtım ve rota optimizasyonunda şehir ölçeğinde olmasını sağlayan yazılımda daha üst düzeydedir (bu, hepimizin olacağı anlamına gelir. Kendi kendine giden arabalar, geçimini sağlayacak ve talep üzerine hizmet verecek "robot taksi filosunda" ayrı ayrı savaşmaktan çok bir sistem olarak görülüyor.
Açıktır ki, isteğe bağlı servis yazılımının bir ağ etkisi vardır, ancak bu, sürücüsüz otomobil endüstrisinde çok daha karmaşıktır. İsteğe bağlı insansız taksi filosu, kendi araçlarını dinamik olarak önceden konuşlandıracak ve büyük olasılıkla, kalan tüm insansız araçların maksimum verimlilik elde etmek için rotalarını gerçek zamanlı olarak koordine etmesi gerekiyor.
Bu optimizasyonun, "tüm insansız araçlar aynı anda aynı rotayı seçmesi" gibi durumlardan kaçınmak için farklı filoları kapsaması gerekebilir. Buna karşılık, bu, dinamik fiyatlandırma ve tüm farklı yol fiyatlandırma yöntemleriyle birleştirilebilir - yoğun saatlerde, varış noktanıza daha hızlı ulaşmak için daha fazla harcama yapmanız gerekebilir veya fiyata göre varış zamanını seçebilirsiniz. .
Teknik açıdan bu üç katman ( Talep üzerine sürüş, yönlendirme ve optimizasyon ) Büyük ölçüde bağımsızdır - bu varsayıma göre, bir Lyft uygulamasını GM üretimi kendi kendine giden bir araca yükleyebilir, önceden yüklenmiş Waymo kendi kendine sürüş yazılımının onu sürmesine ve başkalarını taşımasına izin verebilirsiniz. Gezintiye çıkın.
Elbette, bazı insanlar farklı seviyeler arasında bir kaldıraç etkisi olacağını umuyor veya bunları bir araya getirmek istiyor.Örneğin, Tesla, yolcuların kendi kendine giden arabalarında kendi ürünleri dışında isteğe bağlı hizmetleri kullanmalarını yasaklamayı planlıyor. Ancak tersi işe yaramayacak.Uber, yalnızca kendi otonom sürüş sistemini kullanmanız konusunda ısrar etmeyecek.
Microsoft, Windows'un Office ile etkileşime girmesine izin vermesine rağmen, her ikisi de çok güçlü ve her ikisi de kendi ağ etkileriyle ilgili pazarlarını kazandı.
Gelecekte, küçük bir OEM, küçük insansız taksi hizmetini kullanmanıza izin vermekte ısrar ederse, bu, Apple'ın 1995'te Microsoft Office kullanmak yerine AppleWorks ofis yazılımını satın almakta ısrar etmesi gibidir.
Bu durum iyi bir örnek olabilir. Eğer tüm insansız araçlar şehirler arası koordinasyon yapabiliyorsa veya belirli kavşaklarda araçlar arasında iletişim kurabiliyorsa, bazı ortak seviyeler oluşturmanız gerekecektir (her ne kadar her zaman iyimser olsam da Merkezi olmayan bir sistemdir).
Veri: ağ etkilerinin anahtarı
Aslında bunların hepsi tahminler, tıpkı 1900'deki trafik sıkışıklığının sahnesini tahmin etmek gibi.
Ve anahtar ağ etkilerinin nasıl görüneceğini tartışabileceğimiz tek alan, otonom araçların kendileridir. Bu konu donanım, sensörler ve yazılımla ilgili, ancak daha çok verilerle ilgili.
İnsansız araçlar için iki tür veri daha önemlidir - haritalar ve sürüş verileri.
Önce haritadan bahsedeyim.
Beynimiz aslında sürekli olarak verileri işliyor ve çevremizdeki dünyanın 3 boyutlu bir modelini oluşturuyor.Bu gerçek zamanlı ve bilinçsiz, böylece bir ormanda yürürken ağaç köklerine takılmayacağız veya başımızı dallardan çarpmayacağız. İnsansız araçlar için bu işleme SLAM (Senkron Yerelleştirme ve Haritalama) denir - çevredeki ortamı haritalandırır ve kendimizi içinde buluruz.
İnsansız araçlar için bu, açıkça temel bir gerekliliktir - insansız araçların nerede olduklarını, etraflarında hangi özelliklerin olduğunu (seyahat şeritleri, kavşaklar, bordürler, trafik ışıkları vb.) Diğer insansız araçların nerede olduğunu ve ne kadar hızlı çalıştıklarını anlayın.
Bunu gerçek bir yolda gerçek zamanlı olarak başarmak hala çok zor. İnsanlar araba kullanırken görmeyi (ve işitmeyi) kullanır, ancak makinelerin çevredeki görüntülere dayalı olarak yeterince doğru bir 3B modeli soyutlaması hala zor bir sorundur: makine öğrenimi bu şeyin gerçekleştirilmesini artırır Olasılık, ancak hiç kimse gerçek sürüş için gereken doğruluk seviyesine ulaşamaz.
Bu yüzden kısayolları kullanıyoruz.
Bu nedenle, tüm otonom sürüş projeleri vizyonu 360 derece lidar ile birleştiriyor: her sensörün kendi sınırlı aralığı vardır, ancak bunları birleştirerek (sensör füzyonu) tam bir görüntü elde edebilirsiniz. .
Gelecekte, yalnızca görüntülere dayalı olarak çevredeki dünyanın bir modelini oluşturmak mümkün olacak, ancak daha fazla sensör kullanmak, iyileştirme maliyetlerini göz önünde bulundurmanız gerekse bile hedeflerinize daha hızlı ulaşmanızı sağlayacaktır. Ve sorunları şekillendirin.
Lidar bir kısayol.
Bununla birlikte, belirli arabaların şekli veya bisiklete binen insanlar gibi içeride ne olduğunu anlamak için genellikle makine öğrenimini kullanmanız gerekir. Ancak bu şeyin bir ağ etkisi yok gibi görünüyor: Ekip olmasa bile sistemi eğitmek için yeterli sayıda bisikletçi fotoğrafı çekebilirsiniz.
Lidar, SLAM'a kısayol ise, diğeri ve daha ilginç olanı önceden oluşturulmuş bir harita veya daha doğrusu "HD 3D model" kullanmaktır.
Yolu önceden araştırırsınız, sakin bir şekilde tüm verileri işlersiniz, yolun bir modelini oluşturursunuz ve sonra onu yola çıkmak üzere bir arabaya koyarsınız, böylece sürücüsüz arabanın gerçek zamanlı olarak saatte 65 mil hızla işlemesine gerek kalmaz. Tüm veriler veya trafik ışıklarının keşfi, herhangi bir zamanda, bazı yer işaretleri aracılığıyla kendisini haritada bulabilir.
Bu tür bir haritanın bir ağ etkisi vardır.
Herhangi bir insansız araç önceden haritalanmış bir yolda ilerlediğinde, bu sadece haritayı yolla karşılaştırmakla kalmaz, aynı zamanda haritayı da günceller: her insansız araç bir veri toplama aracı olabilir.
500.000 insansız araç sattıysanız ve başka bir kişi yalnızca 10.000 sattıysa haritanız daha sık ve daha doğru güncellenecek, böylece insansız araçlarınız da Görmediğiniz bir şeyle kafanızın karışması daha az olasıdır.
Ne kadar çok araba satarsanız, arabalarınız o kadar iyi olur - bu şüphesiz bir ağ etkisidir.
Ancak bunun riski, uzun vadede arabalar SLAM'ı lidar olmadan gerçekleştirebildiği için, bunu önceden hazırlanmış haritalar olmadan da yapabilirler - sonuçta insanlar bunu yapabilir. Bunun olup olmayacağı ve ne zaman olacağı hala belirsiz, ancak gerçeğe dönüştüğünde uzun süre insansız araçlar seri üretilecek.
bu nedenle Harita, verilerdeki ilk ağ etkisidir.
İkincisi, insansız aracın çevreyi anladıktan sonra karar vermesidir.
Boş bir yolda araç kullanmak veya insansız araçlarla dolu bir yolda araba kullanmak bir sorundur, ancak onu "gördükten" sonra, yoldaki diğer insanların ne yapacağını ve nasıl tepki vereceğini anlamak tamamen farklıdır. bir soru.
Otonom sürüşün gerçekleştirilmesini destekleyen buluşlardan biri, makine öğreniminin bununla çok iyi başa çıkabilmesidir: karmaşık yorumlama kuralları yazmaya gerek yoktur, makine öğrenimi verileri kullanır. Gerçek dünyadaki insan sürücü davranışı ve tepkileri hakkında ne kadar fazla veri, o kadar iyi ve ne kadar fazla veri toplanırsa, yazılımınızın mevcut durumu o kadar iyi anlayacağını ve bir sonraki hareketi planlayacağını bilin.
Bu bir harita gibi. Ne kadar çok araba satarsanız, arabanız o kadar iyi - bu şüphesiz bir ağ etkisidir.
Simülasyon, sürüş verilerinin başka bir kullanımıdır. Bu, "x olursa, otopilot yazılımımız nasıl yanıt verir" sorununu çözebilmelidir. Bunu yapmanın bir yolu, kendi kendine giden bir araba yapmak ve ardından başka herhangi bir sürücünün rastgele davranışına nasıl tepki vereceğini görmek için gerçek şehrin etrafında dolaşmasına izin vermektir. Ancak sorun şu ki, bu kontrol edilebilir bir deney değil - sorunun çözülüp çözülmediğini görmek için orijinal sahneyi tam olarak yeniden oluşturamazsınız.
Öyleyse, umutlarımızı simülasyona koymalıyız - sürücüsüz araç yazılımınızı GTA'ya koyun (bunun anlamı budur) ve sonra istediğiniz testleri yapın. Yapamayacağı bazı şeyler ("lidar kamyonları algılar mı?" Gibi), bazı simülasyon senaryoları döngüseldir, ancak sistemin belirli senaryolara nasıl tepki vereceğini söyler ve ardından Bu durumları gerçek sürüş verilerinde toplayın.
Yani bu doğrudan bir ağ etkisidir: ne kadar çok sürüş verisine sahip olursanız, simülasyonunuzu o kadar doğru yapabilir ve yazılımınızı o kadar iyi yapabilirsiniz.
Elbette, ölçek açısından, simülasyonun avantajları, karşılayabileceğiniz bilgi işlem kaynakları, işe dahil olan kişi sayısı ve büyük ölçekli bilgi işlem projeleri için gereken uzmanlık miktarı gibi çok açıktır. Waymo, Google'ın kardeş şirketi olarak bir avantaja sahip: 2016 yılında, 1 milyar mil simülasyon gerçekleştirirken haftada 25.000 "gerçek" otonom sürüş mili rapor etti.
Tesla'nın haritalarda ve sürüş verilerinde lider konumda olduğu söylenebilir: 2016'nın sonlarında, Otopilot sistemi ile donatılmış tüm yeni arabaları, neredeyse 360 derecelik bir görüş alanı sağlayan 8 kamera ile kapatıldı. İki ileri radarla desteklenir. Bu sensörlerin tümü aynı anda harita ve sürücü davranış verilerini toplar ve Tesla'ya geri bildirimde bulunur. Yalnızca ileri bir radar olduğu için Tesla, haritaların çoğunu oluşturmak için yalnızca görüntülere güvenecek, ancak daha önce de söylediğim gibi, bu çalışmayı nasıl doğru bir şekilde tamamlayacağımızı bilmiyoruz.
Bu, Tesla'nın çok sayıda okunabilir veri topladığı anlamına gelir (veya en azından eksiksiz bir çözüm üretmek için yeterli veri).
Tabii ki, sadece veri toplamakla kalmamalısınız, aynı zamanda gerçek sürüş problemini de çözmelisiniz, bu yüzden Tesla şimdi bilgisayarla görme geliştirmenin hızı konusunda aykırı bir bahis yapıyor.
Tesla, zamandan tasarruf etmek için ucuz ve kullanımı kolay lidar beklemedi, ancak daha zor sorunları çözmek için bilgisayarla görme yazılımını kullanmayı seçti, bu da daha uzun sürebilir. Ve otonom sürüş için gerekli olan diğer tüm yazılımlar - insansız araçlar için karar verenler - yeterince uzun sürerse, insansız araçlar yola çıkmadan önce ucuz ve kullanımı kolay lidar ortaya çıkabilir. Sla utanmıştı. Bekleyip göreceğiz.
Bu nedenle, ağ etkisi - "kazanan hepsini alır" etkisi verilerde yatar: sürüş verileri ve haritalar dahil.
Bu iki soruyu gündeme getiriyor: Verileri kim alacak ve ne kadar veriye ihtiyacınız var?
Veri sahipliği İlginç bir güç ve değer zinciri meselesi. Açıkçası Tesla, tüm önemli teknik sorunları kendi başına çözmeye ve bunları kendi arabalarında kullanmaya çalışıyor, dolayısıyla Tesla da verilere sahip olacak. Ancak bazı OEM'ler arabanın kendilerine ait olduğunu ve müşteri ilişkilerinin kendilerine ait olduğunu söyleyecektir, bu nedenle veriler de onlara ait olmalıdır.Verilerin nasıl kullanılacağına dair karar hiçbir teknoloji ortağına değil, onların elinde olmalıdır.
Sensör tedarikçilerinin bakış açısına göre bu geçerli bir tutum olabilir: Verileri tutmaya çalışırken, GPU'ları, kameraları ve lidarları emtia olarak satmanın sürdürülebilir olduğundan emin değilim. Ancak iş ihtiyaçları nedeniyle, insansız araçlar için parça üreten şirketlerin verilere ihtiyacı var. Verileri teknolojiye geri döndürmezseniz, ikincisi iyileştirilemez.
Bu, OEM'lerin tedarikçileri için ağ değeri yaratacağı, ancak hiçbir şey alamayacakları anlamına gelir. Bu, PC veya Android OEM'leri ile aynı durumdur: Ürünlerinde yazılım kullanmayı kabul ederek ağ etkileri yaratırlar, bu da ürünleri satmalarına olanak tanır, ancak ürünleri "yarı mal" ve ağ Etki teknoloji şirketlerine de akacak.Teknoloji şirketleri için bu erdemli bir döngüdür ve değerin çoğu OEM'ler yerine tedarikçilere akacaktır. Bu nedenle çoğu otomobil OEM'i kendine güvenmek istiyor: Compaq gibi GG'yi istemiyorlar.
Bu beni nihai soruya götürüyor: Gerçekten ne kadar veriye ihtiyacınız var? İçine daha fazla veri eklediğinizde, sistem daha da güçlenmeye devam edebilir mi? Başka bir deyişle, bu konuda bir S eğrisi var mı - belirli bir düğümden sonra, daha fazla veri eklemek azalan getirilere neden olur mu?
Başka bir deyişle, ağ etkisi ne kadar güçlü?
Haritalar için bu bariz bir sorundur . Haritanızı hangi araç yoğunluğu ve sıklığı daha iyi hale getirebilir? Bu, en düşük pazar payına mı dönüşecek? Pazar katılımcılara ne kadar yer bırakıyor? On şirket mi, iki mi? Bir düzine ikincil OEM, ittifaklar kurabilir ve verileri paylaşabilir mi? Teslimat kamyonları, tıpkı bugün diğer harita verisi türlerini sattıkları gibi kendi verilerini satabilir mi?
Bu hala tüketici yazılım ekosisteminden farklıdır - RIM ve Nokia, BlackBerry ve S60 kullanıcı tabanına müdahale edemez, ancak bunu harita üzerinde yapabilirsiniz. Bu giriş için bir engel mi yoksa giriş koşulu mu?
Bu soru aynı zamanda verileri yönlendirmek için de geçerlidir ve aslında tüm makine öğrenimi projeleri için geçerlidir. : Daha fazla veri eklediğinizde hangi noktada azalan getiri oluşur; eğri hangi noktada düzleşir? Kaç kişi bu kadar büyük miktarda veri alabilir?
Örneğin, genel amaçlı araştırmalar için iyileştirme sınırsız görünüyor. Ama insansız araçlar için, kesin konuşmak gerekirse, bu mesele bir tavana sahip olmalıdır - eğer insansız bir araç Napoli'de bir yıl boyunca baskı olmadan gidebiliyorsa, ne kadar iyileştirme yapılması gerekiyor? Belli bir yıl içerisinde etkin bir şekilde tamamlayabileceksiniz.
Bu nedenle, ağ etkisi, daha fazla kullanıcınız varsa ürününüzün daha iyi olacağı anlamına gelir, ancak ürününüz "yeterince iyi" hale gelmeden önce kaç kullanıcıya ihtiyacınız var? Sürücüsüz aracınız piyasanın en iyisi haline gelmeden önce kaç arabayı satmanız gerekiyor? Bu seviyeye kaç firma ulaşabilir? Aynı zamanda, makine öğreniminin kendisi de hızla değişiyor - bir gün, otonom sürüşü gerçekleştirmek için gereken veri miktarı büyük ölçüde azalacak.
özet
Yukarıdakilerin tümü, gelecekteki otonom sürüş sisteminin iyi veya kötü olacağı varsayımına dayanmaktadır. Ama "kötü" sürücüsüz araba ne anlama geliyor? Araba kazası geçirme olasılığınızı artıracak mı yoksa insansız araçların kafasının karışması ve insan desteğini bekleyen yol kenarına park etmesi daha mı kolay olacak? Manuel kontrol cihazı çıkacak mı? Araba sizi bunu yapmaya teşvik edecek mi?
Sorunun cevabı sanırım L5 seviyesinde otomatik sürüşün L4'ün evrimi olacağı ve her arabanın manuel kontrol sistemlerine sahip olacağı ancak gittikçe daha az kullanılacağı.
Manuel kontrol gittikçe daha fazla kullanılmadıkça, L5 seviyesi otomatik sürüş resmi olarak sahneye girecek. Bu senaryoya göre kademeli olarak uygulanabilir, L5'i önce Almanya'da, sonra Napoli, Moskova'da uygulayabiliriz ... Bu, tam otomatik sürüşün gerçekleştirilmesinden önce toplanan verilerin ağ ölçeğinde çok iyi kullanılacağı anlamına gelecektir. .
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
