Intel และ Mobileye อธิบายชัดว่า ทำไมจึงไปทดสอบรถยนต์อัตโนมัติในเยรูซาเลม

Intel และ Mobileye เริ่มปล่อยกลุ่มยานยนต์อัตโนมัตินับร้อยคันออกวิ่งในช่วงแรก ภายใต้สภาพจราจรที่มีความท้าทายและขับได้ยากของกรุงเยรูซาเลม เป็นการขับบนถนนที่แสดงให้เห็นถึงความสามารถทางเทคโนโลยีและการเข้าสู่เป้าหมายของ Mobileye และยังเป็นการพิสูจน์ด้วยว่า แบบจำลอง Responsibility-Sensitive Safety ทำให้การขับมีความปลอดภัยมากขึ้น

การวิ่งบนถนนของยานยนต์อัตโนมัติ (AV) ครั้งนี้ไม่ใช่การทดสอบครั้งแรกของกลุ่มรถ Mobileye แต่การมาที่เยรูซาเลมแสดงให้เห็นถึงการเข้าสู่เป้าหมายได้ในพื้นที่หลากหลายแบบที่มีความท้าทายต่อภูมิปัญญา จากประสบการณ์กว่า 20 ปีที่ผ่านมาได้ยกระดับการมองเห็นของคอมพิวเตอร์และปัญญาประดิษฐ์ (AI) ให้สูงขึ้น ยานยนต์อัตโนมัตินี้จะเป็นการพิสูจน์ให้เห็นถึงวิธีการแก้ปัญหาของ Mobileye และ Intel ว่ามีประสิทธิภาพและเกิดประสิทธิผลที่สุด และในอีกไม่กี่เดือนข้างหน้า จะมีการขยายกลุ่มรถยนต์นี้ไปที่สหรัฐอเมริกา และภูมิภาคอื่นๆ

จุดต่างที่สำคัญของระบบ Intel-Mobileye คือ การออกแบบโดยมุ่งเป้าไปที่ความปลอดภัย และสามารถขยายผลจากจุดเริ่มต้นไปสู่การผลิตได้ โดยเฉพาะอย่างยิ่งการทำให้ยานยนต์รับจากจุด A ไปส่งจุด B ให้เร็วกว่า, ราบลื่นกว่า และราคาไม่แพงไปกว่ารถยนต์ที่คนเป็นผู้ขับ สามารถไปในภูมิประเทศต่างๆ ได้ตามเป้าหมาย เพิ่มความปลอดภัยได้มากกว่ามนุษย์เป็นคนขับนับพันเท่าโดยไม่ต้องทดสอบบนถนนสาธารณะที่ยาวไกลนับพันล้านไมล์

รถคันแรกในกลุ่มรถยนต์อัตโนมัติ Intel-Mobileye จากจำนวน 100 คัน ที่วิ่งทดสอบบนถนนในกรุงเยรูซาเลม ประเทศอิสราเอล ในเดือนพฤษภาคม พ.ศ. 2561
Photo Credit: Intel Corporation

ทำไมต้องมาขับที่เยรูซาเลม

Mobileye มีฐานเดิมอยู่ที่อิสราเอล จึงสะดวกที่สุด และต้องการทดสอบด้วยว่าเทคโนโลยีนั้นสามารถทำงานในภูมิประเทศต่างๆ ได้ และอยู่ภายใต้สภาวะการขับทุกรูปแบบ เยรูซาเลมเป็นแห่งหนึ่งที่ขึ้นชื่อไม่ดีนักในด้านการขับขี่ ถนนไม่ได้สมบูรณ์แบบ และยากต่อการทำความเข้าใจ คนไม่ได้ข้ามถนนบนทางม้าลายเสมอไป รถยนต์อัตโนมัติที่เข้ามาวิ่ง จึงไม่ต้องใช้ความเร็วที่ต้องระมัดระวังมากจนเกินไป ทั้งจากการจราจรที่แออัด หรือศักยภาพต่างๆ ที่จะทำให้เกิดอุบัติเหตุ และต้องแสดงให้เห็นอีกว่าเป็นการขับอย่างมั่นใจ และตัดสินใจได้เร็วเหมือนกับคนขับในท้องถิ่น

สภาพแวดล้อมแบบนั้นทำให้เอื้อต่อการทดสอบทางเทคโนโลยี และ Mobileye ขณะเดียวกัน นโยบายการขับ (driving policy) ที่มีความชัดเจนขึ้น ทำให้ Intel-Mobileye ไปที่นั่น ซึ่งนโยบายการขับเป็นเรื่องหนึ่งที่อยู่ในแผนและการตัดสินใจ เป้าหมายหลายอย่างจำเป็นต้องทำออกมาให้ดีที่สุด บางอย่างก็เป็นโอกาสที่จะทำให้ดีขึ้นไปพร้อมกัน เช่น ทำให้เกิดความปลอดภัยที่สุดโดยไม่ต้องระมัดระวังมากจนเกินไป, ลักษณะการขับให้เหมือนกับคนเป็นผู้ขับ (ไม่สร้างความแปลกใจให้กับคนขับอื่นๆ) โดยไม่เป็นเหตุนำไปสู่การเกิดความผิดพลาดของมนุษย์

เพื่อให้บรรลุผลต่อการสร้างความสมดุลที่ละเอียดอ่อนดังกล่าว ยานยนต์อัตโนมัติ Mobileye จำเป็นต้องแยก ‘ระบบที่อยู่ในแผนดำเนินการขับ’ ออกจาก ‘ระบบที่อนุมัติให้ดำเนินการ’ (หรือปฏิเสธดำเนินการ) ซึ่งแต่ละระบบถูกนำมาใช้ในทางปฏิบัติกับกลุ่มรถยนต์ที่มีอยู่ในขณะนี้อย่างเต็มที่

สร้างสมดุลระหว่างความปลอดภัยกับความมั่นใจ

ส่วนหนึ่งของนโยบายการขับที่อยู่ในแผนดำเนินการ (proposes actions) คือ ให้ผ่านการฝึกแบบออฟไลน์ก่อน เพื่อทำให้เกิดความมั่นใจ, ไปได้อย่างราบลื่น และมีลักษณะเหมือนมนุษย์เป็นผู้ขับมากที่สุด สิ่งเหล่านี้มีอยู่ในซอฟต์แวร์ที่อยู่ในความครอบครองซึ่งพัฒนาขึ้นบนฐานของปัญญาประดิษฐ์ พร้อมกับการเสริมด้วยเทคนิคการเรียนรู้ ซึ่งระบบนี้ถือได้ว่าก้าวหน้าไปมากในกลุ่มรถยนต์

อย่างไรก็ตาม เพื่อให้เกิดความรู้สึกมั่นใจที่เพียงพอต่อการยืนยันถึงวิธีการขับว่า นี่คือ “คนขับ” จำเป็นต้องเข้าใจขอบเขตของการขับอย่างมั่นใจ (drive assertively) ที่อาจเป็นเหตุนำมาซึ่งความไม่ปลอดภัย Intel-Mobileye จึงสร้างแบบจำลองการควบคุมระบบ AI ด้วยการห่อหุ้มกฎแห่งความปลอดภัยเอาไว้ ที่เรียกว่า Responsibility-Sensitive Safety (RSS)

RSS เป็นแบบจำลองที่ทำให้หลักการสามัญสำนึกมีระเบียบแบบแผน ซึ่งหมายถึง การขับอย่างปลอดภัยที่ถูกอธิบายด้วยสูตรคณิตศาสตร์ นั่นคือ การทำให้เครื่องจักรเกิดความเข้าใจได้ (เช่น ระยะวิ่งตาม/ระยะแทรกที่มีความปลอดภัย, ไปถูกทาง และการเตือนว่ามีสิ่งกีดขวางอยู่โดยรอบ) ถ้าซอฟต์แวร์ที่อยู่บนฐานของ AI นี้เสนอแผนดำเนินการโดยที่อาจจะเป็นการฝ่าฝืนอย่างใดอย่างหนึ่งกับหลักการสามัญสำนึกแล้ว ระดับชั้น RSS สามารถตัดสินใจปฏิเสธได้

กล่าวอย่างง่าย นโยบายการขับที่อยู่บนฐาน AI จะทำให้ AV รับจากจุด A ไปส่งจุด B ได้อย่างไร ซึ่ง RSS ได้ป้องกัน AV เอาไว้จากสถานการณ์ที่จะเป็นสาเหตุของการเกิดอันตรายตามเส้นทาง การที่ RSS ทำให้เกิดความปลอดภัยได้นั้นสามารถตรวจพิสูจน์ได้จากการออกแบบระบบ โดยไม่จำเป็นต้องขับยานยนต์ที่ไม่เคยผ่านการทดสอบมาก่อนบนถนนสาธารณะเป็นพันล้านไมล์ กลุ่มเครื่องมือที่มีอยู่ในตอนนี้ได้จัดเตรียมการห่อหุ้มความปลอดภัยสำหรับ Mobileye เอาไว้แล้วอย่างเหมาะสม

นอกจากนี้ การทำงานของ Intel-Mobileye ยังมีแนวทางแบ่งปันเป้าหมายไปสู่สาธารณะ และมองไปที่การทำงานร่วมกับมาตรฐานที่จะนำไปสู่อุตสาหกรรม นั่นคือ ทำให้เทคโนโลยีเป็นกลาง (เช่น สามารถนำไปใช้ได้กับนโยบายการขับของผู้พัฒนา AV รายใดก็ได้)

ทำไมตอนนี้ถึงติดตั้งเซนเซอร์ไว้เพียงแค่กล้องวิดีโอ

ระหว่างที่เริ่มต้นในช่วงแรกนี้ กลุ่มรถ AV จะใช้ความสามารถเพียงจากกล้องวิดีโอ โดยจัดรูปแบบให้มองเห็นได้ 360 องศา แต่ละยานยนต์จะใช้กล้อง 12 ตัว โดย 8 ตัว ใช้สำรวจบริเวณโดยรอบในระยะไกล และอีก 4 ตัว ใช้สำหรับการจอดรถ เป้าหมายในช่วงแรก คือ การพิสูจน์วิธีการที่สร้างขึ้นมานั้นว่า สามารถแก้ปัญหาได้ในทุกขั้นตอนของกระบวนการ (end-to-end) โดยใช้เพียงข้อมูลจากกล้อง

ลักษณะพิเศษของวิธีการแก้ปัญหา AV ในทุกขั้นตอนของกระบวนการ ประกอบด้วย การสำรวจสภาพโดยรอบที่จะทำให้สามารถตรวจจับผู้ใช้ถนนได้ เส้นทางที่สามารถขับไปได้ และความหมายที่แท้จริงของป้ายและสัญญาณไฟจราจร การสร้างแผนที่ความละเอียดสูงในเวลาจริง รวมทั้งความสามารถในการจำกัดขอบเขต AV ให้มีความละเอียดแม่นยำอยู่ในระดับเซนติเมตร, การวางแผนเส้นทาง (เช่น นโยบายการขับ), และการควบคุมยานยนต์ ซึ่งสถานะของการตรวจจับจะได้จากล้องวิดีโอที่อยู่ด้านบน ทำให้เห็นสภาพแวดล้อมโดยรอบในมุมสูงในขณะที่ AV กำลังเคลื่อนที่

การใช้เพียงเฉพาะกล้องในช่วงแรกนี้ เป็นกลยุทธ์หนึ่งในการนำเอาผลที่ได้นั้นไปอ้างอิงกับ “การเผื่อสำรองอย่างแท้จริง” (true redundancy) ของการตรวจจับ (sensing)

การเผื่อสำรองอย่างแท้จริง เป็นการอ้างอิงถึงระบบการตรวจจับ ซึ่งประกอบด้วยระบบเซนเซอร์หลายชนิดที่แยกกันตรวจจับในทางวิศวกรรม แต่ละชนิดจะสนับสนุนการขับให้เป็นแบบอัตโนมัติด้วยตัวมันเอง นี่คือ การเปรียบเทียบให้เห็นถึงการรวบรวมข้อมูลดิบจากเซนเซอร์ที่มีแหล่งที่มาต่างกันโดยสิ้นเชิงมาไว้ด้วยกันก่อนที่จะเข้าสู่กระบวนการ ซึ่งในทางปฏิบัติจะเห็นผลเหมือนกับเป็นระบบตรวจจับเพียงระบบเดียว

การเผื่อสำรองอย่างแท้จริง ช่วยให้เกิดประโยชน์สำคัญสองอย่าง คือ จำนวนข้อมูลที่ต้องการเพื่อให้ระบบสามารถเข้าใจได้อย่างถูกต้อง สามารถลดการใช้ข้อมูลมหาศาลนั้นได้ (เหลือประมาณ รากที่สองของ 1 พันล้านชั่วโมง (~30,00 ชั่วโมง) เมื่อเทียบจาก 1 พันล้านชั่วโมง) เช่น ช่วยลดภาระการวาดภาพกราฟิกลง

ผลของการเผื่อสำรองอย่างแท้จริง: กราฟเปรียบเทียบด้านข้อมูลของระบบตรวจจับ ระหว่าง การรวมเข้าด้วยกัน (fused) กับ การเผื่อสำรองอย่างแท้จริง (true redundancy) โดยพิจารณาในเทอมของจำนวนข้อมูลที่ต้องการ เพื่อประเมินความเป็นไปได้ที่จะเกิดการล้มเหลวอย่างแน่นอนให้มีความถููกต้อง ซึ่งเรียกว่า “Mean Time Between Failure” หรือ MTBF ในกรณีนี้ “การล้มเหลว” (failure) ของเซนเซอร์เป็นประเด็นหนึ่งที่สามารถส่งผลให้เกิดอุบัติเหตุถึงตายได้
Mobileye มีเป้าหมายอยู่ที่ MTBF จาก 1 พันล้านชั่วโมง ซึ่งเป็นค่าทางสถิติที่ดีกว่ามนุษย์เป็นผู้ขับถึง 1,000 เท่า ซึ่งถ้าหากใช้ระบบเซนเซอร์เดียว จำนวนข้อมูลที่ต้องการจะอยู่ที่ประมาณ 1 พันล้านชั่วโมง แต่ถ้าเป็นระบบ “การเผื่อสำรองอย่างแท้จริง” จำนวนข้อมูลที่ต้องการจะลดลงเหลือเพียงประมาณ 30,000 ชั่วโมง (รากที่สองของ 1 พันล้านชั่วโมง) นอกจากนี้ ยังมีความสำคัญอีกอย่างหนึ่ง คือ ไม่ต้องเก็บสะสมข้อมูลในระหว่างการขับในโหมด AV และยังสามารถทำการทดสอบระบบการตรวจจับภายในห้องทดลองได้
Image Credit: Intel Corporation

อีกกรณี เมื่อระบบที่แยกกันอิสระนั้นมีระบบหนึ่งเกิดความล้มเหลว ยานยนต์นั้นก็ยังสามารถปฏิบัติการต่อไปได้อย่างปลอดภัย ซึ่งถ้าหากเทียบกับยานยนต์ที่ใช้ระบบรวบรวมข้อมูลไว้ในระดับต่ำแล้ว ยานยนต์นั้นจะต้องยุติการขับทันที

ส่วนประโยชน์ของการนำสัญญาณแอนะลอกมารวมไว้ในระบบด้วยนั้น สามารถเทียบได้คล้ายกับกรณี เช่น แสงไฟจากต้นคริสต์มาสที่เรียงร้อยกันเป็นสาย เมื่อมีหลอดหนึ่งเสีย ก็จะทำให้ทุกหลอดตลอดสายดับไปด้วย

ส่วนระบบการตรวจจับในระดับของเรดาร์/ไลดาร์ (radar/lidar layer) จะมีการเพิ่มเข้าไปในอีกไม่กี่สัปดาห์ข้างหน้า เป็นช่วงที่สองของการพัฒนาและเป็นการทำงานร่วมกันตามแบบแผนของการตรวจจับเพื่อให้เกิด “ความสบาย” ในการขับมากขึ้น

การเข้าสู่เป้าหมายของ Intel-Mobileye ยังมีอุปสรรคต่อการปฏิบัติภาคสนามร่วมกันในทางอุตสาหกรรม เนื่องจากมีข้อตกลงในกลุ่มสมาชิกที่ยังอยู่ในช่วงของการวิจัยและพัฒนา ในประเด็นเกี่ยวกับความต้องการด้านการคำนวณ (computing) มากเกินไป (เช่น ข้อกำหนดที่ว่า ให้ฉันมีกำลังการคำนวณได้โดยไม่สิ้นสุดเพื่อประโยชน์ต่อการพัฒนา) แล้วหลังจากนั้นก็ต้องไปขวนขวายหาวิธีการลดต้นทุนและลดการใช้กำลังที่สิ้นเปลืองนั้นอีก

ในอีกด้านหนึ่งสำหรับ Intel-Mobileye ได้ดำเนินการโดยใช้กลยุทธ์ที่จะทำให้เกิดประสิทธิผลมากขึ้นโดยไม่ได้อยู่ในข้อตกลงเกี่ยวกับความต้องการด้านการคำนวณ ดังนั้น Intel-Mobileye จึงสามารถมุ่งไปที่การพัฒนาอัลกอริทึมที่ทำให้เกิดประสิทธิผลมากที่สุด ทั้งสถานะของการตรวจจับ, นโยบายการขับ และการควบคุมยานยนต์

ทีมพัฒนาจาก Mobileye และ Intel ยังมีงานอีกมากมายรออยู่ข้างหน้า รวมทั้งการมุ่งสู่เป้าหมายอีกอย่างหนึ่ง นั่นคือ การสนับสนุนผู้ผลิตรถยนต์ต่างๆ ที่ต้องการนำระบบนี้เข้าสู่ขั้นตอนการผลิตยานยนต์ระดับ L4/L5[1] ในปี ค.ศ. 2021

ชมวิดีโอ

หมายเหตุ
[1] สมาคมวิศวกรรถยนต์นานาชาติ (SAE International) แบ่งระดับการขับแบบอัตโนมัติไว้เป็น 6 ระดับ ตามที่นิยามไว้ในมาตรฐาน SAE J3016 ในระดับ L4 เป็นการขับอัตโนมัติระดับสูง และ L5 เป็นการขับอัตโนมัติทั้งระบบ โดยที่ระดับ L4 และ L5 ระบบการขับอัตโนมัติจะคอยเฝ้าตรวจดู (monitor) สภาพแวดล้อมของการขับด้วย
ระดับของการขับแบบอัตโนมัติทั้ง 6 ระดับ มีดังนี้
มนุษย์เป็นผู้ขับ เฝ้าตรวจดูสภาพแวดล้อมของการขับ
L0 (No Automation) ไม่อัตโนมัติ
L1 (Driver Assistance) ช่วยคนขับ
L2 (Partial Automation) อัตโนมัติบางส่วน
ระบบขับอัตโนมัติ เฝ้าตรวจดูสภาพแวดล้อมของการขับ
L3 (Conditional Automation) อัตโนมัติตามเงื่อนไข
L4 (High Automation) อัตโนมัติระดับสูง
L5 (Full Automation) อัตโนมัติทั้งระบบ

ที่มา SAE J3016 for vehicle-autonomy policy guidance

ที่มา intel

มีกล้องติดตั้งไว้ที่รถแต่ละคันจำนวน 12 ตัว จัดรูปแบบให้ได้มุมมอง 360 องศา เพื่อสำรวจโดยรอบในระยะไกล และอีก 4 ตัวใช้สำหรับการเข้าจอด
Photo Credit: Intel Corporation
รถยนต์อัตโนมัติ Intel-Mobileye มีการติดตั้งกล้องไว้จำนวน 12 ตัว เพื่อให้ครอบคลุมวิธีการแก้ปัญหาในทุกขั้นตอนของกระบวนการ
Photo Credit: Intel Corporation
ภายในอู่รถยนต์ Intel-Mobileye ในกรุงเยรูซาเลม ที่ใช้เป็นฐานการทดสอบกลุ่มรถยนต์อัตโนมัติตามที่ Intel Company ได้ประกาศเมื่อวันที่ 17 พฤษภาคม พ.ศ. 2561 ว่า Intel และ Mobileye ได้ทดสอบกลุ่มรถยนต์อัตโนมัติบนท้องถนนในกรุงเยรูซาเลมเป็นครั้งแรกจำนวน 100 คัน เพื่อทดสอบการเข้าสู่เป้าหมายของ Intel คือ การขับยานยนต์แบบอัตโนมัติที่มีความปลอดภัยอย่างแท้จริง
Photo Credit: Intel Corporation