Samochody autonomiczne są jedną z najbardziej wyczekiwanych technologii. Oczekuje się, że pomogą one w ułatwieniu podróżowania osobom niepełnosprawnym (1), zmniejszą liczbę ofiar śmiertelnych związanych z ruchem ulicznym nawet o 90% (2) oraz dołożą do światowej gospodarki siedem bilionów dolarów (3). W tym artykule wyjaśniamy kluczowe technologie, które zostały zintegrowane w celu stworzenia pojazdów autonomicznych i pomogły w przyspieszeniu ich rozwoju.

Pierwszą maszyną uważaną za pojazd autonomiczny był Stanford Cart, który został zbudowany i dalej rozwijany w latach 70. XX wiek, jako prototyp pojazdów łazikowych, które można było wykorzystać w misjach kosmicznych na innych planetach. Był on w stanie wykryć przeszkody w swoim sąsiedztwie i odpowiednio zaplanować swoją dalszą trasę. Taki poziom autonomii był wymagany, ponieważ zdalne sterowanie pojazdem na innych planetach jest niewykonalne ze względu na długi czas przesyłania poleceń tam i z powrotem – w przypadku Marsa są to trzy minuty w jedną stronę. Był on jednak bardzo powolny i poruszał się tylko 1 m co 10-15 min, ponieważ potrzebował czasu na obliczenia kolejnych ruchów (4).

Od tamtej pory  technologia znacznie się rozwinęła, ale podstawowe zasady użyte w projektowaniu Stanford Cart nadal znajdują zastosowanie w nowoczesnych samochodach autonomicznych. Zasady te zakładają, że pojazd autonomiczny musi zawierać trzy komponenty: komponent sensoryczny, komponent obliczeniowy i komponent uruchamiający. Komponent sensoryczny zapewnia dostęp do otoczenia pojazdu poprzez kamery, radar, lidar (rodzaj radaru wykorzystującego światło) i pozycjonowanie satelitarne. Komponent obliczeniowy interpretuje dane sensoryczne, prognozuje, jak rozwinie się dana sytuacja i odpowiednio podejmuje decyzje. Decyzje te są następnie egzekwowane przez element wykonawczy, który na przykład uruchamia hamulce lub skręca w określonym kierunku. Komponenty te są skonfigurowane tak, aby operowały jako zamknięta pętla, co oznacza, że podczas egzekwowania podjętej decyzji jest ona ponownie oceniana i dostosowywana przy użyciu nowo uzyskanego sygnału sensorycznego. Dzięki tej ciągłej adaptacji do bieżącej sytuacji, samochody autonomiczne mogą być wykorzystywane na drogach publicznych.

Kamery wraz z pozostałymi czujnikami oraz siłownikami obsługiwanymi  przez samo urządzenie zostały opracowane już dziesiątki lat temu, jednak scalający je komponent obliczeniowy nie był nigdy wystarczająco wydajny. Staje się to jasne, gdy bliżej spojrzymy na jego główne zadania. Po pierwsze, musi on integrować różne sygnały sensoryczne, aby stworzyć mapę otoczenia pojazdu. Po drugie, musi niezawodnie wykrywać i klasyfikować obiekty, np. inne samochody, znaki drogowe czy pieszych. Następnie musi wziąć pod uwagę wcześniejsze informacje, aby ekstrapolować obecną sytuację (np. czy pieszy będzie nadal przechodził przez ulicę). Ostatecznie musi zdecydować, jaka reakcja spowoduje, że pojazd zbliży się do wyznaczonego celu, przestrzegając prawa i unikając wypadków. Aby było jeszcze trudniej, wszystkie te zadania muszą być wykonywane w czasie jak najbardziej zbliżonym do rzeczywistego (5). Wszystko to stało się możliwe dopiero niedawno dzięki wzrostowi mocy obliczeniowej procesorów i rozwojowi uczenia maszynowego, które umożliwiło klasyfikację obiektów i podejmowanie decyzji, bez potrzeby ich ręcznego programowania. Zamiast tego inżynierowie wykorzystują dane z symulacji i rzeczywistych sytuacji drogowych, aby wyszkolić sztuczną inteligencję do niezawodnego prowadzenia samochodu (6).

Istnieją jednak dwa główne ograniczenia związane z implementacją tych technologii do prowadzenia pojazdów autonomicznych. Po pierwsze, sztuczna inteligencja będzie w stanie poradzić sobie tylko z sytuacjami podobnymi do danych, na których została przeszkolona. Jeśli napotka ona nieznaną sytuację, jej reakcja będzie nieprzewidywalna i potencjalnie niebezpieczna. Tragiczny rezultat takiej sytuacji miał miejsce, gdy samochód marki Tesla  błędnie sklasyfikował białą ciężarówkę jako niebo i uderzył w nią, zabijając pasażera (7). Drugim ograniczeniem jest czas, jaki sztuczna inteligencja potrzebuje na podjęcie decyzji. W wolno rozwijających się i przewidywalnych sytuacjach, jak np. autostrada o małym natężeniu ruchu, samochody autonomiczne radzą sobie bardzo dobrze, ponieważ mogą zarówno precyzyjnie zakładać przyszłe wydarzenia wokół pojazdu, oraz zaplanować odpowiednie zachowanie w dostępnym czasie. W szybko zmieniających się i nieprzewidywalnych sytuacjach, na przykład w przypadku wbiegnięcia zwierzęcia na drogę, samochody autonomiczne muszą szybko reagować i mogą nie mieć czasu na ustalenie i zainicjowanie idealnej reakcji (8).

Pojedyncze samochody autonomiczne nie są jednak w stanie w pełni wykorzystać potencjału, jaki drzemie w tej technologii. Można go uzyskać jedynie w przypadku połączenia i koordynacji wielu samochodów na raz. Połączone, autonomiczne pojazdy mogą koordynować swoje zachowanie podczas hamowania i przyspieszania, aby uniknąć tworzenia korków lub wypadków (2, 9). Ponadto, grupy pojazdów mogą komunikować się z sygnalizacją świetlną, aby na żądanie koordynować zieloną falę (10), zwiększając tym samym płynność ruchu.

Z technologią pojazdów autonomicznych związane są niestety również wady. Niektóre badania sugerują, że pojazdy autonomiczne doprowadzą do wzrostu natężenia ruchu, ponieważ więcej osób – takich jak dzieci, osoby starsze lub osoby niepełnosprawne – będzie miało do nich dostęp za pośrednictwem usług takich jak Uber (11, 12). Ze względu na wysoki poziom elastyczności i wygody, mogą one również doprowadzić do zaniku bardziej przyjaznych dla środowiska systemów transportu publicznego, takich jak pociągi czy autobusy. W tym wypadku natężenie ruchu może się zwiększyć z powodu większego stosunku ilości pojazdów do ilości osób które mogą one na raz przewozić (13). Ponadto, ciągłe wysyłanie i odbieranie danych pomiędzy pojazdami autonomicznymi daje możliwość łatwiejszego nadzorowania i śledzenia ruchu poszczególnych podróżnych (14). Wciąż nie jest też rozwiązana kwestia na kim spoczywa odpowiedzialność w przypadku spowodowania wypadku: na właścicielu pojazdu czy na jego producencie (15).

Pomimo tych problemów firmy takie jak Waymo i Uber zaczęły niedawno wdrażać wczesne wersje programów wynajmu samochodów autonomicznych w wybranych lokacjach (16, 17). Dodatkowo, Waymo prowadzi również badania nad autonomicznymi ciężarówkami, które mogłyby być wykorzystane w logistyce (18). Firmy technologiczne intensywnie badają możliwość wprowadzenia pojazdów autonomicznych na rynek, dlatego istotne jest, aby możliwie jak najszybciej przygotować prawo oraz infrastrukturę na ich przybycie.