سیستم‌های رانندگی خودران از ابتدا تا انتها: آینده را هدایت می‌کند

چگونه یک سیستم رانندگی خودکار انتها به انتها تعریف کنیم؟

تعریف رایج‌ترین این است که یک سیستم «انتها به انتها» سیستمی است که اطلاعات حسگر خام را وارد کرده و مستقیماً متغیرهای مربوط به وظیفه را خروجی می‌دهد. برای مثال، در تشخیص تصویر، CNN می‌تواند «انتها به انتها» نامیده شود در مقایسه با روش سنتی ویژگی + طبقه‌بندی‌کننده.

در وظایف رانندگی خودکار، داده‌های حسگرهای مختلف (مانند دوربین‌ها، لایدار، رادار یا IMU…) وارد می‌شوند و سیگنال‌های کنترل خودرو (مانند گاز یا زاویه فرمان) مستقیماً خروجی می‌شوند. برای در نظر گرفتن مسائل تطابق مدل‌های مختلف خودرو، خروجی می‌تواند به مسیر رانندگی خودرو نیز محدود شود.

بر پایه این پایه، مفاهیم مدولار انتها به انتها نیز پدید آمده‌اند، مانند UniAD، که با معرفی نظارت بر وظایف میانی مرتبط، عملکرد را بهبود می‌بخشد، علاوه بر سیگنال‌های کنترل نهایی یا نقاط مسیر. اما، از چنین تعریفی محدود، جوهر انتها به انتها باید انتقال بدون اتلاف اطلاعات حسی باشد.

بیایید ابتدا رابط‌های بین حسگرها و ماژول‌های PnC در سیستم‌های غیرانتها به انتها را مرور کنیم. معمولاً، اشیاء مجاز (مانند خودروها، افراد و غیره) را شناسایی می‌کنیم و خواص آن‌ها را تحلیل و پیش‌بینی می‌نماییم. همچنین درباره محیط استاتیک (مانند ساختار جاده، محدودیت سرعت، چراغ‌های راهنمایی و غیره) اطلاعات کسب می‌کنیم. اگر جزئی‌تر بودیم، موانع عمومی را نیز شناسایی می‌کردیم. خلاصه، اطلاعات خروجی این ادراک‌ها، یک مدل نمایش از صحنه‌های پیچیده رانندگی است.

با این حال، برای برخی صحنه‌های بسیار واضح، انتزاع صریح فعلی نمی‌تواند عوامل مؤثر بر رفتار رانندگی در آن صحنه را به‌طور کامل توصیف کند، یا وظایفی که باید تعریف کنیم بسیار ساده هستند و شمارش تمام وظایف مورد نیاز دشوار است. بنابراین، سیستم‌های انتها به انتها نمایشی (شاید به طور ضمنی) جامع ارائه می‌دهند با امید به اینکه به صورت خودکار و بدون اتلاف، بر روی PnCها با این اطلاعات عمل کنند. به نظر من، تمام سیستم‌هایی که بتوانند این نیاز را برآورده کنند، می‌توانند سیستم‌های انتها به انتها تعمیم‌یافته نامیده شوند.

در مورد مسائل دیگر، مانند برخی بهینه‌سازی‌های سناریوهای تعامل دینامیک، معتقدم که حداقل نه تنها انتها به انتها می‌تواند این مشکلات را حل کند، و شاید انتها به انتها بهترین راه‌حل نباشد. روش‌های سنتی می‌توانند این مشکلات را حل کنند، و البته، زمانی که حجم داده‌ها کافی باشد، انتها به انتها ممکن است راه‌حل بهتری ارائه دهد.

برخی سوءتفاهم‌ها درباره رانندگی خودکار انتها به انتها

1. سیگنال‌های کنترل و نقاط مسیر باید خروجی داده شوند تا سیستم انتها به انتها باشد.

اگر با مفهوم کلی انتها به انتها که در بالا بحث شد موافقید، این مشکل آسان قابل درک است. انتها به انتها باید بر انتقال بدون اتلاف اطلاعات تأکید کند نه بر خروجی مستقیم حجم وظیفه. رویکرد محدود انتها به انتها باعث بروز مشکلات غیرضروری زیادی می‌شود و نیازمند راه‌حل‌های پنهان زیادی برای تضمین ایمنی است.

2. سیستم انتها به انتها باید بر مدل‌های بزرگ یا دید صرف تکیه داشته باشد.

هیچ ارتباط ضروری بین رانندگی خودکار انتها به انتها، رانندگی مبتنی بر مدل‌های بزرگ، و رانندگی صرفاً بصری وجود ندارد چون این مفاهیم کاملاً مستقل هستند؛ یک سیستم انتها به انتها لزوماً توسط مدل‌های بزرگ هدایت نمی‌شود، و لزوماً توسط دید صرف هدایت نمی‌شود.

3. در بلندمدت، آیا ممکن است سیستم انتها به انتها ذکر شده در معنای محدود به سطح بالای رانندگی خودکار برسد؟

عملکرد چیزی که اکنون به عنوان FSD انتها به انتها صرف شناخته می‌شود، فاصله زیادی با برآورده کردن قابلیت اطمینان و ثبات مورد نیاز در سطح L3 دارد. به طور صریح‌تر، اگر سیستم رانندگی خودکار بخواهد توسط عموم پذیرفته شود، کلید آن است که آیا عموم می‌تواند بپذیرد که در برخی موارد، ماشین اشتباه کند و انسان‌ها به راحتی آن‌ها را حل کنند. این برای سیستم انتها به انتها صرف دشوارتر است.

برای مثال، هر دو شرکت Waymo و Cruise در ایران تصادف‌های زیادی داشته‌اند. با این حال، آخرین تصادف Cruise منجر به دو جراحت شد، هرچند چنین تصادف‌هایی نسبتاً اجتناب‌ناپذیر و قابل قبول برای رانندگان انسانی است. اما پس از این تصادف، سیستم مکان تصادف و مکان مجروحین را نادرست تشخیص داد و حالت توقف اضطراری را فعال کرد، که باعث کشیده شدن مجروحین برای مدت طولانی شد. این رفتار برای هر راننده انسانی عادی غیرقابل قبول است. انجام نخواهد شد، و نتایج بسیار بد خواهد بود.

علاوه بر این، این یک هشدار است که باید با دقت بررسی کنیم چگونه در طول توسعه و عملیات سیستم‌های رانندگی خودکار از این وضعیت جلوگیری کنیم.

4. پس در حال حاضر، راه‌حل‌های عملی برای نسل بعدی سیستم‌های کمک رانندگی تولید انبوه چیست؟

بر اساس درک فعلی من، زمانی که از مدل انتها به انتها در رانندگی استفاده می‌شود، پس از خروج مسیر، راه‌حلی بر اساس روش‌های سنتی ارائه می‌دهد. یا، برنامه‌ریزهای مبتنی بر یادگیری و الگوریتم‌های برنامه‌ریزی مسیر سنتی چند مسیر را همزمان خروجی می‌دهند و سپس یکی را از طریق یک انتخاب‌کننده انتخاب می‌کنند.

این نوع راه‌حل پنهان و انتخاب، حداکثر عملکرد این سیستم زنجیره‌ای را محدود می‌کند اگر این معماری سیستم اتخاذ شود. اگر این روش هنوز بر پایه یادگیری بازخورد خالص باشد، شکست‌های غیرقابل پیش‌بینی رخ خواهد داد و هدف ایمنی به طور کامل محقق نخواهد شد.

اگر بخواهیم مجدداً بهینه‌سازی یا انتخاب با استفاده از روش‌های برنامه‌ریزی سنتی بر روی این مسیر خروجی فکر کنیم، این معادل با مسیری است که توسط روش مبتنی بر یادگیری تولید شده است؛ بنابراین، چرا مستقیماً این مسیر را بهینه‌سازی و جستجو نمی‌کنیم؟

البته، برخی افراد می‌گویند چنین مسئله‌ای از نظر بهینه‌سازی یا جستجو غیرمحدب است، فضای حالت بزرگی دارد و در زمان واقعی بر روی سیستم داخل خودرو قابل اجرا نیست. از همه می‌خواهم با دقت به این سوال فکر کنند: در ده سال گذشته، سیستم ادراک حداقل صد برابر قدرت محاسباتی بیشتری دریافت کرده است، اما چه وضعیتی درباره ماژول PnC ما؟

اگر اجازه دهیم ماژول PnC نیز از قدرت محاسباتی بزرگ استفاده کند، و همراه با برخی پیشرفت‌ها در الگوریتم‌های بهینه‌سازی پیشرفته در سال‌های اخیر، آیا این نتیجه هنوز صحیح است؟ برای چنین مسئله‌ای، باید از اصول اولیه شروع کنیم و آنچه درست است را در نظر بگیریم.

5. چگونه رابطه بین روش‌های مبتنی بر داده و روش‌های سنتی را تطابق دهیم؟

بازی شطرنج نمونه‌ای بسیار مشابه رانندگی خودکار است. در فوریه امسال، Deepmind مقاله‌ای با عنوان «شطرنج در سطح استاد بزرگ بدون جستجو» منتشر کرد که در آن بررسی می‌شود آیا امکان‌پذیر است تنها از داده‌ها استفاده کنیم و جستجوی MCTS را در AlphaGo و AlphaZero کنار بگذاریم. مشابه رانندگی خودکار، تنها یک شبکه برای خروجی مستقیم اقدامات استفاده می‌شود، در حالی که تمام مراحل بعدی نادیده گرفته می‌شوند.

مقاله نتیجه‌گیری می‌کند که با وجود حجم قابل توجهی از داده‌ها و پارامترهای مدل، نتایج نسبتاً معقولی بدون استفاده از جستجو به دست می‌آید. اما تفاوت‌های قابل توجهی در مقایسه با روش‌هایی که از جستجو استفاده می‌کنند وجود دارد. این موضوع به ویژه در مواجهه با برخی پایان‌های پیچیده مفید است.

برای سناریوهای پیچیده یا موارد خاص که نیاز به بازی‌های چندمرحله‌ای دارند، این قیاس هنوز هم انجام کامل روش‌های بهینه‌سازی یا جستجو سنتی را دشوار می‌کند. بهره‌برداری منطقی از مزایای فناوری‌های مختلف مانند AlphaZero بهترین راه برای بهبود عملکرد است.

6. روش سنتی = قانون‌محور if else؟

من باید این مفهوم را بارها و بارها در صحبت با افراد مختلف اصلاح کنم. بسیاری معتقدند تا زمانی که کاملاً مبتنی بر داده نباشد، قانون‌محور نیست. برای مثال، در شطرنج، حفظ فرمول‌ها و رکوردهای شطرنج به صورت حفظی قانون‌محور است، اما مانند AlphaGo و AlphaZero، به مدل توانایی عقلانی بودن از طریق بهینه‌سازی و جستجو می‌دهد. من فکر نمی‌کنم بتوان آن را قانون‌محور نامید.

به همین دلیل، مدل بزرگ فعلاً غایب است و محققان در تلاشند تا یک مدل مبتنی بر یادگیری از طریق روش‌هایی مانند CoT ارائه دهند. اما بر خلاف وظایفی که نیازمند تشخیص تصویر کاملاً مبتنی بر داده و دلایل غیرقابل توضیح هستند، هر اقدام راننده یک نیروی رانندگی واضح دارد.

در طراحی معماری الگوریتم مناسب، مسیر تصمیم‌گیری باید متغیر شود و تحت راهنمایی اهداف علمی به طور یکنواخت بهینه‌سازی شود، نه اینکه به زور پارامترها را Patch و تنظیم کنیم تا موارد مختلف را برطرف کنیم. چنین سیستمی به طور طبیعی قوانین عجیب و سخت‌کد شده ندارد.

نتیجه‌گیری

خلاصه اینکه، مسیر end-to-end ممکن است یک مسیر فنی امیدوارکننده باشد، اما نحوه کاربرد مفهوم نیازمند تحقیقات بیشتر است. من فکر می‌کنم تعداد زیادی داده و پارامترهای مدل تنها راه حل صحیح نیست، و اگر می‌خواهیم از دیگران پیشی بگیریم، باید به تلاش ادامه دهیم.