Pierluigi Casale, Tom Tom: Transport jeszcze bardziej smart

Jaki wpływ na transport będą miały nowe technologie? Jak będzie wyglądał ruch drogowy w inteligentnych miastach za kilkadziesiąt lat? O precyzyjną odpowiedź na te pytania wciąż trudno, ale wiadomo, że przyszłość motoryzacji należy do pojazdów autonomicznych. TomTom zaprezentował niedawno w pełni autonomiczny samochód testowy, a szczegóły projektu w rozmowie z Marzeną Zbierską przedstawia Pierluigi Casale, Group Data Scientist w TomTom.

2020-02-03 14:20:50

Wszystko wskazuje na to, że transport i logistyka to jeden z tych sektorów gospodarki, w których sztuczna inteligencja będzie kreować rzeczywistość. W jakich obszarach uczenie maszynowe będzie miało największy wpływ na rozwój branży? Proszę o przykłady takich rozwiązań.

Jazda autonomiczna i smart mobility to obszary, w których uczenie maszynowe i sztuczna inteligencja będą miały największe znaczenie. Na przykład w TomTom wykorzystujemy deep learning do tworzenia map wysokiej rozdzielczości (HD Maps). Są to mapy używane przez samochody autonomiczne do zautomatyzowanej i wspomaganej jazdy. Korzystamy również z machine learning, aby uzyskiwać informacje o sytuacji na drodze, które mogą być użyteczne zarówno dla ludzi, jak i dla pojazdów autonomicznych.

Proszę wyjaśnić, czym jest sztuczna inteligencja? To zdaje się coś więcej niż uczenie maszynowe i deep learning…

Sztuczna inteligencja to dziedzina informatyki. Jej celem jest tworzenie algorytmów zdolnych do rozwiązywania zadań, w których ludzie są na ogół lepsi niż maszyny, np. rozpoznawanie twarzy. Ma ona długą historię. Wielu próbowało stworzyć ją za pomocą logiki, reguł i innych ram empirycznych. Machine learning to gałąź sztucznej inteligencji, która wykorzystuje algorytmy do tworzenia reguł i modeli bezpośrednio z danych, bez ingerencji człowieka. W dzisiejszych czasach machine learning jest formą sztucznej inteligencji, która działa najlepiej. Deep Learning jest natomiast częścią machine learning, który wykorzystuje wiele podstawowych modeli uczenia maszynowego, a zatem działa jeszcze lepiej.

Ostatnio w Polsce sporo się mówi o rozwiązaniach z obszaru smart city, a w tym mieszczą się również wyzwania dla inteligentnego transportu miejskiego. Co kryje się pod pojęciem „smart mobility” w miastach?

Smart oznacza, że ​​możemy zapewnić lepsze rozwiązanie problemu niż z wykorzystaniem metody tradycyjnej, która wymaga większego wysiłku lub potrzebuje więcej czasu. Koncepcja smart mobility oznacza możliwość przemieszczania się z punktu A do punktu B w krótszym czasie i bez niepotrzebnego marnowania energii. Dane i sztuczna inteligencja mogą pomóc nam uczynić mobilność bardziej smart, a przy większej liczbie danych umożliwić wykorzystanie naszego czasu lepsze niż na stanie w korku.

Stanie w korku to marnotrawstwo czasu.

Tak, zdecydowanie. Chyba każdy z nas wolałby w tym czasie robić coś bardziej pożytecznego.

Domyślam się, że nabiera to szczególnego znaczenia w przypadku firm transportowych. Czas to pieniądz, a każda minuta w korku to utracone korzyści. Czyli smart mobility może przynieść realne oszczędności firmom transportowym.

Oczywiście. Wyobraźmy sobie firmę logistyczną: firma oszczędza pieniądze, jeśli kierowcy spędzają mniej czasu w korkach, a ponadto mogą przynieść więcej pieniędzy, jeśli szybciej dostarczają swoje towary. Dotyczy to również nas – my również oszczędzamy czas i pieniądze, jeśli poruszamy się efektywniej w naszych miastach.

Pozostańmy przy ruchu drogowym w miastach. Autonomiczny transport ma przynieść wiele korzyści. Pomysłów jest mnóstwo, np. taksówki autonomiczne. Mówi się również o intermodalnym transporcie publicznym realizowanym m.in. przez busy. Co ciekawe, elektryczne minibusy, poruszające się bez kierowcy, testowane są od niedawna w Gdańsku. Czy TomTom pracuje nad projektami w obszarze transportu publicznego?

Pracujemy nad technologiami dla samochodów autonomicznych i zautomatyzowanych. Chodzi o mapy, mapy HD oraz informacje o ruchu drogowym. Ten rodzaj technologii może być użyty nie tylko w samochodach, lecz również w każdym innym środku transportu.

Dużym wyzwaniem dla firm, które działają na rzecz rozwoju transportu autonomicznego, będzie pokonanie barier mentalnych. Czy pana zdaniem ludzie są w stanie zaakceptować fakt, że rolę kierowcy przejmie robot? Pytam szczególnie w kontekście bezpieczeństwa na drodze. Czy ludzie będą w stanie zaufać systemom?

Istnieje kilka poziomów automatyzacji. W pojazdach autonomicznych wyróżniamy poziomy od 0 do 5. Tylko poziom piąty jest całkowicie autonomiczny, a pojazd sam podejmuje wszystkie decyzje. Żeby autonomiczny samochód na poziomie piątym pojawił się na drodze potrzebujemy bardzo wielu testów. To niezbędne, bo trzeba przewidzieć wszystkie możliwe warunki. W związku z tym, że samochody autonomiczne stają się coraz bardziej bezpieczne, będzie też większe zaufanie, które pozwoli im przejąć większą kontrolę. Jestem przekonany, że ludzie zaczną ufać robotom coraz bardziej.

Samochody autonomiczne to wciąż wizja, która jednak nabiera realnych kształtów. Niektórzy uważają nawet, że po 2025 r. nastąpi w pełni komercyjne wykorzystanie samochodów autonomicznych. Co pan o tym myśli? W jakich obszarach transportu autonomizacja nastąpi najszybciej?

Samochody autonomiczne w rzeczy samej stają się rzeczywistością. Istnieją już pojazdy jeżdżące autonomicznie, głównie w kontrolowanych warunkach. Zanim jednak pozwolimy im jeździć w naszych miastach, musimy upewnić się, że są one bezpieczne. Technologię samochodów autonomicznych należy przetestować w każdych możliwych warunkach, w tym w ruchu drogowym i przy różnej pogodzie. Właśnie dlatego w firmie TomTom postanowiliśmy opracować własny pojazd testowy do jazdy autonomicznej.

Rzeczywiście na początku września, czyli niespełna miesiąc temu, TomTom pokazał swój własny w pełni autonomiczny pojazd testowy. Proszę opowiedzieć coś więcej o tym pojeździe. W jakie urządzenia jest wyposażony i do jakich celów będzie wykorzystywany?

Samochód jest wyposażony w kilka czujników, które prawdopodobnie znajdą się w przyszłych samochodach autonomicznych. Są to radary z tyłu i z przodu, lidary z przodu, z tyłu i po bokach, kamery do rozpoznawania pasów, sygnalizacji świetlnej i znaków drogowych oraz GPS. Wewnątrz pojazdu, pod tylnym siedzeniem, znajduje się dużych rozmiarów sprzęt obliczeniowy. Pojazdu testowego użyjemy do udoskonalenia naszych map HD, aby mieć pewność, że świat zostanie zmapowany z dokładnością do kilku centymetrów.

Tekst ukazał się w Magazynie Flota 12.2019


 

ZNAJDŹ NAS: