Údaje o jazde v reálnom svete pochádzajú zo senzorov a záznamov v skutočných dopravných podmienkach, zatiaľ čo simulované údaje o jazde sa generujú vo virtuálnych prostrediach navrhnutých tak, aby napodobňovali cesty, premávku a okrajové prípady. Obe sú nevyhnutné pre vývoj autonómnych systémov riadenia, líšia sa však realizmom, škálovateľnosťou, nákladmi a tým, ako bezpečne zachytávajú zriedkavé alebo nebezpečné jazdné scenáre.
Údaje zhromaždené z vozidiel jazdiacich v skutočných dopravných podmienkach pomocou senzorov, ako sú kamery, radar a lidar.
Umelo generované údaje o jazde vytvorené vo virtuálnych prostrediach, ktoré replikujú cestné siete a správanie cestnej premávky.
| Funkcia | Údaje z jazdy v reálnom svete | Simulované jazdné údaje |
|---|---|---|
| Zdroj údajov | Skutočné vozidlá na cestách | Virtuálne simulačné prostredia |
| Náklady na vymáhanie | Vysoké prevádzkové náklady | Nízke marginálne náklady |
| Bezpečnosť | Rizikové počas okrajových prípadov | Úplne bezpečné prostredie |
| Škálovateľnosť | Obmedzené veľkosťou flotily | Vysoko škálovateľné |
| Krytie okrajových prípadov | Zriedkavé, ale autentické udalosti | Ľahko generované na požiadanie |
| Realizmus | Skutočná environmentálna zložitosť | Približný alebo modelovaný realizmus |
| Úsilie o označovanie | Náročné manuálne/automatizované označovanie | Často automaticky označené alebo vopred štruktúrované |
| Rýchlosť vývoja | Pomalšie iteračné cykly | Rýchla iterácia scenára |
Dáta o jazde v reálnom svete odrážajú celú komplexnosť skutočnej premávky vrátane nepredvídateľného ľudského správania, nedokonalých podmienok na vozovke a šumu senzorov. Vďaka tomu sú veľmi cenné pre trénovanie robustných modelov. Simulované dáta, hoci sú čoraz sofistikovanejšie, stále závisia od aproximácií a predpokladov, ktoré nemusia úplne zachytiť nuansy reálneho prostredia.
Zber údajov z reálneho sveta vystavuje vozidlá a vodičov potenciálne nebezpečným scenárom, najmä pri testovaní hraničných prípadov, ako sú náhle prechody pre chodcov alebo extrémne počasie. Simulácia toto riziko úplne eliminuje tým, že umožňuje vývojárom znovu vytvoriť nebezpečné situácie v kontrolovanom digitálnom prostredí bez toho, aby kohokoľvek ohrozili.
Simulované údaje o jazde je možné generovať vo veľkom meradle s relatívne nízkymi nákladmi, čo umožňuje rýchle experimentovanie v nespočetných scenároch. Naproti tomu zber údajov v reálnom svete závisí od fyzických vozových parkov, geografického pokrytia a času jazdy, čo výrazne obmedzuje rýchlosť rastu súborov údajov.
Simulácia vyniká pri vytváraní zriedkavých alebo nebezpečných scenárov na požiadanie, ako sú napríklad kolízie viacerých áut alebo nezvyčajné poveternostné podmienky. Dáta z reálneho sveta môžu tieto prípady nakoniec zachytiť, ale sú zriedkavé a nepredvídateľné, čo sťažuje vytváranie vyvážených súborov údajov.
Modely trénované iba na simulačných dátach môžu mať problém so zovšeobecnením na reálne podmienky kvôli „medzere medzi realitou“. Kombinácia oboch typov dát však často vytvára silnejšie systémy, kde simulácia učí široké správanie a reálne dáta dolaďujú výkon pre skutočné prostredie.
Simulované jazdné údaje sú dostatočne kvalitné na to, aby plne nahradili údaje z reálneho sveta.
Hoci je simulácia mimoriadne užitočná, nedokáže úplne replikovať nepredvídateľnosť a zložitosť skutočnej premávky. Na overenie a doladenie modelov pre nasadenie v reálnych prostrediach sú stále potrebné údaje z reálneho sveta.
Dáta z reálneho sveta sú vždy cennejšie ako simulované dáta.
Dáta z reálneho sveta sú kľúčové, ale simulované dáta zohrávajú kľúčovú úlohu pri vyplnení medzier, najmä v zriedkavých alebo nebezpečných scenároch. Najlepšie systémy používajú oba, namiesto toho, aby sa spoliehali výlučne na jeden.
Simulačné prostredia sú identické so skutočnými cestami.
Dokonca aj pokročilé simulátory zjednodušujú mnohé aspekty reality, ako napríklad šum senzorov, ľudskú nepredvídateľnosť a variabilitu prostredia. Tieto rozdiely môžu ovplyvniť výkon modelu, ak nie sú starostlivo riadené.
Viac simulovaných údajov automaticky zlepšuje výkon modelu.
Samotná kvantita nestačí. Zle navrhnuté simulácie môžu zaviesť skreslenie alebo nerealistické vzorce, ktoré môžu v skutočnosti poškodiť zovšeobecnenie modelu, ak nie sú vyvážené s reálnymi údajmi.
Zber údajov o jazde v reálnom svete je jednoduchý.
V praxi si to vyžaduje flotily vybavených vozidiel, zložité zostavy senzorov, kanály na ukladanie údajov a rozsiahle úsilie o označovanie, čo z toho robí jednu z najnáročnejších častí vývoja autonómneho riadenia.
Dáta z reálnych jazdných podmienok sú bezkonkurenčné v realizme a komplexnosti, a preto sú nevyhnutné pre overovanie autonómnych systémov v reálnych podmienkach. Simulované dáta však poskytujú rýchlosť, bezpečnosť a škálovateľnosť, s ktorými sa zber údajov z reálneho sveta nemôže porovnať. Najefektívnejší prístup zvyčajne kombinuje oboje, aby vyvážil realizmus s efektivitou.
Automatizácia jazdy v meste a automatizácia jazdy na diaľnici predstavujú dve odlišné výzvy v autonómnej doprave. Mestské systémy sa musia orientovať v hustej premávke, chodcoch a zložitých križovatkách, zatiaľ čo diaľničné systémy fungujú v štruktúrovanejšom prostredí s vyššími rýchlosťami, ale s menším počtom nepredvídateľných interakcií. Každá z nich si vyžaduje odlišné technológie, bezpečnostné stratégie a úrovne zložitosti rozhodovania.
Autonómna navigácia sa spolieha na senzory, softvér a umelú inteligenciu na pohyb vozidiel s malým alebo žiadnym ľudským zásahom, zatiaľ čo navigácia riadená človekom závisí od úsudku, skúseností a rozhodovania človeka. Oba prístupy majú svoje silné stránky, pričom automatizácia ponúka konzistentnosť a škálovateľnosť, zatiaľ čo ľudské vedenie poskytuje prispôsobivosť a kontextové pochopenie.
Automobilový priemysel sa posúva od tradičného manuálneho ovládania k sofistikovanej softvérovo riadenej mobilite. Zatiaľ čo autá riadené človekom ponúkajú známe ovládanie a prispôsobivosť chaotickému prostrediu, autonómne vozidlá sľubujú elimináciu hlavnej príčiny nehôd – ľudskej chyby. Toto porovnanie skúma, ako technológia nanovo definuje bezpečnosť, efektivitu a základný zážitok z cestovania z bodu A do bodu B.
Autonómne vozidlá sa snažia fungovať s minimálnym alebo žiadnym ľudským zásahom vďaka plnej autonómii, zatiaľ čo pokročilé asistenčné systémy vodiča (ADAS) podporujú vodičov funkciami, ako je udržiavanie v jazdnom pruhu, adaptívny tempomat a núdzové brzdenie. Obe systémy zlepšujú bezpečnosť a pohodlie cestnej premávky, ale výrazne sa líšia zodpovednosťou, úrovňou schopností a mierou kontroly, ktorú má vodič.
Autonómne bezpečnostné systémy vozidiel a systémy bezpečnosti vodiča sa snažia znížiť počet nehôd, ale k tejto výzve pristupujú odlišne. Autonómne systémy sa spoliehajú na senzory, softvér a nepretržité monitorovanie, zatiaľ čo bezpečnosť zameraná na človeka závisí od uvedomelosti vodiča, jeho úsudku, školenia a asistenčných technológií určených na podporu, a nie nahradenie ľudského rozhodovania.
