Az önvezető gépjármű technológia fellegvárában, a Szilícium-völgyben is egyre nagyobb a bizonytalanság szakemberek körében az ötös szintű, teljesen autonóm gépkocsik becsült megjelenésének és elterjedésének idejét illetően – derült ki a TDF által is támogatott „The Challenges of Autonomous Vehicle Design and Testing”, vagyis „Az önvezető gépjárművek tervezési és tesztelési kihívásai” címmel meghirdetett, 2019. december 4-i szimpóziumon.
A Magyarország San Francisco-i Alkonzulátusa és az Amerikai Egyesült Államok Szilícium-völgy-i Innovációs és Tudományos Társaságának az SRI International kutatóintézet Menlo Park-i központjában közösen szervezett rendezvényén Szabó Gábor, a Tesla Autopilot vezető szoftver mérnöke, Thomas P. Low, a SRI International Robotika Laboratóriumának Igazgatója, valamint Sven Beiker, a Silicon Valley Mobility ügyvezetője adott elő tekintélyes létszámú, autóipari szakemberekből, kutatókból, az EIT Digital San Francisco-i központjának vezetőiből és érdeklődőkből álló közönségnek.
A szimpóziumot moderáló Doncsev András San Francisco-i szakdiplomata bevezetőjében elmondta: minden bizonnyal sokakban felmerül a kérdés, vajon a magyar külképviselet és a magyar tech szakembereket és kutatókat tömörítő társaság miért szervez ebben a témában konferenciát? Doncsev három fő okot sorolt fel: a jelentős prémium autógyártók (Audi, Mercedes, BMW, Jaguar) jelenlétét mind összeszerelő üzemek, mind K + F formájában közel 10 ezer mérnök munkájára támaszkodva; hazánk első helyét az EU-ban a high-tech termékek exportját illetően; és végül Magyarország jelentős tapasztalatát és kompetenciáját az elektronikus gépjármű irányítás területén, illetve azon törekvéseit, mellyel többszintű önvezető közlekedési ökoszisztémát alakít ki, melynek része a részben már átadott ZalaZone tesztpálya. Részletesen ismertette a zalaegerszegi, három országot is érintő pálya adottságait, kínálatát, majd levetített egy rövid, a ZalaZone-t ismertető kisfilmet. Végül elárulta, személyes érdeklődés is vezéreli, hiszen két évtizeddel ezelőtt – még jóval az önvezető gépkocsik kora előtt – maga is éveken át tesztelt gépkocsikat.
A rövid prezentációk sorát Thomas P. Low indította, aki a három évvel ezelőtt, az SRI és a Yamaha 9 hónapon át tartó közös fejlesztéseként megvalósított MOTOBOT, vagyis humanoid formájú robot által teljesen autonóm módon vezetett versenymotorkerékpárról tartott multimédiás előadást. Az SRI Robotikai Laboratóriumának vezetője részletesen ismertette, kisfilmekkel demonstrálta az elsősorban a motorkerékpárok biztonsági tesztelésére kitalált robot fejlesztését az első lépésektől, az irányítási és biztonsági rendszerének kialakításától kezdve egészen addig, amíg a robot motorkerékpárt alkalmasnak találták arra, hogy kiállítsák a világ leggyorsabb motorversenyzője, Valentino Rossi ellen. Low elmondta, hogy bár a küzdelemben az ember diadalmaskodott és a robot alulmaradt, több terrabájtnyi adat gyűlt össze a tesztelések során, melyet mind biztonsági fejlesztésekre tud a cég fordítani; jól járt a Yamaha a hírnevének öregbítése tekintetében is, hiszen a YouTube-ra feltöltött versenyt több mint 6 milliónyian látták; és végül a riválisok – BMW, Honda – körében is versenyt indított a kezdeményezés.
Szabó Gábor, a Tesla Autopilot korábbi vezető szoftver mérnöke elsősorban azokra a tervezési és tesztelési kihívásokra összpontosított előadásában, melyek az emberi valamint a MI közötti érzékelés, értékelés és interpretáció különbségében rejtőzik. Számos olyan példát hozott fel, amikor akár az elégtelen mennyiségű vagy hibás, elfordult közlekedési táblák, kopott útfelestések, a többi közlekedő téves jelzéseinek (ellenkező irányú irányjelzés) értelmezését az ember helyesen, tehát korrigálva értelmezi, amire egyelőre a gép képtelen, ahogy a forgalom többi szereplői szándékainak megérzésére is azok egyéb, ráutaló magatartásából. Úgy látja, a MI-nak még számos kihívással kell szembenéznie olyan esetekben, amikor zsúfolt városokban emberek (gyalogosok, gyerekek, biciklisták vagy akár háziállatok) viselkedése események kiszámíthatatlan sorát képes elindítani. Bár a továbblépésben jelentős haladás várható az emberi magatartásminták betanításától és a flotta öntanulási képességeinek fejlesztésétől, a közeljövőben egyelőre a kiszámítható környezetben (hosszú autópályaszakaszokon, reptereken, raktár bázisokon), főleg kereskedelmi célú szállításban (kamion konvojok, targoncák) látja bevezethetőnek a teljesen autonóm gépjárműveket, még legalább 5 évig nem tartja elképzelhetőnek az 5-ös szintű gépkocsik használatát a mindennapos forgalomban.
Sven Beiker, aki Németországból érkezett, a Braunschweigi Műszaki Egyetemen végzett, 13 évig a BMW-nél dolgozott hazájában, majd Michigenben és a Szilícium-völgyben, ezt követően hat évig a Stanfordon, 2017-ben alapította meg Silicon Valley Mobility nevű cégét. Beiker az önvezető autózás számos előnyét sorolta fel, kezdve azzal, hogy a balesetek 94%-át emberi hiba okozza, ami évente 1 millió kórházban töltött napot és 212 Mrd USD-t jelent világviszonylatban. Ezen túl rengeteg időt takarít meg, kiterjeszti a mobilitás lehetőségét, csökkenti a költségeit, javítja a hatékonyságot és a földterület kihasználtságát. Szerinte 5-10 éven belül általánossá válhat a 4-es szintű, magasan automatizált közlekedés elterjedése kezdetben néhány kiválasztott ökoszisztémában – például a Szilícium-völgyben – és bizonyos zárt rendszereken belül – tehát kamion konvojoknál, postai kiszállításnál, tömegközlekedésben. Ugyanakkor Szabónál is pesszimistább jövőképet vizionált az 5-ös szintű gépkocsik elterjedését illetően, saját korábbi jóslatait is felülírva: szerinte erre az elkövetkező másfél évtizedben nem nagy esély van, különösen a 8-10 éves periódusban jelentkező, ezért küszöbön álló gazdasági recesszió miatt. Úgy látja, a törvényi háttér és a technológia többé-kevésbé készen áll, az embereknek még egy jelentős társadalmi tanulási folyamatra lesz szükségük az új technológia befogadásához, és készen kell állni a hátulütők kezelésére is, így könnyen elképzelhető, hogy a forgalom átmenetileg a jelenleginél is nagyobb lesz. Szerint 90%-os eredmény elérése elég könnyű, 95%-hoz már jelentős erőfeszítésekre van szükség, majd minden egyes tizedes eredményért tízszer annyit kell dolgozni.
KKM