2025’te Otonom Araçlar: Ride AI’ya Göre Şu Anda Neredeyiz?

İlk Ride AI konferansı Kaliforniya, Hollywood’da sona erdi. Bu fikir buluşmasında, donanım, yapay zeka ve insan deneyimi gibi otonom araçlarla ilgili konularda yenilikçiler ve etkili kişiler yer aldı ve hepsi de mobilitenin küresel geleceği bağlamında ele alındı. Ride AI’da, otonom sürüş alanındaki önde gelen isimler, insanların kontrolde olmadan etrafta dolaşması için mevcut odak noktalarını ve gelecekteki fırsatları tartışmak üzere bir araya geldi. 

Birçok şirket , Tesla’nın Tam Otonom Sürüş veya General Motors’un Süper Seyir gibi tüketiciye hazır sistemlerin eşdeğerlerini veya iyileştirmelerini yaratmaya odaklanmıştır . Ancak gün boyunca tekrarlanan bir düşünce, özel mülkiyete ait araçların otonom yeteneklerinin genişletilmesinin genel arayışın yalnızca küçük bir parçası olduğuydu. 

Toyota Araştırma Enstitüsü (TRI), otonom sürüş geliştirmenin yalnızca kendi başına olmaması gerektiğini düşünüyor; bir amacı olması gerekiyor. TRI temsilcileri, nispeten yakın vadeli teknolojileri insan sürücüler için bir yedek olmaktan çok bir asistan veya öğretmen olarak görüyor. Daha önce bindiğimiz otonom sürüşlü Supra’yı örnek olarak kullanarak, TRI bu tür yeteneklerin bir sürücüye arabasını daha iyi kontrol etmeyi ve sürücünün becerilerinin sınırlarını zorlayan bir tehlike kaynaklı kayma gibi senaryolara nasıl müdahale edeceğini öğretebileceğini varsaydı. TRI, alandaki diğerlerini otonominin ne olduğu veya olmadığı konusundaki anlatılarla kısıtlanmamaya teşvik etti. 

Bu anlamda, otonom uygulamaların inşa edilebileceği temelleri oluşturmak için çalışmalar devam ediyor. Nuro bir örnektir. İlk odak noktası, yalnızca kargo taşımak için tasarlanmış sürücüsüz teslimat araçları yaratmaktı, insan yolcuları değil. Ancak, Nuro geliştikçe, ana akım otomobil üreticilerine yetiştiğini veya onları geride bıraktığını fark etti . Şimdi, otonom araç teknoloji yığınını, yolcu araçları, karayolu teslimat dronları veya başka bir şey üreticileri olsun, diğer üreticilere lisanslamayı hedefliyor. 

Benzer şekilde Wayve, donanımdan bağımsız bir yaklaşım benimseyerek farklı tipteki araçlara ve farklı algılama sistemlerine uygulanabilen AI tabanlı bir sürüş beyni geliştiriyor . Wayve, Seviye 2’den Seviye 4’e kadar otonomi için uyarlanabilir bir mantık geliştirerek müşterilerinin ihtiyaçlarını karşılamak istiyor. Nispeten basit bir kamera sistemi veya kameraları, radarı ve lidarı birleştiren bir sistem tarafından yapılan algılama ile çalışabilir. Wayve, sürüş AI’sını müşterilerinin donanım parametreleri ve kullanıcı deneyimi tercihlerine göre eğitebilir. 

Kullanıcı deneyimi , otonomiyi kaldıraçlamak isteyen her marka için hayati önem taşır ; otonom sürüş teknolojisinin kullanılması, korkuları yatıştırmalı ve ister birey ister kurum olsun, kullanıcılar için somut faydalar sağlamalıdır. Kullanıcı deneyimi, Waymo’da yeni yolcular kazandığı ve onları elinde tuttuğu için önemli bir husustur . Bu, bir sürücünün araçtaki müziği seçmesine izin vermek veya çevredeki trafikteki ayrıntıları doğru şekilde işlemek veya bir yolcunun geride bir şey bırakması durumunda onu uyarmak için iç sensörler kullanmak gibi küçük şekillerde ortaya çıkar.

Ancak sürüş performansı Waymo’nun kullanıcı deneyimi değerlendirmeleri için en önemli unsurdur ve bu bir zorluk olmaya devam etmektedir. Waymo’nun hedefi sürekli olarak güvenli, öngörülebilir, olaylı olmayan sürüşler sunmaktır, ancak bir Waymo aracının San Francisco gibi bir yerde bunu nasıl yapacağını bilmesi Los Angeles’ta yapmaktan çok farklıdır ve bu yerler aynı Kaliforniya trafik düzenlemelerine tabidir. Arazi, sürüş hızı ve yol koşulları gibi faktörler bu şehirler arasında oldukça farklıdır ve bir Waymo aracı her birinde eşit beceriyle nasıl gezineceğini bilmelidir. Waymo Tokyo gibi küresel pazarlara açılmayı hedefledikçe, oldukça farklı yerlerde tamamen farklı sürüş stilleri öğrenmesi ve aynı kullanıcı deneyimini sunması gerekir. 

Otonom araçların daha iyi sürüş davranışlarını nasıl öğrenebileceği denklemin bir diğer karmaşık kısmıdır. Sensörlerle dolu otonom araçlar her gün büyük miktarda gerçek dünya yol verisi toplasa da, bu, otonom bir sistemin karşılaşabileceği tüm olası senaryolar için mantık üretmek için yeterli değildir. Mobileye ve Bot Auto liderleri, otonom sürüş sistemleri için sürekli ve yinelemeli olarak eğitim bilgisi üretmek amacıyla yapay zeka simülasyonlarının (özellikle bu simülasyonların doğruluğunun) önemini vurguladı. Simülasyonlarda kat edilen mesafeyi bir ölçüt olarak kullanmaktan ziyade, simülasyonların doğruluğunu ölçmek en azından aynı derecede önemlidir. Bu doğruluk, tipik yol verilerine ve ayrıca kazaları ve tehlikeleri yeniden oluşturarak temellendirilebilir. Ancak yapay zeka simülasyonları ne kadar hassas hale gelirse gelsin, gerçek dünya verileri, yapay zekanın kavrayışı dışındaki donanım sorunları veya yol senaryolarının dikkate alınması için arayışın bir parçası olmaya devam etmelidir. 

Birleşik Devletler düzenleyici ortamı, otonom araç dağıtımlarına kendi engellerini koyuyor. Farklı yerel ve federal kurumlar tarafından parçalanmış ve uzaktan denetim, teknolojiyi yola çıkarmak için kafa karıştırıcı ve verimsiz bir yola yol açıyor. Çin, otonom araçlar için düzenleyici bir çerçeve oluşturmak için bir model görevi görebilir . Bu ülkenin hükümeti, yaratıcıların geliştirmelerini kendi kendilerine onaylamak için başvurabilecekleri net düzenlemeler ve prosedürler oluşturarak otonom araçlara nispeten açık. Bu kurallar açık ve şeffaf bir şekilde düzenlendiğinde, teknoloji uzmanları ve tüketiciler, otonom bir aracın nitelikleri veya yetenekleri hakkında daha az belirsizlik yaşıyor. Bu nedenle, Baidu’nun Apollo Go veya Pony.Ai gibi Çin’deki robotaksi hizmetleri , kentsel yollarda giderek daha fazla popülerlik ve entegrasyon buluyor. 

Ride AI konferansında büyük fikirler ve içgörüler eksik değildi. Yine de bu düşünce çeşitliliği, ilgili tüm taraflar arasında daha yakın bir uyum ihtiyacını da gösterdi. Bununla birlikte, teknoloji geliştiricileri, otomobil üreticileri ve hükümet düzenleyicileri verimsizlikleri azaltabilir ve yarının otonom araç endüstrisinde başarılı olmak için gerekenler konusunda anlayışı artırabilir. İlk Ride AI, bu sinerjilerin tutunması için bir ortam sağladı; bu nedenle konferansın gelecekteki edisyonlarındaki tartışmalar otonom mobiliteyi daha hızlı hızlandırabilir.