Published on:

מבחן ADAS במסלול סגור מעורר ויכוח לאחר שמספר מכוניות חכמות התקשו בתרחישי בטיחות במהירות גבוהה

הערכה שפורסמה לאחרונה במסלול סגור של מערכות נהיגה עם סיוע בניווט הציתה מחדש את הדיון הציבורי לגבי מידת האמינות של תכונות "נהיגה חכמה" כיום — במיוחד כאשר התנאים הופכים למורכבים, בלתי צפויים וקריטיים מבחינת זמן.

המבחן, שפורסם על ידי כלי תקשורת הרכב הסיני Dongchedi, העביר 36 כלי רכב סדרה של תרחישי בטיחות פעילה בכביש מהיר סגור. ההרכב כלל מגוון רחב של דגמים מקומיים ובינלאומיים פופולריים, אך התוצאה — שאופיינה בכשלונות חוזרים ונשנים — עוררה גל של דאגה.

סקירה כללית של הערכת בטיחות ADAS במסלול סגור

שישה תרחישים, שאלה גדולה אחת: מדוע כל כך הרבה נכשלו?

כלי רכב הוערכו בשישה מצבי בטיחות פעילה תובעניים:

  • רכב מוביל נעלם: אובדן פתאומי של מעקב אחר המטרה שלפנים.
  • אזורי עבודות בכביש: תרחישים עם מרחקי בלימה קצרים במיוחד.
  • סכנות בשעות הלילה: נתיבים חסומים על ידי רכבי תאונה לא מוארים או משאיות תקועות.
  • כניסות אגרסיביות לנתיב: השתלבות בכביש מהיר בשעות היום ותמרונים במהירות גבוהה.
  • סיכוני תאונת חזית-אחור: האטה פתאומית או עצירה של תנועה במהירות גבוהה.

אפילו במסלול מבוקר, תרחישים אלו הציגו מגבלות מציאותיות — ראות מוגבלת וטופוגרפיה מורכבת — שהכניעו מערכות שבדרך כלל מתפקדות היטב בתנועה שגרתית.

בדיקת סכנה באזור עבודות בלילה

התפיסה נראית בסדר — התכנון והבקרה עשויים להיות צוואר הבקבוק

תצפית מרכזית מהמבחן היא שכלי רכב רבים הצליחו "לראות" את הסכנות. החולשה הגדולה יותר נראית בתכנון ובבקרה.

במערכות "מקצה לקצה" מודרניות, רשתות עצביות גדולות מתרגמות קלטי חיישנים למסלול מתוכנן. הביקורת היא לא שהמודלים הללו חסרי תועלת, אלא שהם עלולים להפוך לבלתי יציבים כאשר הם נתקלים בשילובים לא מוכרים של משתנים. המערכת מזהה סכנה אך לא יכולה להחליט באופן אמין מה לעשות הלאה — לבלום, לנווט או להתחמק — תחת לחץ קיצוני.

"החולשה הגדולה יותר עשויה להיות בתכנון ובבקרה: המערכת מזהה סכנה אך אינה יכולה להחליט באופן אמין מה לעשות הלאה."

"בעיית ההסתברות" ואימון על מקרי קצה

נהיגה אמיתית אינה יכולה להסתמך על "מזל הסתברותי". כאשר הסיכון גבוה, מערכות זקוקות להתנהגות עקבית ודטרמיניסטית. עם זאת, תרחישי התנגשות קיצוניים הם נדירים, מה שהופך אותם לקשים ל"למידה" מנתונים מהעולם האמיתי בלבד.

כדי לפצות על כך, יצרניות הרכב משתמשות ב:

  • סימולציות מבוססות ענן: יצירת תרחישי "המקרה הגרוע ביותר" סינתטיים בקנה מידה רחב.
  • אימון גנרטיבי: זיקוק ידע סינתטי על מקרי קצה בחזרה למודל שבצד הרכב.

בעוד שצינורות אלו מתפתחים, תוצאות המבחן מצביעות על כך שרבים עדיין נמצאים בשלבים מוקדמים של הפקת התנהגות בטוחה באופן עקבי בתנאים קיצוניים.

ויזואליזציה של אימון וסימולציה סינתטיים

הרגולטורים מדגישים שוב: הנהגים נשארים האחראים

המחלוקת מגיעה לצד מסרים מחודשים מצד הרשויות המדגישים כי מערכות אלו הן סיוע לנהג, ולא נהיגה עצמית.

הרשויות במערכת ניהול התנועה בסין הדגישו כי הנהגים נשארים הצד האחראי. הנחיות חדשות לאתיקה טכנולוגית דוחקות גם בתקשורת ברורה יותר לצרכנים כדי למנוע אי-הבנה ושימוש לרעה בפונקציות מתקדמות של סיוע לנהג.

מה המשמעות עבור הצרכנים

המסקנה העיקרית היא שסיוע לנהג הוא עדיין — לפי תכנון — סיוע. גם אם מערכת פועלת בצורה מרשימה בתרחישים יומיומיים רבים, אירועי כביש מהיר נדירים יכולים להציב מגבלות בדרכים שעוברות במהירות את מה שהמודלים של היום מטפלים בו בצורה אמינה.

עבור הנהגים, המסר ברור: התייחסו למערכות אלו כאל כלים, ולא כתחליף לתשומת לב. הקפיצה הבאה בבטיחות לא תגיע משמירה חלקה יותר על הנתיב, אלא מתכנון חירום חסון ומהבנה ציבורית עמוקה יותר של המגבלות הטכנולוגיות.

בטיחות רכב חכם ותשומת לב הנהג