Published on:
การทดสอบระบบ ADAS ในสนามปิดจุดชนวนการถกเถียง หลังจากรถยนต์อัจฉริยะหลายรุ่นประสบปัญหาในสถานการณ์ความปลอดภัยที่ความเร็วสูง
การประเมินระบบช่วยขับขี่นำทางในสนามปิดที่เพิ่งเปิดเผยออกมา ได้จุดกระแสการอภิปรายในที่สาธารณะอีกครั้งเกี่ยวกับความเชื่อถือได้ของฟีเจอร์ "การขับขี่อัจฉริยะ" ในปัจจุบัน โดยเฉพาะอย่างยิ่งเมื่อสภาพการณ์มีความวุ่นวาย คาดเดาไม่ได้ และมีความสำคัญในเรื่องเวลา
การทดสอบนี้เผยแพร่โดยสื่อยานยนต์จีน Dongchedi โดยนำรถยนต์ 36 รุ่นมาผ่านสถานการณ์ความปลอดภัยเชิงรุกหลายรูปแบบบนทางหลวงปิด ไลน์อัพครอบคลุมทั้งรุ่นยอดนิยมในประเทศและต่างประเทศ แต่ผลลัพธ์ที่เต็มไปด้วยความล้มเหลวซ้ำแล้วซ้ำเล่าได้กระตุ้นให้เกิดความกังวลอย่างมาก
6 สถานการณ์ กับหนึ่งคำถามใหญ่: ทำไมหลายรุ่นถึงสอบตก?
รถยนต์ได้รับการประเมินผ่านสถานการณ์ความปลอดภัยเชิงรุกที่ท้าทาย 6 รูปแบบ:
- รถคันหน้าที่หายไป (Disappearing Lead Vehicle): การสูญเสียการติดตามรถคันหน้าอย่างกะทันหัน
- เขตก่อสร้าง (Construction Zones): สถานการณ์ที่มีระยะเผื่อสั้นมาก
- อันตรายในเวลากลางคืน (Nighttime Hazards): เส้นทางที่ถูกขวางด้วยรถอุบัติเหตุที่ไม่มีไฟ หรือรถบรรทุกที่จอดเสีย
- การถูกปาดหน้าอย่างกะทันหัน (Aggressive Cut-ins): การรวมเข้าทางหลวงตอนกลางวันและการหลบหลีกที่ความเร็วสูง
- ความเสี่ยงในการชนท้าย (Rear-end Risks): การชะลอตัวหรือหยุดกะทันหันของการจราจรที่ใช้ความเร็วสูง
แม้จะเป็นในสนามทดสอบที่ควบคุมได้ แต่สถานการณ์เหล่านี้ได้เพิ่มข้อจำกัดตามความเป็นจริง ทั้งทัศนวิสัยที่จำกัดและภูมิประเทศที่ซับซ้อน ซึ่งทำให้ระบบที่มักจะทำงานได้ดีในการจราจรปกติกลับรับมือไม่ไหว
การรับรู้ดูเหมือนจะดี แต่การวางแผนและการควบคุมอาจเป็นจุดคอขวด
ข้อสังเกตสำคัญจากการทดสอบคือ รถยนต์หลายคันสามารถ "มองเห็น" อันตรายได้ แต่จุดอ่อนที่ใหญ่กว่าดูเหมือนจะเป็น การวางแผนและการควบคุม
ในระบบซอฟต์แวร์ "end-to-end" สมัยใหม่ โครงข่ายประสาทเทียมขนาดใหญ่จะเปลี่ยนข้อมูลที่ได้รับจากเซนเซอร์ให้เป็นเส้นทางการขับเคลื่อนที่วางแผนไว้ คำวิจารณ์ไม่ใช่ว่าโมเดลเหล่านี้ไร้ประโยชน์ แต่คือพวกมันอาจไม่เสถียรเมื่อเผชิญกับตัวแปรที่รวมกันอย่างไม่คุ้นเคย ระบบรับรู้อันตรายแต่ไม่สามารถตัดสินใจได้อย่างเชื่อถือได้ว่าจะทำอย่างไรต่อไป ไม่ว่าจะเป็นการเบรก การหักเลี้ยว หรือการหลบหลีก ภายใต้แรงกดดันมหาศาล
“จุดอ่อนที่ใหญ่กว่าอาจอยู่ที่การวางแผนและการควบคุม: ระบบรับรู้อันตรายแต่ไม่สามารถตัดสินใจได้อย่างเชื่อถือได้ว่าจะทำอย่างไรต่อไป”
"ปัญหาด้านความน่าจะเป็น" และการฝึกฝนสำหรับ Edge Case
การขับขี่ในชีวิตจริงไม่สามารถพึ่งพา "โชคด้านความน่าจะเป็น" ได้ เมื่อมีความเสี่ยงสูง ระบบจำเป็นต้องมีพฤติกรรมที่แน่นอนและสม่ำเสมอ อย่างไรก็ตาม สถานการณ์การชนที่รุนแรงนั้นเกิดขึ้นได้ยาก ทำให้การ "เรียนรู้" จากข้อมูลในโลกแห่งความเป็นจริงเพียงอย่างเดียวทำได้ยาก
เพื่อชดเชยสิ่งนี้ ผู้ผลิตรถยนต์กำลังใช้:
- การจำลองบนคลาวด์ (Cloud-based Simulations): สร้างสถานการณ์ "กรณีเลวร้ายที่สุด" (worst-case) ในระดับสเกลใหญ่
- การฝึกฝนเชิงสร้างสรรค์ (Generative Training): การกลั่นกรองความรู้จากเคสที่จำลองขึ้นกลับเข้าสู่โมเดลในรถยนต์
แม้ว่ากระบวนการเหล่านี้กำลังพัฒนาขึ้น แต่ผลการทดสอบชี้ให้เห็นว่าหลายรายยังอยู่ในช่วงเริ่มต้นของการสร้างพฤติกรรมที่ปลอดภัยอย่างสม่ำเสมอภายใต้สภาวะสุดขั้ว
หน่วยงานกำกับดูแลเน้นย้ำ: ผู้ขับขี่ยังคงต้องเป็นผู้รับผิดชอบ
ข้อถกเถียงนี้เกิดขึ้นพร้อมกับการส่งสารย้ำเตือนจากเจ้าหน้าที่ว่า ระบบเหล่านี้คือ การช่วยเหลือผู้ขับขี่ ไม่ใช่การขับเคลื่อนอัตโนมัติ
หน่วยงานในระบบบริหารจัดการจราจรของจีนได้เน้นย้ำว่าผู้ขับขี่ยังคงเป็นฝ่ายที่ต้องรับผิดชอบ แนวทางปฏิบัติด้านจริยธรรมเทคโนโลยีใหม่ยังกระตุ้นให้มีการสื่อสารที่ชัดเจนไปยังผู้บริโภค เพื่อป้องกันความเข้าใจผิดและการใช้งานฟังก์ชันช่วยเหลือผู้ขับขี่ขั้นสูงในทางที่ผิด
สิ่งนี้หมายความว่าอย่างไรสำหรับผู้บริโภค
ประเด็นสำคัญคือ ระบบช่วยเหลือผู้ขับขี่ยังคงเป็น "ระบบช่วยเหลือ" ตามการออกแบบ แม้ว่าระบบจะทำงานได้อย่างน่าประทับใจในหลายสถานการณ์ในชีวิตประจำวัน แต่เหตุการณ์บนทางหลวงที่เกิดขึ้นได้ยากสามารถสร้างข้อจำกัดซ้อนกันในแบบที่เกินกว่าโมเดลปัจจุบันจะรับมือได้อย่างเชื่อถือได้
สำหรับผู้ขับขี่ ข้อความนี้ชัดเจน: จงใช้ระบบเหล่านี้เป็นเครื่องมือ ไม่ใช่สิ่งที่จะมาแทนที่ความระมัดระวัง ก้าวกระโดดต่อไปของความปลอดภัยจะไม่ใช่การรักษาเลนที่ราบรื่นขึ้น แต่คือการวางแผนฉุกเฉินที่มีประสิทธิภาพ และความเข้าใจที่ลึกซึ้งยิ่งขึ้นของสาธารณชนเกี่ยวกับขีดจำกัดทางเทคโนโลยี
