Gerçek ‘otonom’ taşıtlar, ‘süperinsan’ gibi nesne tespit edebilen çeşitli bir sensör dizisine dayanıyor. Bu teknoloji mükemmel değil.
Geçtiğimiz ayın sonlarında bir Tesla Model 3 sahibi, arabasının yüksek hızda giderken bir geyiğe çarpıp geçtiği şok edici yol kamerası görüntülerini paylaştı. Şoförünün Tesla’nın sürücüye yardımcı Tam Kendi Kendine Sürme (FSD) modunda çalıştığını söylediği araba, yolun ortasında duran geyiği hiç tespit etmemiş ve ondan kaçınmak için frenlere basmamış ya da manevra yapmamış. Bu vakadan sadece birkaç ay önce ise sürücüsüz araba teknolojisinde önde gelen şirketlerden olan Waymo’nun bir aracı, söylenenlere göre şirketin “kaçınılmaz” olduğunu belirttiği bir kaza sonucunda bir köpeğe çarpmıştı. Kazaların detaylarının anlatıldığı raporlara göre sürücüsüz arabaların her ikisi de yoldaki hayvanları onlardan kaçınacak kadar hızlı şekilde tespit etmemişti.
Video is cut right before sensitive things appear on screen. Safe to watch. pic.twitter.com/FaXD6Gr68S
— Paul S (@TheSeekerOf42) October 28, 2024
Bu gibi yüksek profilli “uç vakalar” hemen dikkat çekiyor ve otonom taşıt güvenliğiyle ilgili derinlerde yatan kaygıları canlandırıyor. Pew Research şirketinin 2022 yılında yaptığı ankete göre yolu sürücüsüz bir arabayla çok rahat paylaşacağını söyleyen ABD’li yetişkinlerin sayısı %25’ten az. Bu örnekler şimdiye kadar nadir olsa da; ülke genelindeki şehirler kendi kendine giden araçların yollara çıkmasına izin verdikçe daha da yaygınlaşabilir. Bu olduğunda ise söz konusu arabaların neleri görüp neleri “göremediğini” anlamak önem taşıyor. Otonom araç (OA) üreticileri, olası tehlikelerin tespiti için birkaç farklı şekilde iyileştirme yapıyor. Şu an endüstrinin büyük bir bölümü çoğunlukla çeşitli sensörler ve kameralar ile tahminsel yapay zeka modellerini birleştiren bir yaklaşımda birleşiyor. Bu sistemler hep beraber taşıtların etrafının 3 boyutlu haritalarını oluşturuyor. Teknolojiyi destekleyenler, bu sistemlerin olası tehlikeleri “süperinsan” benzeri kabiliyetlerle tespit edebildiğini söylüyor. Tehlikeleri insanlardan daha iyi tespit edebilecek olan bu modeller henüz mükemmel değil.
Kameralar, Radar ve LiDAR: Sürücüsüz arabaların gözleri ve kulakları
“Sürücüsüz” ve “kendi kendine giden” terimleri genelde bilimsel olmaktan ziyade tanımlayıcı kelimeler. Alanda çalışan mühendis ve araştırmacılar, “otonom taşıtlar” terimini kullanmayı tercih ediyor. ABD Otomotiv Mühendisleri Derneğinin (SAE) hazırladığı ve 0’dan 5’e kadar değişen birden fazla otonomi seviyesi bulunuyor. Tesla, frene basma ve şerit kontrolü gibi sürüşün bazı bölümlerini otomatik hale getiren ancak kafa karıştıran “Otopilot” ve “Tam Kendi Kendine Sürüş özellikleri”ne sahip olsa da halen teknik olarak insan sürücülerinin ellerinin direksiyonda olmasını ve gözlerinin yola bakmasını gerektiriyor. Popular Science‘a konuşan ve San Francisco Üniversitesinde çalışan otonom taşıt uzmanı Profesör William Riggs, bunun 2 ve 3. seviye arasında bir yerde bulunduğunu ve aslında “gelişmiş sürücü yardımı” şeklinde adlandırılması gerektiğini söylüyor. Waymo veya Amazon’un sahibi olduğu Zoox tarafından sunulan daha gelişmiş otonom sistemlerse gerçekte farklı bir ligde yer alıyor. Riggs, Waymo ve Tesla’nın teknolojileri arasındaki boşlukları “gündüz ve gece” biçiminde tanımlıyor. Bu teknik ayrımlar, belli taşıtların neyi görebildiğini ve onlara ne kadar güvenilebileceğini belirlemede kilit bir rol oynuyor.
Sürücüsüz taşıtların etraflarındaki dünyada yer alan yolları ve nesneleri, sıradan bir insan sürücünün yapabildiği seviyeye yaklaşan veya onu geçen bir isabet seviyesiyle belirleyebilmesi gerekiyor. Çoğu büyük üretici, bunu yapmak için farklı bir sensör çeşitliliğine bel bağlıyor. Riggs, genelde taşıtın etrafına yerleştirilen ve birlikte çalışan kameralardan, radardan ve LiDAR’dan oluşan bu sistemden “sensör füzyonu” şeklinde bahsediyor. Bu az buçuk sensörler, arabanın etrafında ve tam önünde bulunan her şeyi tespit etmede kullanılıyor. Bunlar, diğer bir deyişle arabanın gözleri ve kulakları.
“Karmaşıklık aslında çok sayıda sensörün merkezi bilgisayara veya genel işlem birimi neyse ona bağlanmasında yatıyor” diyor Riggs.
Daha gelişmiş sürücüsüz sistemlerde bu süreç, aslında bir OT’nin direksiyon başında insan olmadan yola çıkmasından uzun süre önce başlıyor. Örneğin Waymo ve Zoox, insan sürücülere gerçek dünyadaki verileri toplatarak sürücüsüz araçları konuşlandırmayı plandıkları yolların haritalarını çıkartıyor. Bu işlem ise şerit ayırıcılar, durma işaretleri ve yaya geçitleri gibi önemli işaretlerle dolu, zengin detaylı 3 boyutlu dijital haritaların oluşturulmasına yol açıyor. (Eğer hiç direksiyonu başında bir insanın bulunduğu Waymo ve Zoox aracı gördüyseniz, bölgenin haritasını çıkarıyor olma ihtimalleri çok yüksek.) İş hiçbir zaman tamamen bitmiyor. Arabalar rotaların devamlı olarak haritasını çıkartıp, inşaat veya diğer çevresel etmenler sebebiyle meydana gelmiş olabilecek değişiklikleri arıyor.
Fakat haritalama da bir yere kadar. Taşıtlar yola çıkmaya hazır olduğunda, taşıtın etrafına dağıtılmış çeşitli RGB kameraları aracılığıyla “gözler” devreye giriyor. Bağlam için örnek verecek olursak tek bir Waymo taşıtının 29 kamerası var. Tüm bu dijital gözler birleştiğinde, arabanın etrafındaki dünyanın 360 derecelik bir görünümünü meydana getiriyor. Fakat olumsuz taraflar da var. Kamera görüşü, uzaklığı belirlemede zorlanıyor ve bazen cisimleri olduklarından daha yakınmış ya da uzakmış gibi gösteriyor. Sert havalarda iyi çalışamıyorlar.
Radar işte burada devreye giriyor. Özetlemek gerekirse radar, diğer cisimlere doğru atımlı radyo dalgaları göndererek çalışıyor. Bu atışlar bir cisme çarptığında, algılayıcılara geri dönüyor ve diğer cisimlerle ilgili faydalı bilgiler açığa çıkarıyor; en önemlisi de bu cisimlerin hızlarını ve taşıta olan uzaklıklarını gösteriyorlar. Pek çok sürücüsüz araba sistemi radardan faydalanarak, taşıtların hareket halindeki diğer arabalara göre uzaklıklarını güvenli şekilde belirlemesine ve aralarından geçmesine yardımcı oluyor. Radar hız ve konumun belirlenmesine yardımcı olsa da; yoldaki bir cismin eski bir lastik mi yoksa canlı bir hayvan mı olduğunu belirleyecek kadar isabetli çalışmıyor.
Eğer hiç tavanında tuhaf görünümlü ve dönen bir şey bulunan sürücüsüz bir araba gördüyseniz, bunlar LiDAR veya Işıklı Tespit ve Uzaklık Tayini sensörleridir. LiDAR sistemleri, taşıtın etrafındaki bütün yönlere milyonlarca lazer darbesi gönderir ve sonrasında bu lazerlerin taşıta ne kadar hızlı şekilde geri sektiğini ölçüp, sonrasında bu bilgiyi arabanın etrafındakilerin etkileyici derecede isabetli bir 3B haritasını oluşturmak için kullanır. Işık darbelerinin bu dijital görüntüsü yayaların, bisikletlilerin ve diğer taşıtların varlığını tespit edebilir. Ayrıca topografyada yer alan ve arabanın yollardaki çukurlar ya da diğer tehlikelerin etrafından dolaşması için faydalı olabilecek değişiklikleri de tespit edebilir. Tüm bunlar neredeyse anında gerçekleşir. LiDAR bir zamanlar bazı teknoloji şirketlerinin toplu şekilde uygulayamadığı kadar pahalıydı fakat bu maliyetler son yıllarda aşağı yönlü eğilim sergiledi.
Urbana Champaign – Illinois Üniversitesinde çalışan elektrik ve bilgisayar mühendisliği profesörü ve otonom güvenlik uzmanı Sayan Mitra, Popular Science‘a konuşarak OT’lerin sensör karışımlarını kullanarak çevrelerinin “dijital bir suretini” çıkardıklarını söylüyor. Mitra ve diğer mühendislerin “algılama modülü” şeklinde adlandırdığı bu yazılımda, kendi şeridinde giden aracın yanısıra etraftaki şeritlerde bulunan araçların da konumu, yönü ve hızı yer alıyor. Bu modüller ayrıca derin yapay sinir ağları (DNN) kullanarak; ister bir yaya, ister devrilmiş bir ağaç olsun, gerçek zamanlı şekilde bir cismin tam olarak ne olduğunu belirlemeye çalışıyorlar.
Kameralar, radar ve LiDAR’ın bu kombinasyonu gittikçe yaygınlaşsa da göz önünde bulundurulan tek yaklaşım değil. Tesla’nın FSD grubunda radar kullanmayı yıllar önce bıraktığı ve artık sadece kamera görüşü kullandığı biliniyor. CEO Elon Musk, LiDAR’ı “koltuk değneği” ve “gereksiz” sözleriyle eleştirmişti. Fakat hem Riggs hem de Mitra, Tesla veya başka bir araba üreticisinin günün birinde sadece kamera görüşü kullanarak tam otonomiye ulaşacak bir yol bulması mümkün olsa da; bu yaklaşımın şu an LiDAR kullanılarak ulaşılabilen hassasiyet seviyesini barındırmadığını söylüyor.
“Size o cismin ne kadar hızlı hareket ettiğini söyleyecek şey LiDAR’dır” diyor Riggs. “Ayrıca bunu, FSD kullanan Tesla gibi bir kameranın yapacağı şekilde tahmin etmeyecektir.”
İşler ters gittiğinde ne oluyor?
Bütün bu sürücüsüz sistemlerin böyle çalışması gerekiyor fakat gerçekte mükemmel değiller. Tesla’nın geyiğe çarptığı o son olayda Mitra, söz konusu hatanın taşıtın algılama modülünün kamera görüntüsündeki geyiği güvenilir şekilde tespit edememesinden kaynaklanmış olabileceğini söylüyor. Nispeten ufak boyutlu gri geyiğin benzer şekilde gri renkli bir kaldırıma karşı durması ve yoldaki çizgilerle hizalanması, muhtemelen “düşük nitelikli” bir görüntüye yol açmış. Hem Mitra hem de Riggs, Tesla’nın derin yapay sinir ağlarının (DNN) o açı veya pozisyondaki geyik görüntüleriyle yeterince eğitilmemiş olabileceğini düşünüyor.
“Eğer yazılım hiç bir geyikle karşılaşmadıysa ve bir geyiğin ne olduğunu bilmiyorsa ama aynı zamanda bu koşan geyiğin kesin konumunu ya da kesin hızını da bilmediyse, o zaman arabanın ona çarpmasına şaşırmamalı” diyor Riggs. Bu sistemin ele alabileceği tipte bir bilginin ürünü.”
Mühendisler ve araştırmacılar, bu gibi beklenmedik ve yeterince eğitim uygulanmamış olabilecek senaryoları “uç vakalar” şeklinde değerlendiriyor. Bu olaylar oldukça sıradan tipten (Riggs, Seviye Dört bir taşıtın kamyonun arkasına bağlı bir treyleri tanıyamadığı bir vakadan bahsediyor), hayatı tehdit eden tipe kadar değişebiliyor. İkinci vaka, geçtiğimiz sene San Francisco şehrinde araba çarpan bir yayanın bitişikteki şeritte çalışan bir Cruise robotaksisinin altına girmesiyle meydana gelmişti. Söylenenlere göre birkaç teknik hatanın gerçekleşmesi sonucunda araba kadını görememiş. Kadın arabanın altında 6 metre sürüklenmiş. Riggs, bu vakada OT üreticilerinin taşıtın altındaki yayalara bakmak için kamera veya sensör yerleştirmeyi düşünmemiş olduklarını söylüyor.
“Taşıtın altında bir kamera yoktu, mühendisler oradaya birinin olduğunu görememişti” diyor Riggs. “Bu gerçekten kimsenin düşünmediği bir şeydi.”
Sürücüsüz arabalar zor seçimlerle nasıl başa çıkıyor?
Yoldaki engelleri görüp tespit etmek, mücadelenin sadece yarısı. Tespit edildiğinde, taşıtın nasıl yanıt vereceğini bilmesi gerekiyor. Çoğu vakada bu durum, çarpışmadan kaçınmak üzere frenlere basmak veya direksiyonu yolun dışına doğru kırmak anlamına geliyor. Fakat en iyi eylem güzergâhı her zaman bu olmayabiliyor. Sürücüsüz bir araba geçtiği güzergâhta ufak dallar, çalılar veya büyük bir kar kütlesi tespit ettiği her seferinde durmak ya da kaçınmacı bir menavra yapmak zorunda kalsaydı, muhtemelen uzağa gidemezdi. Dahili yapay zeka modellerinin, önlerindeki cisimlerin aslında dal olduğundan ve ufak bir köpek olmadığından emin olmaları gerekiyor.
Bir çarpışmadan kaçınmak için aniden fren yapmanın daha büyük bir zarara da sebep olabileceği başka vakalar var. Mitra, arkasında otonom taşıtların yer aldığı bir kamyondan işlek bir otoyolda gittiği sırada ufak bir tay soğutucusunun düştüğü ve OT’nin dibinden giden başka bir aracın olduğu bir örnek veriyor. Eğer sürücüsüz araba bu soğutucudan kaçınmak için sert fren yapacak olsaydı, Mitra o zaman arkadan gelen taşıtın araca çarpacağını ve zincirleme bir kazanın meydana gelebileceğini belirtiyor.
“Durum sadece engellerden kaçınmakla ilgili değil” diyor Mitra. “Yolcuların güvenliği, diğer kişilerin güvenliği, hız, hasar ve konfor arasındaki bu tip değiş -tokuşlar, başka pek çok senaryoda da ortaya çıkabilir.”
Hatta Mitra, sürücüsüz arabaların yüksek seviyeli hedeflerinin ne olması gerektiğiyle ilgili “acilen” daha fazla şeffaflığın olması ve halka açık tartışmaların yapılması gerektiğine inandığını söylüyor.
Gazeteciler ve bazı araştırmacılar, geçmişte bu değiş -tokuşları felsefedeki o müşhur “tramvay problemiyle” karşılaştırmışlardı. İlk olarak 1967 yılında ortaya atılan bu çıkarcı düşünce deneyinde, bir tramvay operatörünün birden fazla insandan oluşan bir gruba daha büyük zarar gelmesini önlemek için bir insanı öldürmeyi seçmesi mi yoksa seçmemesi mi gerektiğine odaklanılıyor. Riggs, bir OT’nin tehlikeli durumlarda nasıl yanıt verdiğini anlarken aynı düşünce hattını uygulamak cezbedici gelse de bu karşılaştırmanın hedefi ıskaladığını söylüyor. Devasa miktarlarda veri alan ve bunlara gerçek zamanlı tepki veren OT’ler aslında bir dizi “olasılıksal seçim setiyle” çalışıyor. Bu, tek bir mühendisin verdiği bir programlama kararına göre temelden farklılık gösteriyor.
“Taşıt bu vakaların herhangi birinde ahlaki bir karar vermiyor” diyor Riggs. “Kendi kendine giden arabalar, temelde çarpışmadan kaçınmak ve bunu da olasılıksal yönden taşıt için en iyi güzergâh olmayacak bir şekilde yapmak üzere tasarlanıyorlar ve tasarlanacaklar.”
Bu uç vakaların akılda tutulmasıyla bile Riggs, yollarda daha fazla sürücüsüz arabanın bulunduğu bir gelecek konusunda kendisinin hâlâ iyimser olduğunu söylüyor. İnsanların aksine OT’ler hız yapmak, durma işaretlerine uymamak veya araba sürerken mesaj yazmak istemiyor. Bu otomatik sürücülerin dikkati de dağılmıyor ve yasaları ihlal etmemeleri gerekiyor. Tüm bu etmenler birleştiğinde Riggs, OT’nin insanlara göre daha güvenli olabileceğini söylüyor. Central Florida Üniversitesinden çıkan önceki bir araştırmada, OT’ler ve insan sürücüler arasındaki kaza oranları karşılaştırılmış. Sonuçlar, sürücüsüz taşıtların rutin şartlar esnasında daha güvenli gittiğini gösteriyor. Mitra’ya göre teknoloji daha geniş çapta devreye girdikçe, halkın güvenini sürdürmek için kendi kendine sürüş yazılımının güvenliği üzerine daha çok hakem denetimli araştırma yapılması gerekiyor.
“İnsanları sürüş kararının dışına iten şeyleri ne kadar fazla artırırsak, yolumuzda hiç kaza olmamasına da o kadar yaklaşırız” diyor Riggs. “İnsanları ölmekten kurtarmak güzel bir şey.”
Yazar: Mack Degeurin/Popular Science. Çeviren: Ozan Zaloğlu.
