– Uwaga, kontynuowanie czytania może spowodować mdłości na tej krętej drodze. Za pięć minut wjedziemy na autostradę, wtedy powinno być znacznie lepiej;
lub
– Zaraz zacznie padać deszcz i musimy przerwać automatyczną jazdę. Proszę o przygotowanie się do samodzielnej jazdy. Przykro mi, że musisz teraz schować swojego laptopa. Najważniejsze jest dla nas bezpieczeństwo.
 
Prawdopodobnie za kilka lat „samochody” będą mogły przekazywać kierowcom podobne komunikaty. Wraz ze wzrostem ich zautomatyzowania interakcja człowiek-pojazd stanie się bardziej intuicyjna i spersonalizowana, umożliwiając płynniejsze zarządzanie pojazdem oraz zwiększając komfort i bezpieczeństwo podróży.

Continental Automotive GmbH oraz Instytut Fraunhofera zajmą się opracowaniem systemów wspomagania zautomatyzowanej jazdy, w połączeniu z monitorowaniem zachowania kierowcy w kabinie pojazdu oraz interakcją człowiek-pojazd. Dzięki współpracy i połączeniu kompetencji 12 partnerów z sektora badań, przemysłu i doradztwa technologicznego w konsorcjum KARLI, możliwe będzie przeniesienie opracowanych technologii sztucznej inteligencji do produktów seryjnych. 

Obecnie rozróżnia się 5 poziomów (stopni) jazdy autonomicznej: 
0 – brak autonomii, 
1 – wspomaganie kierowcy, 
2 – częściowa automatyzacja, 
3 – warunkowa automatyzacja,
4 – wysoka automatyzacja,
5 – pełna automatyzacja. 

– W ramach projektu KARLI opracowujemy funkcje sztucznej inteligencji dla poziomów jazdy autonomicznej od drugiego do czwartego stopnia. Rejestrujemy zachowanie kierowcy i projektujemy różne interakcje człowiek-maszyna, typowe dla poszczególnych poziomów – wyjaśnia koordynator projektu Frederik Diederichs z Instytutu Optroniki, Technologii Systemów i Analizy Obrazu im. Fraunhofera IOSB w Karlsruhe. 

Interakcja na różnych poziomach 

W zależności od poziomu automatyzacji pojazdu kierowcy muszą albo skoncentrować się na drodze, albo mogą skupić się na innych czynnościach. Na ponowne przejęcie kontroli nad pojazdem mają 10 sekund lub, w niektórych przypadkach, nie muszą interweniować wcale.

Te różne wymagania dla użytkowników oraz możliwość przełączania się między poziomami automatyzacji w zależności od sytuacji na drodze sprawiają, że zdefiniowanie i zaprojektowanie odpowiednich interakcji dla każdego poziomu jest złożonym zadaniem. Ponadto interakcje i projektowanie muszą zapewniać, że kierowcy zawsze będą w pełni świadomi aktualnego poziomu automatyzacji, aby mogli odpowiednio spełniać swoje role.

Opracowane w ramach projektu KARLI aplikacje mają 3 podstawowe cele:

1. Ostrzeżenia i instrukcje mają na celu zachęcanie do jazdy zgodnej z poziomem automatyzacji, zapobiegając rozproszeniu uwagi kierowcy w momentach wymagających skupienia się na drodze. Reakcje użytkownika są dostosowane do odpowiedniego poziomu: wizualnie, akustycznie, dotykowo lub jako kombinacja tych opcji. Interakcja jest kontrolowana przez AI, którego wydajność i niezawodność są oceniane przez partnerów projektu.
2. Ryzyko choroby lokomocyjnej – jednego z największych problemów z pasywną jazdą – ma być przewidywane i minimalizowane. Od 20 do 50% ludzi cierpi na tzw. chorobę lokomocyjną.

Te aplikacje mają na celu zwiększenie bezpieczeństwa i komfortu jazdy, a także poprawę ogólnej interakcji między kierowcą a pojazdem.

– W oparciu o bieżącą aktywność pasażerów oraz uwzględniając ich zachowanie przy spodziewanym przyspieszeniu prędkości pojazdu na krętych drogach, możemy umożliwić sztucznej inteligencji udzielanie pasażerom wskazówek, jak uniknąć choroby lokomocyjnej. Korzystamy z tak zwanych generowanych interfejsów użytkownika (GenUIn), do zindywidualizowanej interakcji między ludźmi a sztuczną inteligencją – wyjaśnia Diederichs.

Ta interakcja ze sztuczną inteligencją jest trzecim celem projektu KARLI. GenUIn tworzy spersonalizowane komunikaty i dostarcza wskazówek, jak ograniczyć nudności, jeśli wystąpią. Porady te mogą odnosić się do bieżącej aktywności pasażerów, która jest rejestrowana przez czujniki, ale także uwzględniać dostępne opcje w danym momencie. Wyrażając swoje preferencje, użytkownicy będą mieli możliwość stopniowej personalizacji całej interakcji w pojeździe i dostosowania jej do swoich potrzeb.

Poziom zautomatyzowania pojazdu jest zawsze brany pod uwagę przy tworzeniu interakcji. Instrukcje mogą być krótkie i czysto werbalne, jeśli kierowca koncentruje się na ruchu drogowym, lub bardziej szczegółowe i przekazywane za pośrednictwem kanałów wizualnych, jeśli pojazd aktualnie sam wykonuje czynności związane z jazdą.

Do rejestrowania wykonywanych czynności w samochodzie wykorzystywane są różne czujniki wspierane przez sztuczną inteligencję, w tym przede wszystkim czujniki optyczne z kamer wewnętrznych. Są one już obowiązkowe zgodnie z obowiązującymi przepisami dotyczącymi autonomicznej jazdy, aby zapewnić, że kierowcy są zdolni do prowadzenia swoich pojazdów.

MOŻE ZAINTERESUJE CIĘ TAKŻE

Samochody ciężarowe

Przyszłość układów napędowych pojazdów użytkowych

Wraz z dynamicznym rozwojem innowacyjnych technologii przyszłość układów napędowych w pojazdach użytkowych nabiera coraz większego znaczenia.

Pracownicy Instytutu wykorzystują dane pochodzące z kamer w połączeniu z rozbudowanymi systemami przetwarzania mowy, tworząc tzw. modele wizyjno-językowe (VLM). Stanowią one podstawę nowoczesnych systemów wspomagania kierowcy w (pół)autonomicznych pojazdach, pozwalając na semantyczne wykrywanie sytuacji we wnętrzu pojazdu i odpowiednią reakcję na nie.

Diederichs porównuje interakcję w pojeździe przyszłości do lokaja, który pozostaje w tle, ale zna kontekst i oferuje pasażerom najlepsze możliwe wsparcie.

Anonimizacja i ochrona danych

– Decydującymi czynnikami dla akceptacji takich systemów są zaufanie do dostawcy usług, bezpieczeństwo danych i bezpośrednie korzyści dla podróżnych – mówi Frederik Diederichs.

Właśnie dlatego niezbędna jest jak najlepsza anonimizacja i ochrona danych, a także przejrzyste i zrozumiałe gromadzenie informacji.

– Nie wszystko, co znajduje się w polu widzenia kamery, jest analizowane. Musi być jasne, jakie informacje rejestruje czujnik i do czego są one wykorzystywane. W naszej grupie roboczej Xplainable AI we Fraunhofer IOSB badamy, w jaki sposób można to zagwarantować – dodaje Diederichs.

W ramach innego projektu, Anymos, naukowcy z Instytutu Fraunhofera pracują nad anonimizacją danych z kamer, przetwarzaniem ich w sposób efektywny oraz zapewnieniem skutecznej ochrony.

Wydajność danych dzięki Small2BigData

Kolejną zaletą projektu badawczego, finansowanego przez Federalne Ministerstwo Gospodarki i Ochrony Klimatu, jest wydajność danych.

– Nasze podejście Small2BigData wymaga jedynie niewielkiej ilości wysokiej jakości danych związanych ze szkoleniem AI, które są gromadzone empirycznie i generowane syntetycznie. Stanowi to podstawę dla producentów samochodów, aby mogli określić, jakie dane muszą zebrać na późniejszym etapie seryjnej produkcji, aby móc korzystać z naszego systemu. Oznacza to, że ilością danych da się zarządzać, a wyniki projektu są odpowiednio skalowalne – wyjaśnia Diederichs.

Diederichs i jego zespół niedawno uruchomili mobilne laboratorium badawcze z wykorzystaniem samochodu Mercedesie EQS, aby przeprowadzić jeszcze dokładniejsze badania nad wymaganiami użytkowników dotyczącymi zautomatyzowanej jazdy na poziomie 3. Wyniki projektu KARLI będą tam testowane i oceniane w praktyce. Pierwsze funkcje mogą być zatem dostępne w seryjnie produkowanych pojazdach już w 2026 r.

– Jeśli chodzi o zautomatyzowaną jazdę, niemieccy producenci stoją przed silną konkurencją ze strony międzynarodowych rywali i przetrwają tylko wtedy, gdy zapewnią, że wrażenia z użytkowania będą konkurencyjne oraz będą reagować na potrzeby kierowców, personalizując interakcje za pomocą sztucznej inteligencji. Wyniki naszego projektu stanowią istotny wkład w te wysiłki – dodaje Diederichs.

Źródło: Fraunhofer-Gesellschaft