Toyota laver en U-vending på autonome biler

Toyota bruger 10 milliarder dollars om året på forskning, mere end nogen anden bilproducent undtagen Volkswagen. Det betaler for endeløse trinvise forbedringer i alt fra lithiumbatterier til seledesign, men sådanne justeringer er måske ikke nok længere, hvis Toyota skal forblive verdens topsælger af biler.

Se resten af ​​pakken

• 50 smarteste virksomheder

Udviklingen af ​​autonome køretøjer truer nu med at ændre selve essensen af ​​kørsel. I kapløbet om at udvikle denne teknologi halter Toyota bagud flere af sine medbilproducenter og Silicon Valley-opkomlinge som Google og Tesla Motors. Det er muligt, at en generation fra nu af vil alt fra vejbanedesign til førercertificering blive radikalt omformet af de allestedsnærværende semi- eller fuldt autonome køretøjer, og bilproducenter uden den nødvendige teknologi vil være lige så truede som sælgerne af sølvhalogenidfilm i tiden. af den digitale selfie.

Denne historie var en del af vores juli 2016-udgave

• Se resten af ​​problemet
• Abonner

Fast besluttet på at indhente den tabte tid, bruger Toyotas 60-årige administrerende direktør, Akio Toyoda, 1 milliard dollars til et nyt Toyota Research Institute med kontorer i Michigan, Silicon Valley og Cambridge, Massachusetts, som vil fokusere på autonome biler og robotteknologi. . Han har rekrutteret Gill Pratt, en førende robotforsker, til at drive instituttet, hvilket giver ham autoritet til at ansætte hundredvis af ingeniører og videnskabsmænd. Samtidig indleder Toyota partnerskaber med Stanford, University of Michigan og MIT for at gentænke bilernes muligheder, selvom provokerende nye tilgange kan tage et årti eller længere at dukke op i forhandlernes udstillingslokaler.

Det er tydeligt, at Toyota, ligesom de fleste etablerede bilproducenter, ikke giver et helt bud for at matche Googles bestræbelser på at bygge helt autonome køretøjer. I stedet forestiller Toyota sig, at chauffører og software deler kontrol i de kommende år. Pratt er forkæmper for skytsengleteknologi, der kan finde de bedste undvigende strategier på et øjeblik, hvis problemer lurer.

Tilsvarende tester kunstig intelligens-forskere ved Stanford, der arbejder med Toyota, indadvendte kameraer, der kan hjælpe med at vurdere bilisters årvågenhed. Hvis chauffører bliver døsige eller holder op med at være opmærksomme på vejen, kan automatiserede sikkerhedssystemer hjælpe med at holde bilen sikker, mens de skubber chaufføren til at komme tilbage til opgaven.

Efterhånden som biler påtager sig flere og flere opgaver, hvor smarte kan de så blive? Fei-Fei Li, en professor i datalogi fra Stanford, som leder sin afdelings alliance på 25 millioner dollars med Toyota, siger, at hendes team anvender en lang række AI-teknikker til kørerelaterede udfordringer. Som hun glad erkender, kan vores arbejde være relevant for bilerne i 2018 eller 2028 eller hvor som helst derimellem.

Inde i Teammate-bilen. Toyota og dets forskningspartnere forsøger at gøre kørslen mere sikker og behagelig, men store udfordringer inden for kunstig intelligens skal løses.

Et område af interesse: defensiv kørsel. Er det muligt at lære en bils software at forudse problemer, der kan opstå fra en skjult sidegade, en vaklende cykel eller en vred bilist, der skifter vognbane på en farlig måde? Hold af Stanford-forskere afprøver metoder. Et initiativ, ledet af John Duchi, en assisterende professor i statistik og elektroteknik, starter med kendte farer, såsom uberegnelige cyklister, og forsøger derefter at bygge forudsigelsessoftware, der kunne træffe smarte beslutninger i lignende situationer. Et andet team, ledet af Li, er afhængige af 3D-syn og mønstergenkendelse for at identificere højrisikogrupperinger. Disse omfatter fodgængere, der stirrer på smartphones skærme, eller børn, der leger fangst i nærheden af ​​en vejkant. Sæt en menneskelig chauffør bag rattet, og det er nemt at skelne en opmærksom fodgænger fra en dårligt distraheret. Bed software og sensorer om at være lige så kræsne, og det er et meget vanskeligt forskningsproblem, siger Li.

For et par år siden udviklede Li software, der næsten usvigeligt kunne identificere objekter på billeder, selvom de var i skæve positurer eller foran forvirrende baggrunde. Nu bygger hun videre på disse teknikker til at analysere vejbilleder. Hendes mål: at sikre, at en bils software kan registrere forskellen mellem en fodgænger ved kantstenen, der får øjenkontakt med bilister, og en fodgænger, der lytter til musik gennem øretelefoner og stirrer nedad på en smartphone.

Lis gruppe skaber også måder, hvorpå selvkørende biler kan dele information så øjeblikkeligt som muligt. På motorveje bør det for eksempel være muligt sikkert at komprimere afstanden mellem biler, hvilket hjælper trafikken til at flyde mere jævnt, så længe køretøjer bagerst i en konvoj kan blive informeret om eventuelle overraskelser, som den forreste bil allerede har identificeret. Selv i bytrafik kunne ulykker undgås, hvis biler øjeblikkeligt kunne kommunikere med hinanden om farer, der kan være usynlige for et køretøj, men let genkendelige fra et andet perspektiv.

Henter data

I 2012, da Google testede Toyotaer, som den modificerede til at køre selv, afviste bilproducenten et tilbud fra Google om at samarbejde om teknologien, fordi den var tilbageholdende med at dele produktions-knowhow. Google har i stedet taget skridt mod en alliance med Ford. Selv så sent som i 2014 sagde CEO Toyoda, at han ikke var tilbøjelig til at tage autonom teknologi seriøst, før en selvkørende bil kunne slå de bedste mennesker i en 24-timers test på en top tysk racerbane.

Toyota er ved at teste en Teammate Concept-bil, der kunne klare en del motorvejskørsel på egen hånd i 2020.

Nu har Google og flere bilproducenter opbygget store lagre af video- og sensordata fra mange års test af autonome biler og salg af modeller med nogle autonome funktioner, såsom advarsler om vognbaneskift og registrering af blinde vinkler. At have mindre information til at føre ind i deres maskine - læringssystemer kan stille Toyotas softwareforskere på en ulempe.

Både Pratt og Li har opfordret bilvirksomheder til at dele data fra autonome køretøjer i den tro, at samlet viden vil hjælpe alle konkurrenter med at gøre hurtigere fremskridt og vinde offentlig tillid. Selvkørende biler kunne jo være langt mere sikre. Mere end seks millioner motorkøretøjsulykker finder sted hvert år i USA og dræber omkring 33.000 mennesker. Så meget som 90 procent af disse ulykker kan spores til menneskelige fejl. Alligevel er det usandsynligt, at datarige virksomheder ønsker at give afkald på kontrollen over deres egen hårdt tilkæmpede viden, der – i det mindste nu – giver dem en konkurrencefordel.

Raj Rajkumar, meddirektør for General Motors/Carnegie Mellon laboratoriet for autonom kørsel, placerer GM, Nissan og de tyske tre store (Daimler, VW/Audi og BMW) i det øverste lag af globale bilselskaber, der bevæger sig mod en vis grad af autonom kørsel. Toyota ser ud til at halte bagud, siger han. Men med oprettelsen af ​​sit forskningsinstitut kan det hurtigt indhente det. En af Pratts første ansættelser på instituttet var en tidligere Google-robotikdirektør, James Kuffner, som teknologichef.

I universitetspartnerskaberne er Toyota ikke det eneste bilfirma, der kunne drage fordel af det; andre producenter vil i sidste ende være i stand til at konsultere offentliggjorte resultater, siger Li. Alligevel, mens brikkerne samles, vil Toyota nyde særlig adgang og samarbejde. Og bilteknologiens lange adoptionskurve kan give Toyota den tid, den har brug for. Der venter stadig masser af kampe forude for at vinde regulatorisk godkendelse og kundeloyalitet, uanset hvis tidlige teknologi er mest lovende. Historien viser, at banebrydende teknologier såsom airbags og avancerede transmissioner kan tage 20 år at vinde masseaccept efter deres markedsdebut.

Toyota regner også med at bevæge sig hurtigere, nu hvor dens chef har afvist hans tidligere tvivl. I maj opfordrede administrerende direktør alle sine medarbejdere til at omfavne den betydningsfulde forandring, der er forbundet med automatiseret kørsel og robotteknologi. Sådanne nye teknologier vil være lige så transformative for virksomheden, lovede Toyoda, som hans egen bedstefars beslutning i 1930 om at skabe en bildivision inden for det, der dengang var en lille vævefabrikant.
Selskab.

skjule