Az út a 4. szintű önvezető Hyundai modell kereskedelmi forgalomba hozatalához
Az önvezető autók új szakaszba lépnek, mivel a verseny már nem arról szól, hogy bebizonyítsák, a robotaxik képesek vezetni, hanem arról, hogy biztonságosan, megbízhatóan és nyereségesen működhetnek kereskedelmi méretekben.
Ebben az interjúban Laura Major, a Motional vezérigazgatója elmagyarázza, hogy a vállalat mesterséges intelligenciára épülő stratégiája, a nagyméretű vezetési modellek és a Hyundai Motor Grouppal való együttműködés miért hivatott áthidalni ezt a szakadékot és mit kell tenniük a mérnököknek ahhoz, hogy segítsenek a 4. szintű autonómiát beintegrálni a mindennapi közlekedésbe.
Az önvezető autók elérték azt a pontot, ahol már nem az a kérdés, hogy a technológia működhet-e. A nehezebb kérdés az, hogy biztonságosan, megbízhatóan és megfizethetően működhet-e – valódi városokban, valódi utasokkal, valódi fuvarmegosztó hálózatokon. Ez az a határvonal, amelyen Laura Major dolgozik. A Motional elnökeként és vezérigazgatójaként Major a mobilitás egyik legnehezebb átmenetét irányítja: a 4. szintű önvezető járművek fejlesztési programokból kereskedelmi üzembe helyezését.
Karrierjét az ember és az autonómia interakciója, valamint a fejlett autonóm rendszerek köré építették az űrben, a levegőben, a földön és a tengeren. A Motional vállalatnál ez a tapasztalat most egyetlen küldetésre összpontosul: az önvezető technológiát olyan rendszerré alakítani, amelyben az utasok, a városok, a közösségek és a fuvarmegosztó partnerek megbízhatnak. Számításai szerint az autonómia nem ér véget, amikor az ellenőrzött környezetben működik. Akkor ér véget, amikor biztonságosan és kiszámíthatóan teljesít a közutakon.
Laura Major karrierjét egyetlen központi kérdés határozta meg: hogyan tanulnak meg az emberek és az autonóm rendszerek együttműködni. Ez a fókusz a Georgia Tech-en és az MIT-n kezdődött, ahol mesterdiplomát szerzett, majd a Draper Laboratóriumban folytatódott, ahol fejlett autonóm megoldásokat fejlesztő csapatokat vezetett az űrben, a levegőben, a földön és a tengeren. A munka soha nem korlátozódott egyetlen géptípusra. Major segített új képességek fejlesztésében a speciális harctéri küldetéseket végrehajtó speciális operátorok számára. Később az Aria Insights műszaki igazgatója lett, ahol pilóta nélküli légi járműveken dolgozott beltéri ellenőrzés céljából. Ezután útja az Aptiv vállalathoz vezetett, ahol műszaki igazgatói szerepet töltött be és segített megalapítani a Motionalt létrehozó közös vállalkozást.
A Motionalnál műszaki igazgatóként folytatta, a vállalat első generációs önvezető rendszerének leszállítását vezetve. Öt évnyi ebben a szerepkörben eltöltött idő után – és miután leszállította a Motional második generációs autonóm rendszerét és integrálta azt a Hyundai Motor Group IONIQ 5 robotaxijához, beleértve az Uberrel, az Uber Eats-szel és a Lyfttel végzett kísérleti telepítéseket is – Majort 2025-ben kinevezték a Motional elnök-vezérigazgatójává.
A fő irányvonal világos: az ember és az autonómia interakciója, a kritikus fontosságú rendszerek, valamint a fejlett technológia valós működésbe való átültetésének gyakorlati kihívása. „Pályafutásom során végig az emberek és az autonóm technológia interakciójára összpontosítottam” – mondja Major. Ez a tapasztalat most meghatározza a Motional vezetésének módját. A cél nem egyszerűen az autonóm vezetési technológia fejlesztése. Egy olyan rendszer kiépítése, amely a közlekedési szövet részévé válhat. Major számára a munka azon a ponton zajlik, ahol az autonómia infrastruktúrává válik.
A Motionalnál Major által hozott egyik legfontosabb döntés egyben az egyik legnehezebb is volt: a vállalat autonóm vezetési rendszerének mesterséges intelligencia-alapú architektúrára való átállítása. A Motional lendületben volt. A technológia fejlődött. Kereskedelmi tevékenysége is előrehaladt. Major és csapata azonban lehetőséget látott arra, hogy a rendszert a mesterséges intelligencia legújabb fejlesztései köré építsék, ami szükséges volt ahhoz, hogy a Motional erősebb pozícióba kerüljön a skálázható, költséghatékony autonómia terén.
„Egy nagy eredmény, amire különösen büszke vagyok, az önvezető rendszerünk mesterséges intelligencia-központúvá alakítása volt. Lehetőséget láttunk arra, hogy teljesen újratervezzük a rendszerünket, hogy beépítsük a mesterséges intelligencia élvonalát” – magyarázta Major. Ez a döntés szünetet igényelt. Ez azt jelentette, hogy egyes területeken le kellett lassítani a fejlődést, hogy a vállalat mélyebb architektúrai változtatásokat hajthasson végre. Az eredmény, mondja Major, egy olyan önvezető rendszer, amely a nagyméretű vezetési modellek (LDM-ek) megvalósítását teszi lehetővé. A cél nemcsak a nagyobb teljesítmény. Ez egy másfajta skálázási út.
Az LDM-ekkel a Motional az emberibb vezetési viselkedés, a teljes körű tanulás révén gyorsabb fejlesztés és az általánosíthatóbb érvelés felé törekszik, amely felgyorsíthatja a telepítést az új városokban. Ugyanakkor a rendszert a szigorú biztonsági elvárásoknak való megfeleléshez szükséges láthatósággal és biztosítékokkal építik. Major számára a mesterséges intelligenciára épülő váltás nem arról szól, hogy a biztonsági fegyelem helyett egy fekete doboz modellt alkalmazzanak. Arról van szó, hogy a modern mesterséges intelligenciát a felelős telepítéshez szükséges struktúrával ötvözzék. A döntés az volt, hogy feladnak néhány rövid távú lendületet egy erősebb hosszú távú alap megteremtése érdekében.
A Motional számára az IONIQ 5 robotaxi az egyik legvilágosabb bizonyítéka annak, hogy mire képes a Hyundai Motor Grouppal kötött megállapodás. Nem egy hagyományos járműről volt szó, amelyet utólag szereltek fel autonóm technológiával. A kezdetektől fogva autonóm járműként tervezték fuvarozásra. „A HMG-vel együttműködve az IONIQ 5 robotaxi leszállítása az egyik, ha nem az első volt, amelyet kifejezetten fuvarozásra terveztek.” – mondta Major.
Ez a különbségtétel fontos. Az autonóm járművekben az autót és az autonóm vezetési rendszert nem lehet különálló darabként kezelni. A számítási platformnak, az érzékelőkészletnek, az érvényesítési folyamatnak és a gyártási tervnek mind egységben kell működnie. A Hyundai Motor Grouppal közösen kifejlesztett IONIQ 5 robotaxit integrált autonóm platformként tervezték, tesztelték és gyártották. A Hyundai Motor Group Innovációs Központjának összeszerelő soráról gördült le. Major számára itt válik az együttműködés termékké.
A projekt egyesítette a Motional autonómia szakértelmét és a Hyundai Motor Group járműmérnöki, gyártási kapacitását és termelési fegyelmét. Azt is bemutatta, hogyan lehet egy robotaxit a kezdetektől fogva a fuvarozás működési igényei köré építeni. „Az IONIQ 5 robotaxit a HMG és a Motional együttműködésében rejlő hatalmas potenciál első jelentős demonstrációjának tartom, és ez csak a kezdet” – mondja Major.
Ez a potenciál nemcsak technikai. Működőképes is: az önvezető járművek építésének képessége a kereskedelmi flottákhoz szükséges integrációval, validációval és gyárthatósággal, valamint a lehetőség arra is, hogy az autonómia erejét a személygépkocsikba is elhozzuk. Ebben az értelemben az IONIQ 5 robotaxi több, mint egy kísérleti jármű. Bizonyítja, hogy a robotaxi körüli rendszer ugyanolyan fontos, mint a benne lévő autonómia.
A Motional más utat jár be, mint az önvezető járművek iparágának számos vállalata. Néhány szereplő speciális gépi tanulási modellekre támaszkodik. Mások a teljes, teljeskörű autonómia felé haladnak. A Motional megközelítése e két pólus között helyezkedik el: a legmodernebb mesterséges intelligencia, bevált biztonsági megoldásokkal megerősítve és a felelősségteljes, megfizethető önvezető járművek fejlesztésére összpontosítva. „A Motional más utat jár be, mint mások az iparágban, a legmodernebb mesterséges intelligencia innovációk legjobbjait ötvözzük a kipróbált és bevált biztonsági megoldásokkal.”
Ennek a megközelítésnek a középpontjában a nagyméretű vezetési modellek állnak. A Motional nagyméretű vezetési modelleket (LDM) fejleszt, hogy megtestesült alapmodelleket építsen be az önvezető járművek rendszerébe, azzal a céllal, hogy a mesterséges intelligencia áttöréseit olyan rendszerekké alakítsa át, amelyek kevésbé dedikált fejlesztéssel rendelkező új városokba is kiterjeszthetők. Ebben látja a Motional a technikai előnyét. Azáltal, hogy optimalizálja a gépi tanulási modellek számát az AV-veremben és megfelelő tanulási kapacitást biztosít számukra, a Motional célja az önvizsgálat megőrzése – a rendszeren belüli folyamatok megértésének és a rendszeren belüli fejlesztésnek a képessége. Ez különösen a hosszú távú problémáknál fontos: a ritka, nehéz szélsőséges esetekben, amelyek az önvezetés legnehezebb részeit határozzák meg.
A cél egy olyan rendszer, amely képes elérni a vezető nélküli biztonsági referenciaértékeket, miközben csökkenti a régiókon átívelő terjeszkedéshez szükséges költségeket és erőfeszítéseket. Az új belépők számára ez igényes technikai környezetet teremt. A Motional mérnökeitől nem azt kérik, hogy egy régi rendszert tartsanak fenn a peremeken. Azon dolgoznak, hogy a vállalat a heurisztikus rendszereken túl egy egységes, mesterséges intelligenciára épülő autonómia architektúra felé haladjon. Ez a munka magában foglalja a következő generációs mesterséges intelligenciát, a nagy vezetési modelleket, a teljes gépi tanuláson alapuló mozgástervezés megtestesült alapmodelljeit, a transzformátor-alapú jelenetkódolást és a megerősítéses tanuláson alapuló architektúrákat, amelyek képesek hatalmas multimodális érzékelőfolyamokat biztonságos, valós idejű vezetési döntésekké alakítani.
Ugyanez a változás történik az adatrétegben is. A Motional folyamatos tanulási keretrendszerét úgy építik, hogy petabájtnyi napi flottaadatot fogadjon be, ritka szélső eseteket bányásszon, automatizált címkézési folyamatokat indítson el és egyidejűleg újratanítsa a gépi tanulási modelleket. A cél egy olyan flotta, amely minden megtett kilométerrel okosabbá válik. A munka kiterjed a 4D adatvizualizációra és a vizuális webes alkalmazásokra is. A front-end és a full-stack mérnökök nem egyszerűen műszerfalakat építenek. Négydimenziós adatproblémákat oldanak meg, olyan egyedi webes felületeket hoznak létre, amelyek WebGL-t és WebGPU-t használnak gigabájtos 3D pontfelhők és időbeli érzékelőadatok renderelésére és manipulálására közvetlenül a böngészőben.
A prediktív mozgáselőrejelzés egy másik alapvető kihívás. Az emberi autósok és gyalogosok következő lépéseinek előrejelzése továbbra is a robotika egyik legnehezebb problémája. A mozgáskutatók konzisztencia-alapú gépi tanulási módszereken dolgoztak, beleértve a ciklusveszteség-architektúrákat is annak biztosítása érdekében, hogy egy ágens előrejelzett jövőbeli pályája logikusan illeszkedjen a múltbeli megfigyeléseihez. Ez a munka a sűrűn lakott városi környezetben tapasztalható bizonytalanság csökkentésére irányul.
A műszaki hatókör magára a járműre is kiterjed. A hardvermérnökök gyártópartnerekkel együttműködve redundáns lidar-, radar- és kamerarendszereket integrálnak az IONIQ 5 robotaxi platformba. Eközben az ember-gép interfész csapatok olyan akadálymentes utastéri élményeket építenek, amelyek célja, hogy áthidalják a szakadékot a komplex robotika és az utasok bizalma között. „A Motionalnál nem egy rejtett fogaskerék vagy egy régi vállalati gépezetben, minden egyes kódsor, amit írsz, vagy minden egyes modell, amit betanítasz, közvetlenül hatással van egy kereskedelmi forgalomba hozott, autonóm flottára, amely a közutakon közlekedik” – magyarázta Major.
A Motional a technológiafejlesztés legfontosabb és legkifizetődőbb szakaszába lép: a kereskedelmi forgalomba hozataléba. A vállalat számára ez azt jelenti, hogy az év végére vezető nélküli robotaxikat fognak üzemeltetni az Uber hálózatán keresztül Las Vegasban. Ez a csapat által végzett mérnöki, fejlesztési és validációs munka végső próbája. De Major ezt csak a kezdetnek tekinti.
Ahogy a Motional folytatja a nagyméretű vezetési modellek betanítását, a rendszer várhatóan egyre képesebbé válik és támogatja a gyorsabb terjeszkedést az új városokba. Ezzel egyidejűleg a vállalat visszajelzéseket gyűjt a fuvarmegosztó partnerektől és az utasoktól a termék fejlesztése érdekében, a pontosabb érkezési idők becslését célzó előzetes pozicionálási stratégiától kezdve az emberibb vezetési viselkedésen át a jobb utastéri élményekig. Itt kezdi egymást erősíteni a mesterséges intelligencia, a flottatanulás, az utasélmény és a kereskedelmi üzemeltetés.
A Motional számára a következő fázis nem csak arról szól, hogy bebizonyítsa: a robotaxi képes vezetni. Arról szól, hogy bebizonyítsa: a teljes rendszer képes tanulni, fejlődni és skálázható. Ahogy a Motional skálázza kereskedelmi működését, Major olyan mérnököket és operátorokat keres, akik készen állnak arra, hogy a kutatáson és fejlesztésen túl a valós telepítés szigorúságára lépjenek. A tehetségprofil igényes. A Motionalnak világszínvonalú műszaki alapokra van szüksége, de a 4. szintű autonóm rendszerek nagymértékű szállításához szükséges operatív szakértelemre is.
A gyártásra összpontosítanak. A kód nem akkor készül el, amikor egy szimulátorban működik. Akkor lesz kész, amikor determinisztikusan működik egy beágyazott rendszeren a valóságban. Ehhez mélyreható ismeretre van szükség a modern mesterséges intelligencia terén, erős szoftveralapokra, nagy áteresztőképességű felhőinfrastruktúrára és hardver-szoftver közös tervezésre. Szükség van továbbá a korlátok felismerésére is: késleltetés, memória, számítási hatékonyság és az autóipari rendszerek realitásai.
A rendszerszemlélet ugyanolyan fontos. Akár a vizualizációról, az adatfolyamatokról, a jármű hardveréről vagy az utastéri élményről van szó, minden komponens hatással van a teljes autonóm jármű ökoszisztéma biztonságára és viselkedésére. A 4. szintű autonómia szintén elsődleges elveken alapuló gondolkodást igényel. A szélsőséges esetek nap mint nap felmerülnek, gyakran nyilvánvaló megoldások nélkül. A mérnököknek logikusan kell lebontaniuk az ismeretlen problémákat és a semmiből kell megoldaniuk azokat.
A funkciókon átívelő együttműködés a munka része. Egyetlen autonóm utazás az érzékelésen, a tervezésen, a felhőalapú útvonaltervezésen, a strapabíró hardveren és az utasélményen múlik. A mérnököknek képesnek kell lenniük arra, hogy összetett technikai függőségeket fordítsanak le nagyon különböző tudományterületek között. „Magas felelősségvállalási, szigorú biztonsági és intellektuális őszinteségi kultúrát építünk” – mondja Major.
Forrás: hyundai.com
