Меню Закрыть

Принцип работы автономки: Принцип работы автономного отопителя Eberspacher,Webasto

Содержание

Принцип работы автономного отопителя Eberspacher,Webasto

Воздушные автономные отопители (они же — сухие, они же — фены) предназначены только для обогрева салона автомобиля и к предпусковому прогреву двигателя отношения не имеют. Зато у воздушного отопителя , в отличие от предпусковых, фактически нет ограничений по времени работы — печка настолько экономична, что может греть сутками, не сажая аккумулятор и не вытягивая литрами топливо из бака, к которому она подключена. Сам воздушный отопитель очень компактный,поэтому поставить его можно практически в любой салон.

Принцип работы воздушного отопителя действительно напоминает принцип работы фена: холодный воздух втягивается с одной стороны и, нагреваясь в системе, выходит с другой стороны уже горячим. Топливо поступает в печку либо из основного топливного бака машины, либо из отдельного бака, который ставится специально для неё, подачу обеспечивает топливный насос и система трубок. Трубки определенной длины всегда входят в монтажный комплект отопителя, но эта часть может сильно изменяться, в зависимости от желания клиента: существуют тройники, переходники и т.п., которые позволяют удлинять, раздваивать воздуховоды и направлять поток тепла туда, куда нужно.Система управления печкой тоже имеет варианты. Обычно в комплект входит регулятор температуры. Ручка регулятора позволяет выставлять нужную температуру в определенном диапазоне (регулировка плавная). Система устроена так, что после этого действия можно ни о чем не беспокоиться, печка сама отслеживает температуру в салоне и, когда нужные градусы получены, сбавляет обороты до тех пор, пока температура не начнет снижаться. Заметьте, аппарат не выключается, а только уменьшает интенсивность работы, то есть он всегда готов начать крутиться «на полную», если датчики решат, что уже достаточно похолодало. Как правило, регулятора вполне хватает для удобного управления феном, но для желающих существует минитаймер, он дает возможность задавать время включения печки.Фены устанавливаются практически на всех типах автомобилей, начиная от грузовиков и заканчивая легковыми машинами, хотя на последних — редко. Существуют фены разной мощности, поэтому и отапливаемый объем может быть разным. Обычно воздушными отопителями оборудуются кабины грузовиков, салоны микроавтобусов, фургоны для перевозки грузов, боящихся холода, отсеки яхт, катеров и т.п.

Жидкостные отопители (они же — мокрые, предпусковые подогреватели двигателя) совмещают в себе сразу несколько удобных для автовладельца функций. Самая основная из них — непосредственно предпусковой прогрев двигателя, который гарантирует его нормальную работу даже после продолжительной стоянки на морозе.

Включившись за некоторое время до начала движения, автономный жидкостной отопитель, не запуская мотор, быстро возвращает замерзшую машину в такое состояние, будто она стояла не на ледяной улице, а в хорошем гараже. В этом есть сразу несколько плюсов: во-первых, не приходится гадать «поедет — не поедет» и, если «поедет», то сколько минут придется потратить на приведение двигателя в чувство; во-вторых, водитель сразу попадает в теплый салон, что тоже приятно; в-третьих, заводя автомобиль, вы не устраиваете его сердцу — мотору — жестокую встряску, которая даром никогда не проходит. Первые два плюса пригодятся человеку, ценящему удобство и время, последний — важен для любого автомобилиста. Даже, если вы спартанец и привыкли к морозу, то это не значит, что машина будет также равнодушно его переносить. Начало движения после холодной зимней ночи или дня для любого автомобиля — экстремальная ситуация; специалисты подсчитали, что один раз завестись в таких условиях значит для мотора то же, что и пройти триста километров. Элементарные расчеты показывают, что заводясь дважды в сутки, за один зимний месяц можно «нагнать» машине лишних 18 000 км пробега! Естественно, подобные нагрузки не способствуют долгой жизни двигателя.Предпусковой подогреватель двигателя снимает проблему «экстремального запуска», т.е. значительно продлевает срок службы техники.

Предпусковой прогрев — основная цель работы жидкостной печки, поэтому следует помнить, что использование его в качестве постоянного отопителя салона, хотя и возможно, но не вполне соответствует назначению аппарата. Причина того — сравнительно высокое потребление электроэнергии. Сама печка имеет небольшой расход, но, когда требуется обогреть салон, параллельно с ней работает ещё и салонный вентилятор, т. е. потребление возрастает вдвое. В результате, греясь несколько часов при выключенном моторе за счет автономки, водитель просто рискует сильно посадить аккумулятор. Если же аккумулятор в машине достаточно хороший, то проблема исчезает сама собой и печка приобретает ещё одну функцию — автономного отопителя салона.

Принцип работы жидкостного отопителя заключается в том, чтобы использовать собственную систему охлаждения двигателя, ещё не занятую, пока он не включен, «в обратную сторону». Сигнал к началу действия печке подает система управления, которая программируется пользователем в зависимости от его желания и необходимости. Включившись, отопитель, встроенный в систему охлаждения, при помощи помпы начинает прокачивать по ней охлаждающую жидкость, и тем самым потихоньку оживляет застывший автомобиль. Через некоторое время, опять-таки при молчащем моторе, в печку начинает подаваться топливо, которое, сгорая, нагревает проходящую мимо жидкость, а помпа по-прежнему гонит её по контурам, теперь уже теплую. Таким образом, через десяток-другой минут после начала работы отопителя в машине циркулирует тепло, температура растет, двигатель, ни на секунду не запустившись, постепенно приходит в нормальное состояние. Когда же охлаждающая жидкость нагрета выше определенного уровня, печка начинает работать на повышение температуры воздуха внутри салона: включается штатная печка и согретый всё той же жидкостью воздух вдувается через неё в салон, обеспечивая там комфортные условия для водителя, который намеревается появиться с минуты на минуту. При этом можно не беспокоиться об опоздании: за нормальным ходом процесса, идущего в отсутствие человека, следят датчики; они не позволят охлаждающей жидкости перегреться и остановят отопитель в случае любого сбоя. Кроме того, время работы тоже устанавливает владелец, по истечении заданного им срока аппарат сразу выключается, а машина остывает далеко не мгновенно.

Варианты системы управления жидкостным отопителем многочисленны. Самые основные представлены минитаймером, модульным таймером и разными типами дистанционного управления.

Минитаймер позволяет программировать работу автономки на сутки вперед. Оставляя машину вечером, можно выставить на минитаймере до трех моментов включения и продолжительность каждого из них (от 2-х минут до 2-х часов), тогда на следующий день отопитель начнет и закончит работать в указанное время.

Модульный таймер по сравнению с минитаймером, обладает большим спектром возможностей. Модульный таймер учитывает дни недели, т. е. можно программировать включение отопителя на несколько дней вперед. Кроме того, он следит за состоянием печки и может выдавать информацию о неполадках в системе, фактически выполняя функции тестового прибора.

Дистанционное управление автономным отопителем-брелок умеет все то же, что и минитаймер. Помимо этого, имея в руках брелок, можно в любой момент с расстояния до 1000 м включить отопитель, запрограммировать его действия и получить информацию об изменениях температуры в салоне.

GSM-модули предоставляют владельцу автомобиля с установленным отопителем максимум свободы. В таком варианте машина просто получает свой телефонный номер, т.е кроме программирования непосредственно из салона, можно позвонить автомобилю с обычного мобильного телефона (номер которого указан как «хозяйский» и оставить нужные команды.

  

Принцип работы отопителей Webasto – АВТОКЛИМАТИКА

Отопители Webasto Thermo Top E/C/P

После включения отопителя начинает работать нагнетатель воздуха (2) и продувает камеру сгорания (11) и выхлопную систему (12). Одновременно блок управления (7) тестирует все электрические компоненты и датчики. Далее, если нет ошибок, топливо из бака поступает в камеру сгорания (11) при помощи топливного насоса (16) и воспламеняется с помощью штифта накала (4). Газы после сгорания воздушно-топливной смеси выходят через выхлопную систему с пламегасителем. При этом циркуляционный насос (14) прогоняет охлаждающую жидкость автомобиля через теплообменик (10) отопителя, разогревая её. Среднее время цикла работы отопителя при -20 градусах — 40 мин.

1. Забор воздуха
2. Нагнетатель воздуха
3. Выпускной жидкостной патрубок
4. Штифт накаливания/датчик пламени
5. Испарительная прокладка
6. Штекеры
7. Блок управления с датчиками температуры
10. Теплообменник

11. Камера сгорания
12. Выход выхлопных газов
13. Забор топлива
14. Циркуляционный насос
15. Заборный жидкостной патрубок
16. Топливный дозирующий насос

 

Отопители Webasto Air Top 2000/3500/5000

После включения отопителя начинает работать нагнетатель воздуха (6) и продувает камеру сгорания (9) и выхлопную систему (19). Одновременно блок управления (3) тестирует все электрические компоненты и датчики. Далее, если нет ошибок, топливо из бака поступает в камеру сгорания (9) при помощи топливного насоса (22) и воспламеняется с помощью штифта накала (7). Газы после сгорания воздушно-топливной смеси выходят через выхлопную систему с пламегасителем. При этом нагнетатель (2) прогоняет воздух через теплообменик (12) отопителя, разогревая его. Термостат в переключателе (14) контролирует режим работы отопителя в зависимости от температуры воздуха.

1. Забор отопительного воздуха
2. Нагнетатель отопительного воздуха
3. Блок управления
4. Встроенный датчик температуры
5. Мотор нагнетателя воздуха
6. Нагнетатель воздуха для горения
7. Штифт накаливания/ датчик пламени
8. Горелка с испарительной прокладкой
9. Камера сгорания
10. Ограничитель нагрева
11. Амортизирующая прокладка
12. Теплообменник
13. Выход нагретого воздуха
14. Переключатель с установкой температуры
15. Таймер (стандартный, с будильником) — дополнение к переключателю
16. Таймер комбинированный с установкой температуры
17. Днище автомобиля
18. Уплотнение
19. Выход выхлопных газов
20. Забор топлива
21. Забор воздуха для горения
22. Топливный дозирующий насос

Вебасто что это и чем отличаются, Плюсы и минусы автономок, Какой подогрев выбрать

Что такое Вебаста       

  Вебастой в нашей стране принято называть предпусковой подогрев двигателя ПЖД, или независимую печку кабины. На самом деле это немецкий производитель автомобильных независимых(автономных) отопителей и других автомобильных систем «Webasto».

На равне с этим производителем выпускает автономки другая немецкая фирма

«Eberspacher»

 

 

 

И конечно «Автономные отопители и подогреватели» выпускают в нашей стране:

 

У завода «Адверс» в Самаре «Планар» и «Теплостар»

 

 В Шадринске «ШААЗ»

 

 

У «ЭлтраТермо» из Ржева есть «Прамотроники»

 Выросшие из Купленной Россией у Webasto технологией и маркой Shperos:

и другие за рубежом.

 

 

  

  Автономки бывают

 

  Автономные отопители служат для создания тёплого климата в автомобиле и предпусковой подогрев двигателя в частности. Причём работают автономно, т.е. им не нужен ни двигатель, ни уличная розетка 220V, ни даже контроль и действия водителя.

  Автономки называют сухие и мокрые, предпусковые и догреватели, фены и гидроники, есть дизельные, бензинки и на газу.

 

  По предназначению, или виду теплоносителя бывают:

 

 — Подогреватели двигателя

 

  — Отопители салона

 

  — Подогреватели ДВС — это «водогрейный котёл», который подогревает охлаждайку  Тосол,  Антифриз (ОЖ).

  Их различают на Догреватели и Предпусковые подогреватели.

 

  •   Догреватель

работает только совместно с ДВС. (они не имеют собственного водяного насоса). Обычно устанавливаются штатно на дизельные авто, с целью их быстрого прогрева до рабочей температуры сразу после запуска двигателя. (При наличии знаний можно переделать в предпусковую).

 

  •    Предпусковой подогреватель

 

может работать как совместно с движком, так и без него — подогреть ДВС перед зимним пуском. Быстро нагреть двигатель после его запуска, и даже автоматически прогреть кабину авто.

 

  •   Отопитель салона

 это печка которая обогревает воздух в салоне авто вне зависимости от работы двигателя автомобиля. Можно пользоваться во время стоянки и при движении по дороге. Их ещё называют «Фены», «Воздуходувки» и «Сухие автономки»

 

 

 

 

 

 

  Выбор автономки

 

  Отопители кабины различают по мощности зависящей от объёма нагреваемого помещения:

  •   — 2кВт используют для обычных кабин(камазы + спальник).
  •  — 3-4кВт – большие кабины(американцы).
  •   — 5-8кВт — автодома, кунги.

 

  Предпусковые подогреватели отличаются по объёму ОЖ(охлаждающей жидкости) в ДВС(двигателе) но так как этот параметр редко используется, то различают по объёму камер сгорания(в литрах(они же сантиметры кубические)):

  •   — 4кВт — ДВС до 2,5 литров (большинство легковых с мощностью до 150л.с.(лошадиных сил))
  •   — 5кВт — ДВС от 2,5 до 6 литров (Джипы, микроавтобусы мощностью более 150л.с.)
  •   — 9кВт и выше — ДВС более 6 литров(весь коммерческий транспорт, многоместные автобусы).

 

  Ниже можно скачать методику расчёта тепловой мощности отопителя.

 

 

  Зачем нужна автономка

 

  Автономные отопители салона это безусловный атрибут всех дальнобойщиков, охотников и рыбаков.

Фен работает почти бесшумно; потребляет мало топлива, электроэнергии; и самостоятельно поддерживает заданную водителем температуру.

Подсчёт израсходованного топлива за время стоянки ДВС или автономки покажет окупаемость Webasto и т.д. уже через месяц – два. Кроме того для современных высоконагруженных дизельных двигателей продолжительная работа на холостом ходу во время стоянки вредна.

  Для любых ДВС(двигателей внутреннего сгорания) самое больное(убивает ресурс) это грязный воздушный фильтр и холодный запуск. Один холодный запуск приравнивают к 500км пробега авто.

На зимних дорогах самый пик аварийности происходит в начале движения — окна замёрзли или запотели и движения скованы тёплой одеждой.

 

  Самостоятельно запустившийся перед вашей поездкой  Автономный подогреватель двигателя за 20 — 40 мин работы прогреет ДВС и даже лобовое стекло и салон тёплым воздухом. Запустить Вебасту можно пока вы пьёте дома чай. Позвонив на телефон, нажав кнопку на брелке сигнализации, брелке WEBASTO, или выставив время запуска на пульте-таймере ранее.

  И сейчас Вам уже не нужны «танцы с бубном»  вокруг промёрзшей,

не запустившейся машины. Завели двигатель, и сразу в дорогу.

 

 

  Минусы Вебасто 

 

  Но есть 2 больших минуса:

  Это цена, и разрядка АКБ(аккумулятора авто).

  Б/у, прошедший обслуживание котёл исключает первую неприятность.

  Разрядка АКБ: Чтобы не было проблем с севшим аккумулятором, конечно он должен быть заведомо исправным, свежим(АКБ работающие более 5 лет, уже считаются «супер батареями»).

  Следить за АКБ довольно просто.

Аккумуляторы не любят продолжительной стоянки в морозы, коротких поездок, содержания в грязи не закреплёнными под капотом, и неисправностей бортовой сети автомобиля.

Зимой, перед запуском авто обязательно взгляните на штатный вольтметр, или же установите дополнительно.

Напряжение на клеммах говорит про 

Состояние АКБ.

12.7 В Хорошая  (100%)
12.6 В Нормальная  (90%)
12.5 В Слабая  (70-80%)
12.2 В Разряд (0%)

Данные показания следует замерять при выключенных потребителях, и не менее чем за семь часов после останова ДВС.

 

  При пользовании автономкой, нужно чтобы генератор двигателя заряжал Ваш аккумулятор в два раза дольше.

  Едете на работу 40 минут, — подогрев работает минут 20.

В противном случае, раз в две недели заряжайте АКБ зарядным устройством.

 

 

 

 

Технические характеристики отопителей Webasto и Eberspacher

и расчет подбора мощности автономных отопителей 

можно скачать ниже: 

Вебасто: принцип работы, устройство и особенности

Салонный отопитель есть штатно в любом автомобиле, будь это легковушка или грузовик. Работает эта печка по простой схеме – вентилятор обдувает теплообменник, заполненный горячим антифризом, который регулярно циркулирует по системе. Но минус этой схемы в том, что тепло исходит только на прогретом авто. Можно ли получить теплый салон и прогретый мотор без его запуска? Специалисты из «Вебасто» знают на это ответ. Данная компания уже давно производит предпусковые подогреватели и автономные отопители. Что это за агрегаты? Рассмотрим в нашей сегодняшней статье.

Характеристика

«Вебасто» представляет собой своего рода печку, которая работает автономно, вне зависимости от двигателя. Данный агрегат имеет свою камеру сгорания и питается от основного топливного бака. Но существуют некоторые отличия, о которых мы расскажем немного позже.

На какие авто устанавливается?

Подогреватель «Вебасто» штатно устанавливается на все без исключения магистральные грузовики и на туристические автобусы. Но также установку данного отопителя производят и на легковые авто. В частности, этим занимаются производители «Вольво» и «БМВ».

Как устроена система «Вебасто»? Принцип работы

Конструкция обогревателя довольно проста, ввиду чего данная система практически безотказна. Состоит «Вебасто» из двух элементов. Это:

  • Теплообразующий модуль.
  • Система управления.

Первая часть является основной в конструкции. Теплообразующий модуль объединяет в себе несколько элементов. Это насос, вентилятор, теплообменник, камера сгорания со свечой и сопло. Данный модуль заключен в небольшом корпусе размерами 25 х 15 х 10 сантиметров. Ввиду этого автономка легко помещается как в кабине грузовика, так и под капотом обычной легковушки. Если говорить о микроавтобусах, она может располагаться под пассажирским сиденьем или под кабиной. Корпус устройства весьма компактный, что является несомненным плюсом.

У «сухого» предпускового подогревателя «Вебасто» принцип работы весьма простой. После подачи сигнала с системы управления насос начинает забирать топливо из бака. Далее дизель смешивается с воздухом. Происходит это все в отдельной камере. Но как поджигается смесь, если дизель не горит от обычной искры? В работу подключается свеча накаливания. Именно она нагревает смесь до температуры самовозгорания. После этого выделяется тепловая энергия от сгорания топлива. Она идет на радиатор. Последний нагревается, и под воздействием вентилятора тепло идет в салон.

Жидкостная «Вебасто»

Принцип работы ее такой же, как и у «сухой» автономки. Единственное, что жидкостная автономка подключена к штатной системе охлаждения. Так, тепло, излучаемое «феном», идет на подгорев не только салона, но и антифриза. Также в устройстве имеется небольшая помпа, которая заставляет циркулировать теплую охлаждающую жидкость по малому кругу. Греет «Вебасто» систему до +40 градусов Цельсия (наряду с этим прогревается и масло в двигателе). Этого вполне хватает для уверенного запуска двигателя в сильные морозы. Таким образом, предпусковой подогреватель существенно снижает нагрузку на детали мотора и навесное оборудование (аккумулятор, стартер и генератор).

Прогревать ли мотор с «Вебасто»?

Ответ на этот вопрос будет зависеть от типа установленного отопителя. Так, если это жидкостная система «Вебасто» (принцип работы ее мы уже рассмотрели), машина полностью будет готова к запуску и движению. Не нужно дополнительно прогревать мотор – в этом вся «фишка» автономки. Но если установлен обогреватель сухого типа, двигатель будет оставаться холодным, даже если в салоне +30 градусов. Поэтому при температурах ниже нуля такой автомобиль следует дополнительно прогревать на холостых перед движением. На это уйдет около пяти минут времени.

Отличается ли принцип работы «Вебасто» для бензина?

Данная компания производит только дизельные автономки, которые работают по одинаковому алгоритму.

Много ли расходует?

Здесь все зависит от мощности автономного отопителя «Вебасто». Если речь идет о моделях для легковых авто и микроавтобусов (мощностью в полтора-два киловатта), то такая автономка потребляет до 300 грамм дизеля в час. Ну а более мощные модели, предназначенные для кабин грузовиков и для туристических автобусов (3-5 киловатт), тратят около 600 грамм в час.

Основные преимущества

Стоит ли приобретать и ставить такой агрегат себе в автомобиль? Отметим несколько плюсов такой установки:

  • Всегда теплый салон. С автономным отопителем «Вебасто» вам больше не придется садиться в холодный автомобиль и ждать, пока он прогреется.
  • Экономия времени. Система может автоматически включаться перед вашим выездом – достаточно запрограммировать таймер или включить систему через телефон за 15-20 минут до начала поездки.
  • Экономия топлива. На прогрев салона и антифриза в системе охлаждения уходит даже меньше горючего, чем при работе двигателя на холостых оборотах.
  • Отсутствие наледи на окнах. Поскольку салон уже будет теплым, ледяная корка на лобовом стекле автоматически растает. Не нужно отковыривать ее скребком или приобретать какую-либо химию.
  • Ресурс двигателя и навесных агрегатов. Мотор будет запускаться не на густом масле, а стартер и аккумулятор прослужат намного дольше.

Недостатки

Как видите, «Вебасто» — это действительно полезный отопитель. Но почему его устанавливают не на все автомобили? В первую очередь не все машины эксплуатируются в экстремально низких температурах. Установка «Вебасто» актуальна лишь при условии суровых зим. Если зимой шкала градусника не опускается ниже 10 градусов мороза, можно обойтись и без установки дополнительного отопителя.

Заключение

Итак, мы выяснили принцип работы «Вебасто» для дизеля и бензина, а также рассмотрели особенности автономного отопителя. Как видите, монтаж такого оборудования не всегда целесообразен. Но если позволяет бюджет и вы находитесь в суровом климате, приобретение автономки явно будет не лишним. Однако ставить ее нужно в специализированных мастерских, которые дают гарантию на свои работы.

Источник Источник http://www.syl.ru/article/369179/vebasto-printsip-rabotyi-ustroystvo-i-osobennosti

Принципы политики автономных транспортных средств

Автономные транспортные средства — это революционная технология, меняющая общество не только для планирования и размещения, но и для занятости; социальная вовлеченность; мобильность; а также ряд физических, социальных и экономических факторов. APA признает, что преимуществ много, но необходимы разумная государственная политика и эффективное местное планирование.

Принципы политики AV

APA разработала набор принципов политики, призванных упростить для лиц, принимающих решения, интеграцию AV в структуру их сообществ посредством планирования, проектирования, размещения и инвестиций в инфраструктуру.

Ключевой принцип

Принцип 1: APA считает, что технологии автономных транспортных средств (АВ) могут предложить ряд важных преимуществ для сообществ. Чтобы воспользоваться этими положительными преимуществами, важно проводить стратегии, основанные на модели совместной мобильности. Политика AV должна продвигать и облегчать подход совместной мобильности. Этот принцип должен определять подходы к планированию и проектированию AV.

Лица, определяющие политику, должны работать над обеспечением наличия соответствующих регулирующих и финансовых структур для адекватной поддержки эффективного развертывания и принятия решений по этой технологии и соответствующей инфраструктуре.

Руководящие стратегии

Законодательная и нормативная политика, направленная на продвижение AV через планирование, должна быть основана на следующих руководящих стратегиях:

Мобильность, подключение, доступ

Принцип 2: APA поддерживает разработку и предоставление общественного транспорта или транспорта с использованием автоматизированных и автономных транспортных средств, особенно при решении проблем на первой и последней миле при одновременном повышении безопасности, надежности и экономических показателей.

Принцип 3: APA поддерживает усилия по местному планированию, чтобы вернуть общественное право проезда из ожидаемого сокращенного пространства, необходимого для проезда AV (например, меньше стоянок, более узкие полосы) для целей в общественной сфере для обеспечения общественных благ. Особое внимание следует уделить повторному введению общественных прав проезда и пространств только для велосипедистов и пешеходов как способа улучшения как возможностей размещения, так и производительности аудиовизуального оборудования.

Принцип 4: APA поддерживает усилия по устранению или резкому снижению требований к муниципальным и внеуличным парковкам с растущим включением AV в национальную транспортную систему и разрешением повторного использования парковочных сооружений в качестве активного землепользования.

Принцип 5: APA призывает индустрию профессионального дизайна в сотрудничестве с местными сообществами обеспечить построенную в будущем среду, включая уличные пейзажи, учет автоматизированных транспортных средств (меньше / многоразовые парковки, больше места у тротуара для посадки / высадки, самостоятельной -активированные зарядные станции и т. д.).

Принцип 6: APA поддерживает дальнейшее использование совместного использования транспортных средств, поскольку совместное использование транспортных средств снижает воздействие на окружающую среду, включая шум, выбросы, непроницаемые поверхности для улиц и парковок и т. Д.

Социальная и экологическая справедливость

Принцип 7: APA поддерживает усилия по совместному использованию автономной мобильности в качестве услуги, а не поощрению владения каждым транспортным средством в отдельности, чтобы универсальная мобильность стала ближе к реальности и уменьшилась вероятность нулевого количества миль на автомобиле.

Принцип 8: APA поддерживает постоянную эволюцию и использование технологии автоматизированных транспортных средств для легковых и грузовых автомобилей, учитывая, что эта технология может повысить экономическое благосостояние и безопасность, а также поддерживать или улучшать условия окружающей среды.

Принцип 9: APA поддерживает усилия по исследованию и решению проблем справедливости, создаваемых антивирусами; Проблемы справедливости включают разрыв между городом и деревней и растущую субурбанизацию бедности, а также то, как на это повлияет или усугубит внедрение AV.

Принцип 10: APA поддерживает развитие экологически чистых технологий (от транспортного средства к инфраструктуре или V2I) для автоматизированной инфраструктуры транспортных средств, учитывая, что инфраструктура совместима с защитой окружающей среды и оказывает минимальное влияние или не оказывает никакого нового влияния на близлежащие застройки.

Принцип 11: APA признает, что значительное внедрение автоматизированных и автономных транспортных средств произойдет в течение периода времени, измеряемого десятилетиями, и что скорость внедрения будет неравномерно распределена географически. Однако технологии и системы, необходимые для поддержки таких транспортных средств, должны быть доступны повсеместно как можно раньше, чтобы поддержать пионеров и первых пользователей.

Принцип 12: APA признает, что большинство городских транспортных агентств работают по несостоятельной — или несостоятельной — бизнес-модели, которую необходимо кардинально пересмотреть, поскольку массовая мобильность остается ключом к равенству и доступу для значительной части населения, особенно в городах. и дачные участки.

Энергия, устойчивость, исследования и разработки

Принцип 13: APA поддерживает разработку автоматизированных и автономных транспортных средств, отдавая предпочтение альтернативным источникам энергии и экологически чистым технологиям и материалам шин, чтобы обеспечить общее снижение энергопотребления, даже если прогнозы, предполагающие увеличение количества пройденных транспортных миль, точный.

Принцип 14: APA поддерживает развитие технологии «транспортное средство-инфраструктура» (V2I) для пассажирских и грузовых видов транспорта, а также упрощенное перемещение товаров между видами транспорта для повышения безопасности, снижения затрат и других преимуществ.

Принцип 15: APA поддерживает научно-исследовательские и опытно-конструкторские работы, направленные на создание более устойчивой транспортной сети за счет возможности более компактной застройки, снижения требований к дорожному покрытию, улучшения характеристик транспортных средств, изменения графиков и оборудования технического обслуживания дорог и любых других факторов, способствующих к более устойчивой транспортной системе.

Охрана и безопасность

Принцип 16: APA поддерживает конструкцию Vision Zero и поощряет разработку политик и технологий, в том числе технологий от транспортного средства к пешеходу (V2P), для уменьшения или устранения ДТП со смертельным исходом для всех пользователей транспортных систем, но особенно пешеходов / велосипедистов. .

Принцип 17: APA поддерживает усилия по защите инфраструктуры (технологии и дорог) для обеспечения безопасности пользователей, а также надежности систем. С этой целью APA поощряет использование непатентованных технологий с открытым исходным кодом.

Принцип 18: APA поддерживает дальнейшее развитие технологий «автомобиль-автомобиль» и «автомобиль-инфраструктура» для повышения безопасности; тем не менее, информационные технологии для защиты личной идентификационной информации (PII) должны быть приоритетными в рамках защиты данных операционных систем транспортных средств.

Принятие данных и решений

Принцип 19: APA поддерживает стратегии, которые создают политическую среду, благоприятную для инноваций, при сохранении местного контроля над общественными пространствами и планированием землепользования.

Принцип 20: APA считает, что наличие надежных и текущих данных имеет решающее значение для принятия решений государственными, государственными и местными органами планирования и транспорта, и поощряет разработку центрального хранилища данных, доступного для всех.

Принцип 21: APA поддерживает динамичную экономику, частично стимулируемую исследованиями и технологиями, а также обслуживанием и эксплуатацией автоматизированных транспортных средств. Транспортные сети, реагирующие на спрос, являются примером того, как «большие данные» могут использоваться для продвижения личной мобильности.

Принцип 22: APA поощряет использование государственно-частного партнерства (P3) для совместного финансирования технологий и инфраструктуры в интересах системы наземного транспорта во всем мире таким образом, чтобы уменьшить или не усугубить проблемы справедливости и доступности, иногда связанные с P3 .

Экономика и бюджетное планирование

Принцип 23: APA рекомендует провести тщательный анализ финансовых механизмов, используемых в настоящее время для финансирования инвестиций в инфраструктуру, связанную с транспортными средствами, на которые может повлиять широкое внедрение AV-систем — конструкции парковок, платные полосы с высокой загруженностью, ценообразование в условиях пробок, налоги на бензин. , и аналогичные стратегии — чтобы убедиться как в долгосрочной эффективности, так и в том, повлияют ли изменения на способность погашать текущие заимствования, основанные на доходах.

Принцип 24: APA побуждает государственные органы на всех уровнях учитывать влияние потери текущих доходов, полученных от продажи автомобилей, обслуживания, владения, штрафов и конфискации, сборов и аналогичных источников в бюджете, и приступить к планированию сейчас эта возможность.

Принцип 25: APA считает, что антивирусные программы будут уделять все большее внимание мобильной экономике, когда товары и услуги доставляются непосредственно клиенту в том месте, которое он выбрал, а также в то время как клиент также является мобильным.

Принцип 26: APA поддерживает переосмысление роли общественных прав проезда и рассмотрение их не столько как общественных мест, сколько как коммунальных услуг, стоимость которых определяется соответствующим образом.

Рекомендации по политике

APA рекомендует следующие краткосрочные действия:

Создание организации по стандартизации, состоящей из межотраслевых партнеров

Создайте подразделение по стандартизации, состоящее из партнеров из отрасли, технологий, университетов и правительства, для разработки стандартов совместимости и безопасной передачи данных.

Дальнейшие инвестиции в общественный транспорт и транзитную инфраструктуру

Продолжайте инвестировать в общественный транспорт и транзитную инфраструктуру для поддержки экономики совместного использования мобильности, потенциально ориентированной на AV-технологию, которая обеспечивает доступ для всех в зависимости от дохода, пола, расы и других непредвиденных факторов, уменьшая при этом исторически несправедливые транспортные решения.

Принятие местных постановлений, дающих сообществам гибкость в реагировании на антивирусные программы

Принятие местных постановлений, позволяющих сообществам реагировать на использование автономных транспортных средств, обеспечивая гибкость в возврате заброшенной инфраструктуры для общественного использования.APA, работая с партнерами, следует рассмотреть возможность разработки типового постановления для штатов и населенных пунктов.

Создание типового государственного разрешающего законодательства

Акцент должен быть сделан на создании модельного государственного законодательства, разрешающего местным властям контролировать общественную инфраструктуру для общественных благ и полностью внедрять политику устойчивого землепользования, которая в полной мере использует возможности, предоставляемые моделью общей мобильности внедрения AV.

Защитник поддержания местного контроля над общественными местами и процессами планирования

Активно выступать за сохранение местного контроля над общественными местами и процессами планирования, особенно над теми общественными местами, которые больше не предназначены для передвижения и парковки транспортных средств.

Разработка руководящих стандартов проектирования с партнерами

Работайте с партнерскими организациями над разработкой общего набора руководств по проектированию будущих зданий, общественных мест, сооружений, дорог, автомагистралей, мостов и другой инфраструктуры.

Разработка гибкой политики парковки

Разработайте гибкие правила парковки, которые позволят снизить или отменить определенные требования к парковке по мере роста проникновения на рынок AV.

Продвигать политику, поощряющую стратегии совместной мобильности

Продолжать свою профессиональную деятельность и проводить политику, поощряющую совместное использование поездок и стратегии совместной мобильности, направленные на решение проблем первой и последней мили.

Совместно с заинтересованными сторонами разработать законодательную политику в отношении антивируса, направленную на решение различных юридических вопросов.

Взаимодействовать со всеми заинтересованными сторонами для разработки и принятия законодательных политик для AV, связанных с сертификацией, лицензированием, обучением и деликтной ответственностью.

Поддержка финансирования со стороны академических институтов, продвигающих исследования AV

Поддержка финансирования со стороны государственного и частного секторов, а также университетов для текущих исследований и анализа последствий использования AV для городского размещения и планирования мобильности.

Рассмотрение и продвижение стандартов AV-систем

Созвать группу экспертов для рассмотрения и распространения стандартов, применимых к AV-системам и сетям, которые защищают конфиденциальность всех пользователей AV.

Изучить финансовые последствия АВ на федеральном, государственном и местном уровнях

Изучить финансовые последствия крупномасштабного внедрения AV-технологий для правительств на всех уровнях, поскольку это связано с влиянием на потоки доходов, получаемых в настоящее время от транспортных налогов и сборов; налогообложение личного имущества; плата за парковку и штрафы; а также штрафы, сборы и конфискация за нарушение правил дорожного движения для обеспечения того, чтобы государственные услуги и инфраструктура, в настоящее время финансируемые за счет таких доходов, могли продолжать финансироваться в соответствии с потребностями и возможностями мобильности AV.

Эти принципы утверждены Советом директоров АПА 26 января 2018 года.

Что такое автономный автомобиль? — Как работают самоуправляемые автомобили

Полностью автономные автомобили (уровень 5) проходят испытания в нескольких регионах мира, но ни один из них пока не доступен для широкой публики. До этого еще далеко. Проблемы варьируются от технологических и законодательных до экологических и философских. Вот лишь некоторые из неизвестных.

Лидар и радар

Лидар

дорог и все еще пытается найти правильный баланс между дальностью и разрешением. Если несколько автономных автомобилей будут ездить по одной дороге, будут ли их лидарные сигналы мешать друг другу? И если будет доступно несколько радиочастот, будет ли частотного диапазона достаточно для поддержки массового производства автономных автомобилей?

Погодные условия

Что происходит, когда автономный автомобиль проезжает во время сильных осадков? Если на дороге лежит слой снега, разделители полос исчезают.Как камеры и датчики будут отслеживать разметку полосы движения, если разметка закрыта водой, маслом, льдом или мусором?

Условия дорожного движения и законы

Будут ли у беспилотных автомобилей проблемы в туннелях или на мостах? Как они будут вести себя в движении от бампера к бамперу? Будут ли автономные автомобили переведены на определенную полосу движения? Будет ли им предоставлен доступ к автостоянке? А как насчет парка старых автомобилей, которые будут использовать дороги в ближайшие 20 или 30 лет?

State vs.Федеральное постановление

Регуляторный процесс в США недавно перешел с федерального руководства на требования штата к автономным автомобилям. Некоторые штаты даже предложили ввести налог за милю на автономные транспортные средства, чтобы предотвратить рост числа «автомобилей-зомби», разъезжающих без пассажиров. Законодатели также написали законопроекты, в которых предлагается, чтобы все автономные автомобили были транспортными средствами с нулевым уровнем выбросов и имели установленную тревожную кнопку. Но будут ли законы отличаться от штата к штату? Сможете ли вы пересечь границы штата на беспилотном автомобиле?

Ответственность за несчастный случай

Кто несет ответственность за аварии, вызванные беспилотным автомобилем? Производитель? Человек-пассажир? Последние чертежи предполагают, что полностью автономный автомобиль 5-го уровня не будет иметь приборной панели или рулевого колеса, поэтому у пассажира-человека даже не будет возможности взять под контроль автомобиль в экстренной ситуации.

Искусственный интеллект и эмоциональный интеллект

Водители-люди полагаются на тонкие подсказки и невербальную коммуникацию — например, зрительный контакт с пешеходами или чтение выражений лиц и языка тела других водителей — для вынесения суждений и прогнозирования поведения за доли секунды. Смогут ли автономные автомобили воспроизвести эту связь? Будут ли они иметь те же инстинкты спасения жизни, что и водители-люди?

3 Автономная технология: возможности и потенциал | Автономные транспортные средства поддержки военно-морских операций

различных направлений каждой из групп, определяющих LOA.Применение концепций и технологий автономии к системе по своей сути является сложной проблемой, требующей нескольких степеней свободы. Таким образом, невозможно полностью охарактеризовать реализованную степень автономности одним числом.

Расширенный обзор уровня автономии

Основное ожидание от автономных транспортных средств ВМФ и Корпуса морской пехоты заключается в том, что они смогут выполнять поставленные задачи надежно, эффективно и по доступной цене с надлежащим уровнем независимости от человеческого вмешательства.Однако на практике сложно назначить какой-либо АВ единый уровень автономии. Во многом это связано с тем, что AV и их системы управления предназначены для выполнения сложных задач, состоящих из множества действий, каждая из которых может быть реализована с разным уровнем автономии. Этот факт подразумевает, что понятие сложности также необходимо учитывать при назначении LOA AV.

В этом разделе предлагается новый взгляд на уровень автономии, который в дальнейшем именуется уровнем автономии миссии .Как описано ниже, автономность миссии состоит из двух степеней свободы — сложности миссии и степени автономности . «Сложность миссии» отражает количество функциональных возможностей миссии, присущих любой данной системе, или количество различных миссий, которые могут быть реализованы системой, независимо от того, выполняются ли они автономно или нет. «Степень автономности» отражает степень автономии, используемую для выполнения любой конкретной миссии или функциональных возможностей.

Сложность миссии, первая степень свободы, не следует путать со сложностью системы , которая увеличивается по мере увеличения количества и разнообразия элементов системы (например, транспортных средств, операторов, процессоров, каналов передачи данных, датчиков, баз данных, баз питания, и так далее) становятся больше, а уровень предсказуемости системы снижается. Сложность системы частично объясняется выбором требований к автономности миссии.

Чтобы подробнее рассказать о сложности миссии, полезно рассмотреть ее в контексте миссии с автономным транспортным средством.Миссия — это иерархический набор действий миссии, которые упорядочены для достижения целей миссии. Действия высокого уровня (т. Е. Фазы миссии, такие как запуск, вход, операции, выход и восстановление) разбиты на второстепенные действия, которые, в свою очередь, далее разлагаются на примитивные действия. Каждая миссия может быть выполнена с помощью различного сочетания взаимодействия человека и / или машины. Человеческое участие в миссии можно классифицировать с точки зрения контроля и санкционирования, координации и разведки, как это показано во вставке 3.2 советую.

Количество уровней активности миссии (например, высокий, средний, низкий), количество действий миссии на каждом уровне и степень функциональности человеческого эквивалента (например, интеллекта), требуемая для каждого из них, являются конструктивными решениями, которые, будучи однажды сделанными, определить сложность самого АВ. Сложность миссии затем характеризуется количеством функциональных возможностей миссии, которые может выполнить

Autonomics: В поисках основы для автономных систем следующего поколения

Автономные системы уже способны заменить людей в выполнении множества функций.Эта тенденция сохранится в ближайшие годы, когда автономные системы станут центральным и решающим фактором человеческого общества. Они будут широко распространены и будут включать, например, транспортные средства всех видов, медицинских и промышленных роботов, сельскохозяйственные и производственные объекты, а также распределенное управление дорожным движением, городскую безопасность и электрические сети.

Многие организации уже стремятся разработать новую волну надежных и экономичных автономных систем, а исследователи заняты созданием мощных инструментов и методов для процесса разработки.Однако чрезвычайно высокие уровни сложности и критичности создают новые фундаментальные проблемы. Рассмотрим, например, даже очень скромную автономную систему, робота-парковщика — очевидно, далеко от полностью автономного транспортного средства (АВ). Клиенты и регулирующие органы будут полностью вправе спросить, сможет ли робот обнаружить ребенка, которого забыли в машине, или заметить, что под ним сидит домашняя собака. Что в результате сделает робот, даже если он сможет это заметить? Как он отреагирует, если человек попытается остановить его, преследуя его и крича?

Ожидается, что автономные системы следующего поколения будут работать в условиях, которые часто будут непредсказуемыми во время их разработки из-за ограниченного контроля над системной средой, динамического появления новых видов объектов и событий в мире и экспоненциальный рост числа составных конфигураций таких элементов, как старых, так и новых.В литературе есть интересные демонстрации и обсуждения непредсказуемости автономных систем; см., например, (простое) видео с помощником по дому SpotMini (1) и, что более важно, обсуждение / критику его демонстрационной среды (2). Хотя тестовые среды и механизмы моделирования обеспечивают постоянно увеличивающееся разнообразие и реализм [см., Например, CARLA (3), PARACOSM (4), HEXAGON MSC (5) и Cognata (6)], они по-прежнему являются ограниченными и синтетическими. Инженеры должны иметь возможность заверить клиентов и регулирующие органы в том, что система будет работать правильно и безопасно не только в большом количестве критических сценариев, но и в сложных ситуациях с высоким риском, о которых раньше даже не думали.

Растет осознание того, что задачи разработки автономных систем следующего поколения будет трудно решить из-за недостатков установленных методов и процессов. Другими словами, проблемы, подобные тем, которые описаны выше, не могут быть решены простым улучшением функций безопасности системы, например, путем добавления датчиков, исполнительных механизмов и логики и / или путем выполнения более сложных тестовых сценариев. Действительно, для решения некоторых из этих проблем объединенное сообщество, состоящее из соответствующих групп в промышленности, правительстве и академических кругах, запускает мероприятия по составлению дорожных карт и крупномасштабные совместные проекты (7⇓⇓ – 10).

Тем не менее, мы спорим, этого недостаточно. Требуемая надежность требует различных и более фундаментальных достижений в определенных соответствующих областях, как для инструментов разработки, так и для окончательной реализации системы. Мы считаем, что для сокращения разрыва между проблемами в разработке заслуживающих доверия автономных систем следующего поколения и нынешним уровнем развития техники исследовательское и промышленное сообщество должно создать общую инженерную основу для разработки таких систем. Эта основа, которую мы называем «автономность» *, должна решать уникальные проблемы, связанные с такими системами, путем предоставления концепций, перспектив и инженерных принципов, а также вспомогательных методов и инструментов.Концепции должны быть достаточно широкими, чтобы охватывать несколько способов работы, и должны включать средства для выбора среди альтернативных проектов, технологий и инструментов.

Мы считаем, что наличие такой основы может значительно ускорить развертывание и принятие высококачественных, сертифицированных автономных систем, созданных на благо человеческого общества.

Автономные системы нового поколения

Предварительные определения.

За прошедшие годы было предложено множество определений автономии (например,г., исх. 11⇓ – 13). «Автономные вычисления» (например, ссылка 14) фокусируются на системах, способных к самоуправлению и, в частности, автоматизировать динамическое конфигурирование. Область исследования агент-ориентированного проектирования и, в частности, «многоагентных систем» (например, ссылка 15) предлагает перспективу автономии, уделяя особое внимание проблеме объединения локальных целей с правилами сотрудничества и распределенными алгоритмами для достижения общесистемной общей цели. Автономия часто ассоциируется с «самосознанием» (например, исх.16), что подразумевает способность системы воспринимать изменения окружающей среды и использовать «знание» своих собственных состояний для адекватной реакции, так что достигается набор целей. «Симбиотические вычисления» (например, ссылка 17) изучают, как автономные системы могут взаимодействовать и взаимодействовать с людьми и со сложными организациями, учитывая многочисленные технические, коммерческие и этические последствия этого. Кроме того, контроллеры, разработанные с использованием таких шаблонов, как Sense – Decide – Act или Monitor – Analyze – Plan – Execute (MAPE), иногда называют автономными; однако одних таких контуров управления явно недостаточно для того, чтобы система могла перемещаться, вести себя и правильно функционировать в произвольных реальных открытых средах.

Чтобы упростить последующее обсуждение, мы предлагаем в этом и следующем подразделах определения некоторых основных концепций (см. Также ссылки 18⇓ – 20) и проиллюстрируем их на примере AV для фабрики. напольные и заводские поставки (именуемые здесь FFAV).

«Системы» — это артефакты, над созданием которых работают команды разработчиков. Система работает внутри внешней среды и реагирует на нее и состоит из двух типов компонентов: агентов и объектов (последние, как объясняется ниже, обычно не создаются командой разработчиков), которые, как мы увидим, работать в общей внутренней системной среде.Скоординированное коллективное поведение агентов и объектов системы предназначено для достижения некоторых глобальных общесистемных целей.

«Объекты» — это те компоненты, на запрограммированное поведение которых не влияют во время разработки системы. Например, объекты системы FFAV могут включать в себя готовые компоненты, такие как двигатель, набор камер или рулевой механизм, вход которого, скажем, является желаемым углом передних колес. Система часто взаимодействует с объектами, которые не являются ее частью, но являются частью окружающей среды.Таковы, в случае FFAV, машины в производственном цехе (которые могут быть простыми препятствиями или получателями доставки) и пакеты, которые должны быть доставлены. У объектов есть «состояния», которые могут быть изменены агентами или другими объектами или могут изменяться «спонтанно» по внутренним причинам. Эти внутренние и внешние объекты становятся частью внутренней и внешней среды системы соответственно.

«Агенты» — это основные элементы поведения автономной системы. Это те, которые спроектированы (запрограммированы, построены) как часть процесса разработки системы. У агентов есть «свобода действий»: они активны и преследуют определенные цели, которые могут динамично меняться. Агенты могут отслеживать объекты из внутренней и внешней среды и изменять их состояния. Они также могут координировать свои действия с другими агентами. Таким образом, система FFAV может иметь либо одного агента для всех своих функций, либо отдельных агентов для различных задач, таких как планирование работы, планирование маршрута, управление перемещением, захват и переноска. Агенты сами могут быть автономными системами и могут, в свою очередь, иерархически содержать других агентов и системы.

«Внутренняя среда» — это физическая и виртуальная инфраструктура нижнего уровня, используемая агентами и объектами системы. Он может включать компьютер / процессор / память, батареи и другие источники питания, операционную систему, коммуникационное оборудование и программное обеспечение, а также программное обеспечение для управления базами данных.

«Внешняя среда» системы (часто называемая просто «средой») — это совокупность всех объектов, с которыми система может взаимодействовать. Он может включать другие системы (с их объектами и агентами) и автономные объекты, а также любые другие физические или виртуальные объекты, которые могут влиять на поведение системы или быть затронутыми им.Ключевыми объектами во внешней среде любой системы, конечно же, являются люди — с их непредсказуемостью, инициативой, а также способностью и властью изменять поведение системы.

Определение автономного поведения.

Мы говорим, что система или агент (для простоты мы будем придерживаться системы ниже) проявляет «автономное поведение», если он воплощает следующие пять поведенческих функций, которые выполняются с минимальным вмешательством или без вмешательства человека или других систем. .

Две функции объединены, чтобы позволить системе построить для себя полезное представление о состоянии внешней среды.«Восприятие» — это функция, которая вводит стимулы, интерпретирует их основное значение и устраняет двусмысленность, давая релевантную информацию. Часто восприятию приходится иметь дело с мультимодальными входами, такими как зрение, звук, тепло, прикосновение, радар и передача данных из других систем, все полученные с помощью датчиков и устройств ввода, зависящих от режима, и затем должны объединять полученную информацию. Вторая функция — «Обновление модели», которая использует информацию, предоставленную Perception, для создания и постоянного обновления интегрированной модели времени выполнения, представляющей среду системы и ее состояния.Затем эта модель будет использоваться в процессе принятия решений.

Две другие функции составляют процесс адаптивного решения системы. Это означает, что в решениях учитываются многие, возможно, конфликтующие цели, что зависит от текущего состояния системы и окружающей среды. «Управление целями» выбирает из набора целей те, которые имеют отношение к текущему состоянию. «Планирование» вычисляет план для достижения набора целей, поставленных Goal Management, с учетом ограничений, зависящих от состояния; это действие агента в ответ на текущее состояние среды и может состоять из последовательности команд, которые должны выполняться исполнительными механизмами.И управление целями, и планирование могут принимать участие в решении противоречивых целей; они делают это, например, посредством приоритезации, разрешения ограничений, продолжения работы по нескольким параллельным планам (отсрочки принятия решения) и консультаций с людьми или с другими системами.

Пятая функция, которая характеризует автономное поведение, — это «Самоадаптация», которая обеспечивает динамическую корректировку с течением времени целей системы и процессов управления целями и планирования посредством обучения и рассуждений на основе развивающегося состояния системы и ее среда.Такая адаптивность может проявляться во многих формах: в ближайшем будущем, например, используя метод проб и ошибок и недавний опыт, чтобы обойти незнакомое и ранее не указанное препятствие; «Обучение на протяжении всей жизни» системы, постоянная переоценка всей истории сенсорной информации, ее действий, успехов и неудач, чтобы лучше достигать своих целей в динамичной непредсказуемой среде; даже достижение определенной независимости, когда автономная система изучает всю изменяющуюся среду, выходящую далеко за рамки ее задач, и может корректировать не только свою работу, но и свои цели (рассмотрим AV, который, обнаружив, что ключевой пользователь не может путешествовать, организует сам по себе, чтобы привлекать людей или объекты к этому пользователю, или способствует телеконференции).Вопрос о том, когда следует ограничить адаптивность системы и привлечь людей, является широким и требует долгих размышлений и дальнейших исследований.

Автономные системы нового поколения разные.

Автономные системы следующего поколения, как те, которые уже начинают появляться, так и, безусловно, будущего, отличаются от существующих систем несколькими ключевыми аспектами. Эти аспекты, которые мы сейчас обсуждаем, ставят прилагательное «следующее поколение», которое мы прилагаем к системам, о которых мы здесь говорим, за пределы тех, которые разрабатываются сейчас и будут введены в действие в самом ближайшем будущем.Скорее, мы рассматриваем те системы, которые, по нашему мнению, будут преобладать только через значительное количество лет.

У них есть большое количество возможных противоречивых системных целей.

Типичная автономная система следующего поколения не будет ориентирована на небольшое количество четко определенных целей, таких как выигрыш в шахматы или транспортное средство, достигающее пункта назначения без столкновений. Они обычно сталкиваются с гораздо более широким и более сложным набором целей, как это часто бывает у людей. Учтите, что FFAV выполняет очень критическую (и дорогостоящую) доставку, которая может подвергаться риску из-за проблем с безопасностью.Ситуация осложняется еще и финансовыми и юридическими соображениями производителя. Например, владелец химического плана, который использует FFAV, может захотеть разрешить FFAV (осторожно) не подчиняться знаку остановки при выполнении очень срочной доставки, но производители FFAV могли запрограммировать его на полное соблюдение закона, чтобы уменьшить их ответственность.

Их окружение значительно менее предсказуемо.

Даже нынешние автономные системы уже имеют дело с огромным количеством известных конфигураций среды, и те, о которых мы еще не знаем, очевидно, добавят к этой сложности совершенно новый порядок величины.В то время как AV-обработка различных топологий дорог, объемов и скоростей движения, вероятно, может быть решена с использованием существующих технологий, существуют более сложные проблемы, с которыми люди обычно справляются и которые до сих пор не решаются должным образом. Для AV это, например, прихоти велосипедистов и мотоциклистов, которые въезжают и выезжают из транспортного потока на дорогах, тротуарах и пешеходных переходах; полицейские инструкции, устные или сигнальные; плохо обозначенные временные отклонения; чрезвычайные ситуации, которые еще не были обработаны службами быстрого реагирования, такие как дорожно-транспортное происшествие, оползень / камнепад или наводнение; или срочная просьба пассажира остановиться и выйти, но в тех случаях, когда для этого нет безопасного места.Подобные трудности вызваны возрастающей зависимостью от трудно предсказуемых физических аспектов динамической среды, усугубляемой возросшей мобильностью, распределением и огромным количеством систем.

Они требуют активного взаимодействия с людьми.

Классическое взаимодействие человека с компьютером (HCI) обычно ориентировано на обученных пользователей или операторов, управляющих автоматизированными задачами. Будущие интерфейсы должны будут иметь дело с общим поведением системы, воспринимаемым людьми, с тем, как система влияет на человеческое поведение и с тем, как люди думают о поведении системы.Автономные системы следующего поколения будут влиять на гораздо более широкий круг людей и подвергать их риску, и они будут все больше подвергаться как полезным, так и враждебным действиям человека с необходимыми коммуникациями и взаимодействием. Достаточно подумать о пробке, вызванной AV-системой на оживленном шоссе, автономным краном на оживленной строительной площадке в центре города или роботом с медицинским снабжением, который спешит по переполненному коридору больницы, чтобы доставить спасательную жизнь.

Проблема взаимодействия с людьми гораздо глубже, чем в классической HCI.Во-первых, потому, что будущие системы будут работать в обычном человеческом окружении, имея взаимодействие с людьми, которые не являются ни пользователями, ни операторами, и над которыми владелец автономной системы не может контролировать. Их поведение не только должно быть функциональным, эффективным и безопасным, но и должно казаться таковым, чтобы вселить в людей уверенность в том, что это действительно так. Эти системы будут взаимодействовать с людьми совершенно по-новому, даже в рамках обычных повседневных дел, таких как преодоление полосы отвода через дверь офиса или указание пролива на полу проходящему мимо роботу-помощнику по уборке.

Во-вторых, интерфейс человек-компьютер должен быть гораздо более обширным, чем простой дисплей и клавиатура. Он будет охватывать большую часть того, что понимает и делает автономная система. Если FFAV должен передать хрупкую посылку человеку и забрать у него другую посылку, то как он сообщает о своей готовности передать одну и получить другую, свои вопросы (например, получил ли человек-получатель уже удержание первый пакет?), его состояние (например, теперь он надежно держит вторую упаковку, так что хватка и внимание человека больше не нужны) и так далее.

В-третьих, особое внимание следует уделить тем частям интерфейса, которые позволяют человеку прервать работу автономной системы или резко ее изменить. Если рабочий уронил контактную линзу, которую FFAV не видит, как он / она немедленно ее остановить? Если FFAV получил неправильный пакет, как человек отзовет его обратно? Если какая-то аварийная работа блокирует нормальный, предварительно запрограммированный маршрут FFAV, и объезд не может быть легко обнаружен, как можно дать FFAV альтернативную специальную инструкцию в реальном времени и естественным образом, которая заставит его использовать конкретный альтернативный маршрут, например, съезд для инвалидов за зданием C?

Почему новый фонд?

Наше главное утверждение в этой статье состоит в том, что разработка заслуживающих доверия автономных систем следующего поколения требует решения фундаментальных проблем, которые не были должным образом решены в ходе нынешних исследований или промышленного опыта.Мы призываем исследовательское и инженерное сообщество создать и развивать основу для разработки таких систем, которая будет рекомендовать инженерные практики и методы, указывать на инструменты и технологии и предлагать базы и примеры с открытым исходным кодом. Он также будет включать метаинформацию, например, надежные средства для выбора альтернативных вариантов проектирования и разработки системы. Хотя эта основа автономии должна касаться всех аспектов системной инженерии, изначально она не должна быть направлена ​​на переписывание общепринятых принципов системной инженерии, а должна решать «острые» проблемы (например, те, которые мы обсуждаем в следующих разделах) и предлагать пути решения с ними на протяжении всей разработки.В противном случае широкое, всеобъемлющее усилие могло бы размыть и затемнить важные инновации, ради которых оно было создано, и его даже можно было бы полностью отбросить как бесполезную попытку «вскипятить океан». В то же время, если появятся дополнительные новые подходы к укоренившимся практикам, они должны быть серьезно оценены и, где это применимо, включены.

Существование разрыва между современным уровнем техники и достижением желаемой надежности было сформулировано, например, в официальном документе Института инженеров по электротехнике и радиоэлектронике (21) и в работе Neumann (22).В частности, последний фокусируется на необходимости справляться с воздействием уязвимости компонентов на полную уязвимость составной системы. В литературе, посвященной созданию и тестированию сложных автономных критически важных для безопасности систем (например, ссылка 23), очень мало теорий и инструментов для обеспечения уверенности (или доверия) в поведении системы во время выполнения перед лицом непредсказуемой ситуации. ситуации. В тесно связанном с этим обсуждении проблем, с которыми сталкиваются системы следующего поколения, Чанг (24, 25) утверждает, что новые решения и действительно смена парадигмы необходимы и возможны, и что они могут быть реализованы с помощью новых подходов к анализу ситуации.

Чтобы подкрепить наш аргумент о важности и масштабности необходимого фундамента, мы сосредоточимся здесь на одном центральном аспекте, который лежит в основе разработки автономных систем, — на принятии решений. Мы представляем три частично совпадающих проблемы в разработке процессов принятия решений, для которых еще предстоит найти удовлетворительные решения.

Задача I. Определение поведения.

Поведенческая спецификация необходима практически на всех этапах и действиях процесса разработки: требования, проектирование, моделирование, тестирование, верификация и валидация.Поведение предпочтительно должно быть определено на каком-то строго определенном языке с согласованной динамической семантикой, но, по крайней мере, оно также может быть выполнено таким образом, чтобы его можно было напрямую отобразить на точные и технически ориентированные описания естественного языка. Хотя для этой цели было разработано множество различных компьютерных языков — процедурных, декларативных, логических, состояний, сценариев и т. Д. — мы утверждаем, что в автономных системах следующего поколения сама спецификация поведения порождает новые проблемы, требующие решения Обширные исследования.Такие спецификации должны охватывать как классические желаемые, так и нежелательные последовательности событий и действий, связанные цели и их взаимные отношения, фактическое поведение, наблюдаемое и интерпретируемое машинами и людьми, а также предполагаемое поведение, которое, возможно, не было полностью соблюдено. Спецификация должна служить для создания систем, их тестирования, обеспечения связи между системами, между людьми, а также между системами и людьми, а также для обеспечения возможности метаанализа такой спецификации.

Когда дело доходит до сложных автономных систем, сложно определить даже одну простую цель.Предположим, что работодатель впервые хочет полностью автоматизировать процесс мытья полов. Какие спецификации нам нужны? Должен ли он быть сосредоточен на действиях (например, где и как подмести), на объектах и ​​объектах окружающей среды (например, какие виды грязи следует удалять и откуда) или на состояниях и результатах (например, на каких полах и как выглядят полки после того, как работа сделана)? Как следует сообщить разработчикам (и системе) о необходимости перемещать небольшие объекты или отключать устройства, которые мешают, или о том, как справиться с такими рисками, как что-то сломать?

Мы считаем, что здесь нам нужны способы описания соответствующего «мира» и связанного с ним поведения.Для этого мы предлагаем разрабатывать предметно-ориентированные онтологии объектов, свойств, действий и отношений. Это направление может расширяться или извлекаться из текущих онтологий, таких как проект CYC (26), Google Knowledge Graph, язык веб-онтологий OWL и другие, но также может иметь различные направления проектирования. Например, сама сущность сущностей может быть связана с относящейся к действиям информацией о том, что эти сущности делают, что с ними можно делать или как другие системы, как ожидается, на это отреагируют.В данном случае цель состоит не в том, чтобы получить всеобъемлющие (но неуловимые) знания, а в том, чтобы позволить принимать решения в рамках репертуара действий системы. Например, если FFAV видит на своем пути объект, который не может распознать, он должен иметь возможность представить изображение и, возможно, информацию датчиков другим объектам, таким как сервер в облаке. Затем сервер может проинформировать FFAV о том, что это за объект, чтобы он мог применить свои существующие правила, или он может дать команду FFAV предпринять определенные действия на основе знаний и логики сервера.

В контексте автономных систем некоторый прогресс в этих направлениях можно найти, например, в диаграммах последовательности движения (27), сценариях Национальной администрации безопасности дорожного движения США (28), программном обеспечении автоматического программного обеспечения для AV (29) и с открытым исходным кодом. тренажеры типа CARLA (3). Каждый из них использует свои собственные термины и концепции в качестве строительных блоков при построении инструмента снизу вверх.

Помимо проблемы определения отдельных целей, кроется крайняя сложность определения того, как система должна уравновесить, расставить приоритеты или взвесить несколько, часто конкурирующих целей, в ошеломляющем множестве обстоятельств.Даже в одной конкретной ситуации, и даже если мы разрешаем использование естественного языка для спецификации, часто почти невозможно указать, что система должна или не должна делать. Многим автономным системам будущего поколения придется принимать сложные решения, связанные с серьезными человеческими и бизнес-рисками, и мы сомневаемся, что заинтересованные стороны могут заранее предписывать, что система должна делать в каждом конкретном случае.

Кроме того, конечно, помимо таких технических вопросов спецификации, есть еще и серьезные этические вопросы.Суды выносят решение о том, было ли решение, принятое человеком, правильным или неправильным, небрежным или нет, в соответствии с тем, что ожидается от разумного человека. Это станет значительно сложнее в сфере автономных систем, которые, например, должны будут определить, где именно сделать начальный разрез во время хирургической процедуры, или за доли секунды решить между двумя очень плохими альтернативами в аварийной ситуации вождения. .

Во время моделирования заинтересованные стороны часто сталкиваются с неожиданными свойствами и неожиданным поведением, которые не упоминались в процессе разработки.Например, при наблюдении за поведением AV, такого как FFAV или тележка для гольфа, можно заметить, что он иногда повторяет путь с необычной точностью, вызывая неожиданный износ пола, земли или травы. В результате могут потребоваться новые требования, такие как рандомизация путей, документирование ограниченного набора поддерживаемых поверхностей или даже использование преимуществ такого рода предсказуемости в других частях системы.

Еще одним осложняющим моментом являются динамические изменения спецификаций.Для человека, выполняющего определенную задачу, нет ничего необычного в получении новой информации или инструкций об изменениях в целях, в средствах их достижения или в предположениях об окружающей среде. Люди чаще всего неплохо справляются с такими обновлениями. Автономные системы должны будут поддерживать такие способы коммуникации и реактивного поведения (16).

Сделать это непросто. Непонятно даже, как указать формальную версию «заявки на неисправность», которая описывает событие, свойство или закономерность, которые были замечены человеком-наблюдателем, но не были частью исходной спецификации.Кроме того, можно было бы автоматизировать обнаружение и артикуляцию возникающих свойств, поскольку тестирование и моделирование, вероятно, будут в высокой степени автоматизированными, с ограниченными возможностями для наблюдения человека. Для ожидаемого поведения (желаемого или нежелательного) это было бы очень похоже на тестирование; но для неожиданного поведения автоматизация самого захвата формальным, но кратким и интуитивно понятным способом может оказаться серьезной проблемой, требующей существенного расширения текущих исследований в таких областях, как спецификация и обнаружение аномалий добычи (см.г., исх. 30⇓ – 32). Фактически, мы считаем, что известная цитата Кнута: «Остерегайтесь ошибок в приведенном выше коде; Я только доказал, что это правильно, а не пробовал », выходит за рамки признания важности тестирования с учетом ограничений формальных методов и доказательств правильности. Его можно использовать для подтверждения нашей уверенности в том, что тестирование необходимо еще и потому, что простое наблюдение за системой в работе дает совершенно новое понимание того, что система делает, а что не делает, и что она должна или не должна делать.

Объясняемость и интерпретируемость особенно важны для эмерджентных свойств, особенно для тех частей решений, которые основаны на нейронных сетях и других подходах «черного ящика».В некотором смысле, объяснения создают модель на основе, казалось бы, безмодельного решения для машинного обучения. Кроме того, и здесь автоматическое обобщение таких шаблонов выполнения является сложной задачей, которая является предметом активных исследований. Мы частично обсуждаем этот вопрос в Challenge III: Combining «Model-Based» и «Data-Driven подходы» ниже.

Задаче определения и объяснения поведения, которое должно динамически согласовывать несколько целей, можно облегчить, изначально добавляя веса, приоритеты и взаимные ограничения к целям, а также просто наблюдая за работой системы и наделяя компоненты, отвечающие за различные цели, с помощью возможности динамического внутреннего согласования.Ключевую роль также будут играть механизмы для определения и обработки случайного поведения, которое реагирует на негативные условия, непосредственно связанные с фактическим поведением системы, и обрабатывает их. Возможность давать краткие объяснения решений системы как в реальном времени, так и постфактум будет иметь большое значение, поскольку позволит разработчикам и самой системе судить о запрограммированных решениях и корректировать их по мере необходимости.

Задача II: Анализ.

Под анализом мы подразумеваем моделирование, тестирование, формальную верификацию и проверку системы в соответствии с негласными потребностями заинтересованных сторон (сокращенно STV&V).Хотя эти методы будут иметь первостепенное значение для автономных систем следующего поколения, хорошо известно, что ни один из них не обеспечивает полных гарантий даже для существующих систем, поэтому их придется использовать таким образом, чтобы они дополняли друг друга.

Различные методы, входящие в состав STV & V, все включают в себя тот или иной способ выполнения системы или ее модели управляемым образом и / или обход или анализ результирующих состояний. Моделирование, пожалуй, является наиболее «практическим» из них, и оно облегчает наблюдение возникающих форм поведения — желаемых, нежелательных и еще не определенных — в различных условиях.Однако смоделированная среда всегда будет абстракцией и упрощением реальности. Существует множество инструментов моделирования, относящихся к AV; см., например, ссылки. 4, 8, 11 и 17. Хотя они эффективны и предоставляют важные функции, хотя и распространяются на разные инструменты, предлагаемая здесь основа требует дополнительных важных возможностей, таких как гораздо больший контроль пользователя над изменчивостью среды и возможность автоматического обнаружения и оценить новые эмерджентные свойства, которых не было в исходных спецификациях испытаний.

Одной из основных причин того, что удовлетворительный анализ STV&V требует фундаментальной работы, является огромное количество объектов и переменных, задействованных в сложных автономных системах, а также еще большее количество и сложность взаимодействий между ними. Это то, что мы сейчас обсуждаем.

Автономным системам обычно приходится иметь дело с множеством новых элементов, которые часто игнорируются, упрощаются или управляются другими системами. Просто представьте себе FFAV, развернутый на загруженном открытом производственном дворе, где люди, оборудование и транспортные средства перемещаются, обладающие четкими формами, цветами, типами отражений, текстурами, размерами, местоположениями, позиционированием и маршрутами.Точное моделирование и эффективное тестирование этих систем и сред — сложная задача. Более того, что касается их взаимодействия, здесь проблема становится опасно обостряющейся. «Преднамеренные» действия системы можно разумно контролировать, но количество и сложность возможных взаимодействий и косвенных эффектов между всеми объектами окружающей среды и системой ошеломляют. Подумайте о тестировании очень маленького FFAV, пробивающегося сквозь толпу людей и машин, возможно, даже других живых существ — как в шоу домашнего скота.Взаимодействия, с которыми ему приходится иметь дело, не ограничиваются очевидными целями, например, достижением пункта назначения, избегая столкновений и соблюдая правила дорожного движения. Как насчет взаимодействия между объектами, которое возникает, когда FFAV пытается избежать брызг прохожих, когда он пересекает лужу? Как ему поступать в случаях, когда он может непреднамеренно напугать людей, когда тихо и внезапно появляется рядом с ними, или когда он запутывается в кабеле или в рыхлой ткани?

Как указывалось ранее, тот факт, что люди обитают во внешней среде автономных систем, еще больше усложняет ситуацию.Например, способность человека учиться и адаптироваться к новым условиям, вероятно, надолго превзойдет способность большинства систем. На такую ​​человеческую адаптивность можно положиться для определенных систем, где разработчики могут позволить системам изменять свое собственное поведение даже без предварительной координации с затронутыми людьми, полагая, что люди «все поймут» самостоятельно. Эта адаптивность также часто позволяет людям корректировать или отменять поведение систем, которые они контролируют. В любом случае полезно проанализировать границы допущений об окружающей среде, учитывая также прихоти людей.

Как и в случае со спецификациями, ниже мы перечисляем некоторые проблемы, которые должна решить автономная основа в отношении анализа. Один из них, который является предварительным условием любого анализа, связан с «моделированием окружающей среды». Мы предполагаем использование специализированных библиотек для различных видов систем и задач, чтобы иметь дело с физическим трехмерным пространством реальных объектов и их мобильностью. Эти библиотеки будут разными для разных областей применения.Просто подумайте о самых разных средах, имеющих отношение к медицинской системе и транспортной системе. Среда должна быть смоделирована с использованием языков и инструментов, которые способны описывать знания об окружающей среде и ее допущения, а также для достижения желаемого уровня реализма путем управления уровнями абстракции и детализацией моделирования.

Вторая проблема, которую предстоит решить фонду, которая особенно важна для анализа, связана с «инфраструктурой», необходимой для STV&V.Это должно было бы включать механизмы, которые организуют и контролируют выполнение; настроить физическую или виртуальную среду; при необходимости играть роль окружающей среды; наблюдать, записывать, анализировать и действовать в соответствии с фактическим поведением системы; и взаимодействовать с инженерами по этим и связанным функциям. Мы хотим иметь возможность тестировать и моделировать автономные агенты во взаимодействии со сложной киберфизической средой, для которой они создаются. Инфраструктура должна быть «осведомленной о состоянии» и прозрачной, иметь возможность общаться с инженерами, используя естественные интерфейсы и журналы, которые интуитивно описывают состояние внешней среды, внутреннее состояние системы и ее агентов, а также состояние восприятия агентов. внешней среды.

Например, предположим, что вы хотите выяснить, что будет делать FFAV, когда он сталкивается с препятствием, состоящим из двух столбов, расположенных на расстоянии, которое едва превышает ширину FFAV. Будет ли он перемещаться между ними или обходить их? Стандартные методы тестирования и моделирования требуют фактического размещения препятствий и наблюдения за поведением системы. Однако, если мы также тщательно не проверим обратную связь от тестируемой системы относительно того, что она «думает» о том, что она увидела, нельзя быть уверенным в том, что она воспринимает условия как задуманные.Таким образом, FFAV действительно может проходить между сообщениями, но по неправильной причине: он мог неправильно классифицировать один или оба из них.

Такой контроль восприятия является частным случаем осведомленности о состоянии, когда во время STV&V инфраструктура может сообщать о состоянии системы и окружающей среды; может управлять работой компонентов системы в зависимости от состояния других; и может сообщать и реагировать на то, что система делает и не делает, пути выполнения и т. д. Сложность всего этого усугубляется непредсказуемостью поведения.Даже относительно простая проблема определения того, какие из состояний и взаимодействий агента могут происходить параллельно с другими, чрезвычайно трудна.

Третья важная задача аналитической части фундамента связана с контролем и измерением «поведенческого покрытия», достигаемого посредством тестирования, будь то виртуальное / in silico или путем развертывания автономной системы в реальном физическом мире. Такое покрытие относится к пространству всех состояний составной системы, в нескольких компонентах, а также путей и сценариев достижения этих состояний.Текущие методы тестирования сосредоточены на множестве соответствующих аспектов, включая охват объектов разработки (таких как операторы, компоненты, изменения программы и требования / утверждения), автоматическое выполнение и оценка тестов и автоматическое создание сценариев (33, 30). Производители AV иногда представляют количество миль (реальных и смоделированных), которое они проехали (см., Например, ссылки 34 и 35), как показатель поведенческого охвата.

Для тех типов систем, которые мы имеем в виду, которые будут массово развертываться по всему миру, эти подходы неадекватны.Даже то, что здесь кажется абсолютным минимумом — практический подход к измерению общего составного покрытия состояний как для системы, так и для среды — уже достаточно сложно (см. Обсуждение в ссылке 36). Мы предполагаем, что необходимо разработать методы для автоматического создания обширных наборов сценариев с учетом критериев, которые могут быть внешними, т. Е. Из окружающей среды и реального мира, или внутренними, такими как сложные поведенческие комбинации объектов спецификации и реализации. Более того, учитывая невозможность исчерпывающего охвата всех возможностей времени выполнения, нам нужна поддержка ускоренного метаморфического тестирования в физических средах; я.д., тщательно проверяя правильность поведения системы для данного сценария, а затем быстро предоставляя гарантии для многих других сценариев, которые отличаются от базового сценария только небольшими физическими изменениями. Нам также нужны подходящие критерии для оценки самого процесса тестирования.

Наконец, фонд автономии должен будет заняться «формальной проверкой». Даже самые лучшие современные методы проверки могут быть успешно использованы только для отдельных компонентов или для значительно упрощенных моделей всей системы.Кроме того, очень сложно не только описать поведение самой системы, но и указать утверждения, описывающие поведение, которое мы хотим проверить, в терминах, которые легко согласуются с ожиданиями пользователей и инженеров. Это еще больше усложняется тем фактом, что вопрос о том, желательно ли какое-то поведение, может быть не бинарным, а количественным, охватывающим несколько шкал (37).

Поскольку многие автономные системы следующего поколения будут иметь компоненты, основанные на машинном обучении (ML), формальная проверка нейронных сетей и способность предоставить адекватные объяснения их внутреннего поведения будут становиться все более важными.Эти проблемы давно признаны очень сложными, и вокруг них появляется новая область исследований, первые результаты которых выглядят многообещающими (38, 39). Соответственно, в следующем разделе более подробно рассматривается проблема включения таких методов обучения на основе ИИ в основу.

Задача III: сочетание подходов, основанных на модели и данных.

В последующем обсуждении мы используем термин «основанный на модели», чтобы включить классические подходы к разработке программного обеспечения, все из которых используют традиционные языки программирования и предписывают пошаговые процессы и / или правила, которые тщательно вручную создаются и организуются людьми.Сюда также входят методы проектирования приводов моделей (MDE), в которых используются языки, подобные тем, которые стали частью широкого унифицированного языка моделирования (UML). Однако мы не ограничиваемся MDE. Мы решили использовать термин «на основе модели», чтобы подчеркнуть тот факт, что разработчик должен создать и предоставить подробное техническое описание (модель) проблемы, ее входных и выходных данных, а также требуемой обработки и поведения. в терминах, которые соответствуют проблемной области.

Напротив, мы используем термин управляемый данными, чтобы охватить все методы, которые включают машинное обучение (включая, но не ограничиваясь этим, глубокие нейронные сети), статистический анализ, распознавание образов и все связанные формы вычислений, в которых поведение системы ограничено. получены в результате контролируемого или неконтролируемого наблюдения. Последнее может включать наблюдение за входными и выходными событиями и событиями в реальном мире или при обработке других систем, даже в более ранних версиях разрабатываемой системы.Таким образом делается вывод о желаемом поведении системы, которую мы разрабатываем; не предписывается, как в подходах, основанных на моделях.

Все чаще появляется потребность найти способы комбинировать эти две техники, используя их относительные преимущества для дополнения друг друга (40⇓ – 42). Тем не менее, до сих пор нет согласия о том, как это сделать, поскольку такая комбинация сильно отличается от практики интеграции в классической инженерии. Вдобавок, конечно, из-за возникающих новых проблем проблема еще больше усугубляется для автономных систем следующего поколения.

Существует несколько различий между традиционной разработкой программного обеспечения и созданием решений на основе машинного обучения, которые необходимо учитывать при попытке их интеграции. Чтобы лучше сконцентрироваться на проблеме интеграции в этом подразделе, мы не обращаем внимания на все еще открытые исследовательские проблемы в каждой из них.

Первое отличие касается «общего жизненного цикла». Традиционная программная инженерия — в любой из множества классических методологий жизненного цикла — требует выявления и спецификации требований, проектирования, кода, тестирования и так далее.Напротив, разработка модуля или системы на основе машинного обучения включает в себя совершенно разные этапы, такие как сбор, проверка и выборка обучающих данных, фактическое обучение, оценка, пересмотр и переподготовка и т. Д.

Второе отличие касается «указания» требования.» Рассмотрим даже очень простые случаи, например, требование о выключении электрического выключателя при достижении температуры 80 ° или включении тормозов при обнаружении неподвижного препятствия и времени остановки при текущей скорости менее 1 с.Они хорошо определены, и инженеры могут легко преобразовать их в рабочие компоненты, но для системы, обученной выдерживать чрезмерное нагревание или избегать столкновений на основе положительных и отрицательных примеров, совсем не ясно, как использовать требования или как их включить. в соответствующие компоненты ML.

С определением требований связан вопрос постфактум «объяснимости» (также называемой «интерпретируемостью»). Это требует способности обосновать или рационализировать конкретное системное решение с использованием связанных с проблемой параметров и аргументов.В более общем плане мы хотим иметь возможность описывать таким образом, что делает система, а также основные правила, алгоритмы и вычисления, которые она использует. Несмотря на поразительный успех нейронных сетей в выполнении многих видов задач, их внутренняя работа часто остается загадкой. Текущие идеи, направленные на решение этой проблемы, все еще далеки от ситуации с традиционным программированием, для которого инженерные практики рекомендуют создавать код, который легко читать и понимать, и дополнять его обширными комментариями.Более того, даже если инструменты объяснимости и интерпретируемости в конечном итоге смогут извлечь неявные правила, лежащие в основе работы больших нейронных сетей, то, как эти правила соотносятся с реальными механизмами сети, будет сильно отличаться от отношения между описаниями естественного языка и исходным кодом в классической среде. языки программирования.

Кроме того, сложность определения поведения нейронных сетей и объяснения того, что они делают и почему они это делают, очень затрудняет анализ их поведения.Хотя некоторая начальная работа была проделана по проверке их свойств (см., Например, ссылку 39), многое еще предстоит сделать по тестированию и проверке систем, основанных на обучении.

Важное связанное различие включает «декомпозицию», которая имеет решающее значение на большинстве этапов разработки, например, для понимания и прогнозирования поведения системы, поиска и исправления ошибок, выполнения улучшений и оценки воздействия изменений. В проектах, основанных на моделях, большинство системных артефактов можно иерархически разложить на хорошо понятные функциональные и структурные элементы, причем роль, которую они играют в системе в целом, более или менее ясна.Напротив, разработка решений машинного обучения на основе данных обычно сопровождается комплексным мышлением — системным или проблемным. Возможность разложить решение машинного обучения на значимые части представляется интересной задачей, которая, конечно же, будет иметь значение для объяснимости и проверки.

Наконец, мы упоминаем о различиях между двумя подходами в отношении их «надежности и сертификации», которые явно связаны с тестированием и проверкой. Многие виды автономных систем очень важны; несоблюдение их ожидаемого поведения может иметь катастрофические последствия.Критическое проектирование системы требует предоставления соответствующих гарантий надежности функций и надежности системы. Они часто указываются в стандартах, таких как DO178B для авиационных систем и ISO 26262 для электронных компонентов в автомобильной промышленности. В принципе, методы, основанные на моделях, обеспечивают предсказуемость во время разработки, но компоненты, основанные на машинном обучении, проектируются иначе. Достижение приемлемого уровня надежности и сертификации требует совершенно новых технических решений, поскольку традиционные методы тестирования и моделирования неадекватны, учитывая сложность и непредсказуемость автономных систем следующего поколения.Дополнительные нетехнические меры, такие как управление рисками, концепция страхования или использование системы правосудия в качестве средства защиты от халатности, являются отдельными вопросами и выходят за рамки данной статьи.

Эти существенные различия иллюстрируют масштабы методологической и технической проблемы интеграции, которую фонд автономии должен будет решить. Чтобы дать относительно простой пример этого, рассмотрим предлагаемую систему, которая в конечном итоге должна состоять из обычных компонентов, управляемых моделями (на основе, например,g., на объектной модели, алгоритмах, сценариях, правилах и таблицах решений) и компонентах машинного обучения, управляемых данными (например, на основе нейронных сетей). В какой-то момент инженерам придется решить, какие подзадачи следует решить, используя какой из двух подходов. Иногда ответ прост: например, чтение дорожных знаков может быть полностью основано на машинном обучении, в то время как решение оставаться ниже известного ограничения скорости может быть основано на модели. Пребывание в полосе движения на чистом, хорошо размеченном шоссе может быть основано на модели, в то время как движение по покрытому песком дорожному покрытию вполне может быть основано на ML.Однако во многих случаях выбор между двумя подходами будет намного сложнее. Кроме того, разработка процесса принятия решения во время выполнения, который определяет, какая ситуация является релевантной, чтобы активировать соответствующий компонент (например, является ли поверхность дороги чистой или песчаной), сама по себе задача проектирования; параметры решения могут быть нечеткими, и разработчикам придется выбирать, использовать ли для этой подзадачи подход на основе модели, на основе данных или гибридный.

Фонд должен описывать и обсуждать различные конкретные подходы к интеграции.Одним из примеров является «конвейерный» подход, когда некоторая предварительная обработка выполняется одним методом, а промежуточные результаты передаются другому методу. В подходе «разделяй и властвуй» проблема делится на подзадачи, и к каждой из них могут применяться разные методы; фактическое разделение может быть основано на модели или на данных. В другом подходе один метод (обычно правила) служит «защитной оболочкой» для другого (обычно на основе машинного обучения), ограничивая его пребывание в некоторой области принятия решений.В дополнительных вариантах подход, который в основном основан на модели, может включать несколько черных ящиков, управляемых данными, для улучшения обработки сенсора или для решения конкретных подзадач. Можно также применить оба метода для разработки полных решений, создавая таким образом избыточность, а затем использовать различные методы композиции или «голосования» для получения окончательного поведения системы.

По определению, такие подходы к составлению гибридных решений из компонентов на основе моделей и машинного обучения также подразумевают первый уровень декомпозиции решений.

Обсуждение

Автономные системы следующего поколения определенно будут построены и станут обычным явлением в ближайшие годы. Многие из них проявят некоторую важную форму критичности. Им придется справляться с неопределенностью сложных, непредсказуемых киберфизических сред и им придется адаптироваться к многочисленным, динамично меняющимся и, возможно, противоречивым целям. Ожидается, что они будут гармонично сотрудничать с людьми, что приведет к так называемой «симбиотической» автономии.Их предсказанное появление отражает переход от «узкого» или «слабого» ИИ к «сильному» или «общему» ИИ, чего нельзя достичь с помощью обычных методов, основанных на моделях, или только машинного обучения. Таким образом, классическое программное обеспечение и системная инженерия должны быть полностью усовершенствованы.

AV представляют собой символический актуальный случай, иллюстрирующий проблему. Например, из-за отсутствия стандартов и методов оценки соответствия некоторые государственные органы разрешают самостоятельную сертификацию AV, несмотря на их критичность.Другой вопрос — доказательства. Производители часто публикуют лишь частичную информацию о своем тестировании, например, расстояние, на котором AV был протестирован. Тогда можно только надеяться, что поведенческий охват действительно был достаточным и что кто-то, кроме производителя, действительно изучил тесты и посчитал их удовлетворительными. Еще одна проблема, связанная с доверием, заключается в том, что критически важное программное обеспечение можно регулярно обновлять, что дает надежду на то, что определенные виды сбоев AV будут немедленно исправлены во всех AV по всему миру.Однако это также вызывает озабоченность по поводу того, что обновления могут быть развернуты с менее чем адекватным тестированием, вызывая проблемы более критического воздействия, чем стандартные обновления операционных систем смартфонов или персональных компьютеров.

Все это вызвало оживленную общественную дискуссию. Многие важные голоса стремятся свести к минимуму риски, связанные с отсутствием строгих методов проектирования: некоторые заявляют, что мы должны принять риски, потому что преимущества намного перевешивают их. Другие принимают эмпирические методы и утверждают, что строгие подходы к решению сложных проблем по своей сути неадекватны.Некоторые люди слишком оптимистичны, утверждая, что у нас действительно есть нужные инструменты, и это всего лишь вопрос времени. Кроме того, помимо всего этого, мы должны принять во внимание все соответствующие этические / моральные, правовые, социальные и политические вопросы — обширная тема, которая явно выходит за рамки данной статьи.

Наша газета вносит двойной вклад. Во-первых, мы предлагаем базовую терминологию для автономных систем следующего поколения и структуру, отражающую их основные характеристики, и обсуждаем, чем они отличаются от современных автономных систем.Эта структура дает представление о спектре возможностей между автоматизацией и автономией и предназначена для помощи в понимании степени автономности системы как разделения работы между системой и людьми.

Во-вторых, мы утверждаем, что появление автономных систем следующего поколения ставит необычайную научную и техническую проблему, и выступаем за необходимость создания нового фундамента, который решит ключевые нерешенные проблемы в их разработке. Мы надеемся, что такая основа автономии в конечном итоге приведет к созданию надежных аппаратных / программных систем.Степень успеха в решении этой задачи в конечном итоге поможет определить степень принятия таких систем как компромисс между их предполагаемой надежностью, ожидаемыми преимуществами автоматизации, которую они предоставляют, и необходимыми изменениями в других системах и в поведении человека.

Мы ожидаем, что формирование этого фундамента потребует серьезных и новаторских усилий в трех основных направлениях, представленных выше, и которые мы кратко резюмируем ниже.

Первый — разработать строгую теорию и вспомогательные инструменты для работы с неоднородными спецификациями.Они должны дать возможность охарактеризовать поведение системы в широком смысле, включая поведение ее отдельных агентов, а также глобальное поведение системы с точки зрения ее общих целей и возникающих свойств.

Второе направление направлено на предоставление достаточных доказательств надежности системы. Мы подчеркнули первостепенную важность моделирования и симуляции: нам необходимо достоверное, реалистичное моделирование поведения, а также семантическая осведомленность, чтобы экспериментатор имел доступ к значимой абстракции динамики системы, обеспечивающей управляемость и повторяемость тестирования.Последнее также обеспечит поведенческий охват, где мы измеряем степень изученности соответствующих конфигураций системы.

Третье направление усилий, необходимых для основания, включает принятие мощного «гибридного» подхода к проектированию, поиск компромиссов между надежностью классических подходов, основанных на моделях, и производительностью методов машинного обучения на основе данных. Чтобы получить больше преимуществ от каждого подхода, требуется разработка общих архитектурных фреймворков, которые будут интегрировать модули, характеризующиеся их чистой функциональностью, независимо от их подхода к проектированию.Для достижения этой цели необходимо разработать теорию разложимости, функциональной совместимости и объяснимости модулей на основе данных.

Таким образом, мы находимся в начале революции, когда машины призваны постепенно заменять людей в их способности осознавать ситуацию и принимать адаптивные решения. Для этого требуются некоторые аспекты общего ИИ, которые выходят за рамки целей интеллекта на основе машинного обучения. Степень, в которой мы в конечном итоге будем использовать и извлекать выгоду из автономных систем, будет зависеть от того, насколько мы им доверяем, что является основной причиной написания этой статьи.

Автономные автомобили | Законодательство о беспилотных транспортных средствах, принятое

Невада был первым штатом, разрешившим эксплуатацию автономных транспортных средств в 2011 году. С тех пор еще 21 штат — Алабама, Арканзас, Калифорния, Колорадо, Коннектикут, Флорида, Джорджия, Иллинойс, Индиана, Луизиана, Мичиган, Нью-Йорк. , Северная Каролина, Северная Дакота, Пенсильвания, Южная Каролина, Теннесси, Техас, Юта, Вирджиния и Вермонт — и Вашингтон, округ Колумбия . приняли законодательство, касающееся автономных транспортных средств.Губернаторы Аризона, Делавэр, Гавайи, Айдахо, Мэн, Массачусетс, Миннесота, Огайо, Вашингтон и Висконсин издали исполнительные указы, касающиеся автономных транспортных средств.

Законодательство Флориды , принятое в 2012 году, провозгласило намерение законодательства поощрять безопасную разработку, тестирование и эксплуатацию автотранспортных средств с автономными технологиями на дорогах общего пользования штата и обнаружило, что штат не запрещает и конкретно не регулирует испытания или эксплуатацию. автономных технологий в автомобилях на дорогах общего пользования.Закон Флорида от 2016 года расширяет разрешенную эксплуатацию автономных транспортных средств на дорогах общего пользования и отменяет требования, связанные с тестированием автономных транспортных средств и присутствием водителя в транспортном средстве.

Губернатор Аризоны Дуг Дьюси подписал в конце августа 2015 года распоряжение, предписывающее различным агентствам «предпринять все необходимые шаги для поддержки испытаний и эксплуатации беспилотных транспортных средств на дорогах общего пользования в Аризоне». Он также приказал разрешить пилотные программы в выбранных университетах и ​​разработал правила, которым должны следовать эти программы.Приказом был создан Комитет по надзору за самоуправляемыми транспортными средствами при администрации губернатора. 1 марта 2018 года губернатор Дьюси дополнил указ от 2015 года Указом 2018-04. Приказ включает обновления, чтобы идти в ногу с появляющимися технологиями, включая достижения в области полностью автономных транспортных средств, а также требует, чтобы все автоматизированные системы вождения соответствовали всем федеральным и государственным стандартам безопасности. В октябре 2018 года губернатор Дьюси подписал Указ 2018-09 об учреждении в штате Института автоматизированной мобильности.

Губернатор штата Делавэр Джон Карни подписал в сентябре 2017 года указ о создании Консультативного совета по подключенным и автономным транспортным средствам, которому было поручено разработать рекомендации по инновационным инструментам и стратегиям, которые можно использовать для подготовки транспортной сети Делавэра к подключенным и автономным транспортным средствам.

Губернатор Гавайев Дэвид Айдж подписал в ноябре 2017 года распоряжение об установлении контакта с подключенными автономными транспортными средствами (CAV) в офисе губернатора и требует, чтобы определенные правительственные учреждения работали с компаниями, чтобы разрешить тестирование беспилотных транспортных средств в штате.

Айдахо Губернатор К.Л. «Бутч» Оттер подписал исполнительный указ 2018-01 2 января 2018 г. о создании Комитета по тестированию и развертыванию автономных и подключенных транспортных средств для определения соответствующих государственных органов, которые будут поддерживать тестирование и развертывание автономных и подключенных транспортных средств, и обсудить, как лучше всего управлять. тестирование автономных и подключенных транспортных средств в отношении таких вопросов, как регистрация транспортных средств, лицензирование, страхование, правила дорожного движения, а также обязанности и ответственность владельца или оператора транспортного средства в соответствии с действующим законодательством, пересмотр существующих государственных статутов и административных правил и выявление существующих законов или правил, которые препятствуют тестирование и развертывание автономных и подключенных транспортных средств на дорогах и определение стратегических партнерств для использования социальных, экономических и экологических преимуществ автономных и подключенных транспортных средств.В комитет должны входить два члена Законодательного собрания Айдахо: один назначается спикером палаты, а другой — временным президентом Сената.

Иллинойс Губернатор Брюс Раунер подписал Исполнительный указ 2018-13 25 октября 2018 г. Указ предписывает Министерству транспорта Иллинойса (IDOT) возглавить инициативу «Автономный штат Иллинойс» по содействию разработке, тестированию и развертыванию технологий CAV. и связанная инфраструктура и потребности в данных в штате Иллинойс.Орден также устанавливает автономную программу тестирования штата Иллинойс, которую будет осуществлять IDOT. Программа будет способствовать легальному тестированию и программам на дорогах общего пользования или шоссе в Иллинойсе, где лицензированный водитель остается за рулем и всегда может взять под свой контроль транспортное средство. IDOT будет собирать и поддерживать актуальную информацию о ландшафте CAV в Иллинойсе. IDOT должна создать систему регистрации для организаций, желающих проводить безопасные пилоты или тесты CAV.

Мэн Губернатор Пол Лепаж подписал Указ 2018-001 17 января 2018 года о создании Консультативного комитета по высокоавтоматизированным транспортным средствам (HAV) штата Мэн для наблюдения за успешным внедрением в штат Мэн технологий высокоавтоматизированных транспортных средств, а также оценки, разработки и внедрения рекомендации относительно потенциальных пилотных проектов, инициированных для развития этих технологий.Комитет должен оценивать и давать рекомендации относительно предлагаемых пилотных проектов HAV и требовать от заинтересованных сторон связаться с комитетом и подать заявку на разрешение до эксплуатации пилотных транспортных средств на дорогах общего пользования в штате Мэн.

Массачусетс Губернатор Чарли Бейкер подписал в октябре 2016 года распоряжение «Содействовать тестированию и развертыванию высокоавтоматизированных технологий вождения». Приказом создана рабочая группа по AV, и ожидается, что группа будет работать с экспертами по безопасности и автоматизации транспортных средств, работать с членами законодательного органа над предлагаемым законодательством и поддерживать соглашения, которые AV-компании будут заключать с DOT штата, муниципалитетами и государственными агентствами. .

Миннесота Губернатор Марк Дейтон 5 марта 2018 г. издал Указ 18-04 об учреждении Консультативного совета губернатора по подключенным и автоматизированным транспортным средствам для изучения, оценки и подготовки к преобразованиям и возможностям, связанным с широким распространением автоматизированных и подключенных транспортных средств. транспортных средств. Консультативный совет должен включать по одному члену от каждой партии от каждой законодательной палаты.

Огайо Губернатор Джон Касич подписал Указ 2018-01K 18 января 2018 г.Приказ создал DriveOhio, чтобы, в частности, «объединить тех, кто отвечает за создание инфраструктуры в Огайо, с теми, кто разрабатывает передовые мобильные технологии, необходимые для того, чтобы наша транспортная система могла полностью раскрыть свой потенциал за счет сокращения серьезных и смертельных аварий и улучшения дорожного движения. поток.» Губернатор Огайо Касич подписал Указ 2018-O4K в мае 2018 года, разрешающий испытания автономных транспортных средств и пилотные программы в штате. Для этого компании должны зарегистрироваться на DriveOhio (созданном в январе 2018 г.) и предоставить информацию о своих компаниях, предполагаемых областях и условиях для тестирования, а также о других требованиях.Автономные транспортные средства, проверенные в штате, должны иметь назначенного оператора, хотя они не обязаны находиться внутри транспортного средства.

Губернатор штата Вашингтон Джей Инсли подписал в июне 2017 года распоряжение о проведении испытаний автономных транспортных средств и создании рабочей группы по автономным транспортным средствам. Приказ требует, чтобы государственные органы с соответствующей регулирующей юрисдикцией «поддерживали безопасные испытания и эксплуатацию автономных транспортных средств на дорогах общего пользования Вашингтона». Он создает межведомственную рабочую группу и запускает пилотные программы по всему штату.Приказ устанавливает определенные требования к транспортным средствам, эксплуатируемым с участием человека-оператора, находящегося в транспортном средстве, и к транспортным средствам, эксплуатируемым без человека-оператора в транспортном средстве.

Губернатор Висконсина Скотт Уокер подписал в мае 2017 года указ о создании Управляющего комитета губернатора по тестированию и развертыванию автономных и подключенных транспортных средств. Комитету поручено консультировать губернатора, «как лучше всего продвигать испытания и эксплуатацию автономных и подключенных транспортных средств в штате Висконсин».В приказе указаны члены комитета, в том числе шесть депутатов от штата. В обязанности комитета входит определение всех агентств в штате, обладающих юрисдикцией в отношении испытаний и развертывания транспортных средств, координация с агентствами для решения проблем, связанных с такими вопросами, как «регистрация транспортных средств, лицензирование, страхование, правила дорожного движения, стандарты оборудования и транспортные средства. ответственность и ответственность владельца или оператора в соответствии с действующим законодательством », а также анализ действующих государственных законов и нормативных актов, которые могут препятствовать тестированию и развертыванию, а также другим задачам.Государственный департамент транспорта должен представить губернатору окончательный отчет до 30 июня 2018 года.

Microsoft Word — Contribution_470_final_b.docx

% PDF-1.6 % 1 0 объект > / OCGs [6 0 R] >> / Страницы 3 0 R / Тип / Каталог >> эндобдж 5 0 obj > / Шрифт >>> / Поля [] >> эндобдж 2 0 obj > поток 2018-05-05T23: 28: 16 + 02: 002018-05-05T23: 28: 16 + 02: 002018-05-05T23: 28: 16 + 02: 00PScript5.dll, версия 5.2.2application / pdf

  • Microsoft Word — Contribution_470_final_b .docx
  • проч.
  • uuid: be4da8da-2bfc-42ea-ad1a-a0c81606252duuid: 67733e82-3a48-4e15-9f67-8179051bbf30Acrobat Distiller 11.0 (Windows) конечный поток эндобдж 3 0 obj > эндобдж 10 0 obj > эндобдж 11 0 объект > эндобдж 19 0 объект > / Font> / ProcSet [/ PDF / Text / ImageB] / XObject >>> / Rotate 0 / Type / Page >> эндобдж 20 0 объект > / Font> / ProcSet [/ PDF / Text] / XObject >>> / Rotate 0 / Type / Page >> эндобдж 21 0 объект > / ExtGState> / Font> / ProcSet [/ PDF / Text / ImageC / ImageI] / XObject >>> / Rotate 0 / Type / Page >> эндобдж 22 0 объект > / Font> / ProcSet [/ PDF / Text] / XObject >>> / Rotate 0 / Type / Page >> эндобдж 23 0 объект > / Font> / ProcSet [/ PDF / Text] / XObject >>> / Rotate 0 / Type / Page >> эндобдж 58 0 объект > поток HWkk_ ݾ mq $ ē` Kc {$ 9A>} g $ hsUuqfwϦ} 71 ~ Вкл. 5iÈ «=.KVlvW2 # \ H7’olW @ H7 + 4N’C = aaTXff {Sa30! shXQHv 恋 C4bo%

    Этические императивы для летального автономного оружия

    Скачать версию в формате PDF:


    В сентябре 2017 года президент России Владимир Путин обратился к группе студентов относительно роли передовых технологий в будущее войны. В своем обращении Путин заявил: «Когда беспилотники одной стороны будут уничтожены беспилотниками другой, у нее не будет другого выбора, кроме как сдаться». Замечания Путина подчеркивают изменение характера войны.Роботы, часто использующие искусственный интеллект (ИИ), составляют увеличившуюся часть вооруженных сил. В ноябрьском отчете 2019 года Конгрессу США Комиссия национальной безопасности по искусственному интеллекту (NSCAI) определила, что Россия и Китай используют различные формы искусственного интеллекта для продвижения своих национальных интересов. Автономные системы с искусственным интеллектом — это инструменты, которые страны не упустят из виду при разработке планов национальной безопасности.

    Сферы автоматизации и искусственного интеллекта обширны и применяются в дипломатической, информационной, военной и экономической деятельности.В этой сфере летальные автономные системы оружия (АСОЛД) являются новым средством достижения политических целей посредством применения военного инструмента власти. Поскольку мир уже давно не обсуждает, следует ли использовать роботов на войне, цель обсуждения здесь — исследовать , как можно этично использовать автономные системы . Эта статья явно стремится продемонстрировать, что развертывание и использование летальных автономных систем оружия может быть выполнено эффективно и этично за счет максимизации преимуществ и сведения к минимуму недостатков как технологий, так и человеческого разума.

    В поддержку этой позиции обсуждение начнется с определения автономных систем и искусственного интеллекта. Кроме того, дается краткое техническое объяснение современного ИИ. Затем рассматриваются ограничения и возможности когнитивных способностей человека, чтобы можно было сравнить людей и машины. Затем обсуждение обращается к теории справедливой войны как к линзе, позволяющей представить классические этические рамки ведения войны при формировании императивов этического использования ЗАКОНОВ в войне.

    Рационализация позиций этики АСОЛД требует общего понимания рассматриваемой технической концепции между технологами, военными лидерами, политиками и специалистами по этике.Важно понимать, что автономия и ИИ — это разные технические вопросы. Многие разрабатываемые автономные системы включают в свою архитектуру ту или иную форму искусственного интеллекта; поэтому ИИ будет рассматриваться как неотъемлемый компонент в этом обсуждении.

    В документе 2019 года, посвященном автономии будущих боевых систем, доктор Грег Захариас, главный научный сотрудник ВВС США, заимствует из словаря Мерриама-Вебстера определение автономии как «качества или состояния самоуправления; состояние существующих или действующих отдельно от других. Автономная система требует внутренней способности принимать решения вместо человеческого разума, позволяющей машине использовать свою сеть датчиков, информационных процессоров и узлов действий, чтобы обнаруживал, принимал решения, действовал и обновлял сам , когда он работает внутри окружающая среда миссии. Внедрение цели миссии человеком инициирует последовательность автономной работы. Когда цель проста, механизм принятия решения может быть простым. Когда цель сложна или среда динамична, механизм принятия решений должен быть сложным.Таким образом, в основе многих автономных систем лежит искусственный интеллект.

    К сожалению, абсолютного определения искусственного интеллекта не существует. Профессор Массачусетского технологического института Макс Тегмарк упрощает дело, сначала определяя интеллект как «способность достигать сложных целей». Применение концепции Тегмарка к машинам, не являющимся людьми, дает простое определение ИИ как способность машин достигать сложных целей .

    ИИ, используемый в современных ЗАКОНАХ, выполняет сложные задачи с помощью архитектуры, которая обычно попадает в одну из двух категорий: логическая обработка (LP) и машинное обучение (ML).Для систем LP требуются специалисты в определенной области для разработки математической модели, которая определяет среду, например погодные условия, транспортные потоки или финансовые транзакции. Затем компьютерные ученые и инженеры используют эту модель для программирования набора точных инструкций, которым машина должна следовать при работе в смоделированной среде. Машинное обучение использует другой подход. Вместо того, чтобы следовать инструкциям для действий в рамках модели, методы машинного обучения начинают с больших объемов данных из среды миссии.

    Машина использует данные для обнаружения тенденций или закономерностей, которые специалист-человек никогда не сможет определить. Инженеры формируют процесс машинного обучения, отправляя данные через обучающий алгоритм , который позволяет машине обнаруживать математические функции, которые приблизительно определяют среду. Хотя приближенные функции могут быть неточными, они обычно более точны, чем модель, полученная экспертами, потому что машина может отсортировать гораздо больше данных, чем человеческий разум. По завершении процесса обучения в машину программируется новый алгоритм, который активирует функцию , изученную на основе данных. Алгоритм активации сообщает машине, как использовать то, чему она научилась, работая в среде миссии, для решения поставленной человеком цели.

    Самые передовые современные системы ИИ формируются путем объединения нескольких единиц машинного обучения в многоуровневые уровни, обычно называемые сетями глубокого обучения .Каждый уровень в сети обучен изучать определенный аспект целевой среды, обеспечивая критическую часть общей комплексной оценки среды. Сети глубокого обучения настолько внутренне сложны, что инженеры, которые формируют алгоритмы обучения и активации, никогда не могут точно знать, как их машины приходят к выходным действиям, за что получили прозвище «черные ящики».

    Мощные аналитические возможности автономных систем на основе ИИ будут все в большей степени позволять боевым машинам точно и быстро обнаруживать, принимать решения и действовать в бою.Однако способ разработки ИИ ограничивает эти системы либо строгим набором инструкций, заданных в архитектуре логической обработки, либо границами активации приближенной модели, созданной в системе машинного обучения. В конечном счете, автономные системы ограничены действиями в пределах области, встроенной в их механизм принятия решений . Цена автономной высокоскоростной точности и точности — это негибкость области, которая является сильной стороной человеческого разума.

    Хотя дизайн многих систем с искусственным интеллектом, приводящих в действие ЗАКОНЫ, отчасти вдохновлен человеческим мозгом, они по-прежнему сильно отличаются.Ученый-когнитивист Стеллан Олссон утверждает, что сложная мозговая деятельность задействует несколько областей и уровней нервной коры. Сложная природа мира, в котором живут люди, требует, чтобы разум работал с когнитивными функциями, такими как восприятие, память, мышление, действие и обучение.

    Посредством процесса кодирования прошлого опыта в эпизодическую информацию люди могут рассуждать, планировать и прогнозировать будущие возможности посредством того, что Олссон называет монотонным обучением . Подобное обучение аналогично машинному обучению, поскольку закономерности и тенденции выявляются в исторических данных. Однако именно с монотонным обучением сходство между человеческим разумом и современным искусственным интеллектом прекращается. Модель немонотонного обучения Олссона описывает, как человеческий разум может «… подавить свой прошлый опыт и отвергнуть его императив к действию». Этот процесс обучения является результатом способности разума к мыслительному преобразованию, творческому мышлению и адаптивным результатам. Благодаря немонотонному обучению люди могут излучать интеллект, достигая сложных целей в нескольких доменах , в отличие от лучших сетей глубокого обучения.

    В то время как в своих трудах Олссон объясняет, как функционирует разум и учится в рамках одной области и между областями, чтобы изменить концептуальные убеждения, работа психолога Даниэля Канемана служит для того, чтобы пролить свет на , насколько хорошо функционирует разум. Канеман утверждает, что у разума есть как автоматическая функция, которая принимает решения и направляет действия во время обычных и чрезвычайных сценариев, , так и аналитическая функция, которая отменяет автоматический ответ, чтобы следовать правилам, выполнять вычисления и делать выбор после сравнения вариантов. Согласно Канеману, аналитическая работа мозга подвержена многочисленным ограничениям и условиям, снижающим производительность.

    Ограничения, такие как истощение эго , где высокое эмоциональное напряжение коррелирует с истощением физической выносливости, или когнитивная перегрузка , когда высокая нагрузка на разум расходует столько умственной энергии, что точность мысли и сопротивление искушению могут остаться незамеченными или оставленные без внимания, ухудшают аналитическую часть ума, чтобы проверить его на неточность в автоматическом ответе.Когда ум голоден, устал, перегружен работой и эмоционально истощен, намеренное мышление и разум сводятся к автоматическим реакциям, которые выработал ум.

    Наряду с концепциями Олссона и Канемана, касающимися когнитивных способностей и ограничений человека, подполковник армии США (в отставке) Дэйв Гроссман предлагает плодотворное исследование, пытаясь понять, как разум реагирует на смертоносное действие. Гроссман рассматривает склонность людей убивать друг друга, методы, используемые для подготовки солдат к убийству, и вытекающие из этого последствия для человека и общества. Гроссман утверждает, что современная военная подготовка перешла от простого обучения боевым навыкам, таким как точная стрельба из винтовки, к моделированию боевой обстановки, что ведет к более смертоносному поведению в бою. Однако цена высококвалифицированных операторов в бою — моральный вред по возвращении домой. Непреднамеренным и нежелательным последствием создания лучших убийц стал резкий рост посттравматического стрессового расстройства (ПТСР) и других психических заболеваний.

    Целостная картина человеческого разума показывает органическую машину, которая подвержена ошибкам, склонна к ошибкам в восприятии и суждениях, под влиянием режима сна, питания, рабочей нагрузки и морального искушения. Он гибок и способен переходить от одной структуры убеждений к другой, несмотря на устойчивую историю и привычки. Наконец, он уязвим для морального вреда от травмы убийства.

    Понимание того, как разум перформативно сравнивается с автономными системами в бою, должно руководить лидерами при разработке политики применения АСОЛД.Выполнение означает не только боевой успех, но и успех, приемлемый с моральной точки зрения как для победителя, так и для побежденного. Сравнение этической ценности ЗАКОНОВ с человеческими воинами требует объективных критериев для сравнения этих двух; Таким образом, обсуждение переходит к теории справедливой войны для включения классических этических рамок ведения боевых действий.

    Классическая парадигма для рассмотрения военной этики происходит от теории справедливой войны. В рамках этой конструкции использование смертоносной силы государствами разделено на отдельные категории справедливой причины для начала войны, Jus ad Bellum , и справедливое поведение во время войны, Jus in Bello . Хотя есть важные вопросы, которые необходимо поднять относительно вклада автономного оружия в инициирование вооруженного конфликта, обсуждение здесь ограничивается этическим применением АСОЛД во время войны.

    Канадский специалист по этике Брайан Оренд определяет несколько правил справедливого поведения во время войны, включая дискриминацию и некомбатантский иммунитет, соразмерность и отсутствие репрессалий. Справедливый бой требует, чтобы силы четко различали цели, которые имеют законный военный характер, и те, которые таковыми не являются.Сражение должно происходить таким образом, чтобы не причинять вреда некомбатантам. Кроме того, справедливый бой стремится к эффектам, которые достигают их военной цели пропорционально их цели, не создавая чрезмерного ущерба, разрушений или страданий.

    Нарушение правил Jus in Bello может иметь место и происходит во время войны. Напряжение битвы может привести к тому, что лучшие воины совершат ошибки или намеренно нарушат правила, установленные для ведения справедливого боя.Независимо от того, является ли причиной нарушения Jus in Bello страх, эмоциональная или умственная перегрузка, физическая усталость или групповое давление, LAWS может функционировать для предотвращения аморальных действий на войне, поскольку они не подвержены стимулам, которые влияют на принятие решений людьми.

    Приемлемое развитие и применение ЗАКОНЫ требует этических концепций для определения пути вперед. Руководящие концепции должны стремиться к максимальному увеличению преимуществ и минимизации недостатков как технологий, так и человеческого разума.Таким образом, следующие пять императивов предлагаются вместе как помощь в формировании более этичных средств ведения боя:

    ЗАКОНЫ ограничены по замыслу выполнением цели, поставленной человеком-оператором. Независимо от того, использует ли машина логическую обработку, сети глубокого обучения или сложный стек искусственного интеллекта со смешанными механизмами принятия решений, машина в конечном итоге ограничивается обнаружением, принятием решений, действиями и обновлением в рамках своей конструкции. В обозримом будущем ИИ, скорее всего, не достигнет уровня развития, на котором машины будут иметь интеллект, сопоставимый с человеческим, обычно называемый общим искусственным интеллектом (AGI). Хотя современное оборудование поддерживает надежные сети глубокого обучения, они по-прежнему основаны на той же технологии микропроцессоров на основе транзисторов. Многие ведущие интеллектуалы в области искусственного интеллекта, такие как Макс Тегмарк, Кай-Фу Ле, и Джон Келлехер , выражают некоторый скептицизм по поводу того, станет ли когда-либо возможным ИИ. Таким образом, несмотря на крупный технологический прорыв, люди сохранят значительное преимущество перед ЗАКОНАМИ благодаря способности мыслить широко.

    Хотя ЗАКОНЫ могут действовать и реагировать быстрее и точнее, чем человек, при выполнении данной задачи, лежащая в основе технология искусственного интеллекта не может думать.Машины могут ощущать, обнаруживать и действовать, но остаются ограниченными объемом анализа и действий, встроенных инженерами. Напротив, способность к немонотонному мышлению позволила людям процветать в сложных нелинейных и динамичных средах. способность мыслить таким образом требуется для определения воли, достигаемой с помощью ряда оптимизированных задач.

    Jus in Bello Принципы дискриминации и некомбатантского иммунитета являются функцией точности , , использование военной силы исключительно против военных целей, и точности , , поражение намеченной цели и избегание некомбатантов.Средства, с помощью которых действительная военная цель была достигнута наиболее точно и точно, обеспечивают максимальные этические результаты. Таким образом, ЗАКОНЫ объективно более этичны, чем человек-оператор для выполнения конкретной боевой задачи , если они явно более точны и точны. По мере развития технологии роль людей-операторов, скорее всего, перейдет от управления действиями машины к согласию на действия машины и, в конечном итоге, к определению цели, когда машина будет выполнять всю последовательность действий «обнаружение-решение-действие».

    Пропорциональность , применяя только необходимое количество силы против законных военных целей, аналогичен точности и точности в том, что имеет значение качество результата. Поскольку в ЗАКОНАХ нет операторов, когнитивные предубеждения, связанные со стрессом, страхом, предубеждениями или другими факторами, устранимы. Кроме того, человеку-оператору может потребоваться принять нежелательные побочные последствия для некомбатантов, чтобы достичь военной цели, защищая свои силы от контратаки.ЗАКОНЫ должны использоваться таким образом, чтобы достичь желаемой военной цели за счет уменьшения ошибок, вызванных когнитивной ошибкой, и за счет способности идти на больший риск, чем люди, уменьшения побочных эффектов, обеспечивая более пропорциональный выбор.

    Объективная мера этики заключается в способности автономной системы выполнять задачу точно, точно и пропорционально, как по сравнению с тем же действием с участием человека . Как сформулировано в третьем императиве, необходимо реалистичное сравнение человека и машины.

    Преднамеренное принятие ошибки требуется для перехода к состоянию, при котором АСОЛД действуют как нормативная часть боевых сил. В настоящее время правительство США стремится использовать автономные приложения и приложения с искусственным интеллектом в сфере национальной безопасности, которые минимизируют неблагоприятные последствия, связанные с ошибками машин. Литература, опубликованная NSCAI, , Советом по оборонным инновациям (DIB), и Национальным институтом стандартов и технологий (NIST), предоставляет экспертные рекомендации по разработке безопасных, надежных и заслуживающих доверия систем.

    Однако было бы ошибкой требовать от автономных систем почти идеальных результатов в качестве политики. Ожидание совершенства понятно, учитывая исторические подходы, которые использовались для включения усовершенствований обработки информации в машины. Большинство современных автомобилей и заводов используют логическую обработку для управления выходом системы и могут быть почти идеальными в действии. Однако ожидается, что ЗАКОНЫ не просто действуют, но сначала принимают решение о правильных действиях. Человеческие ожидания от машины приводят к концептуальному изменению устойчивости к ошибкам.Автономные системы представляют собой отход от использования инструментов, следующих за человеческим решением действовать, к инструментам, которые решают и действуют сами по себе.

    Применение ограничений, требующих нереалистичных мер качества, выходящих далеко за рамки человеческих возможностей, может потенциально ограничить средства ведения боевых действий, которые улучшаются с этической точки зрения. Показатель принятия ошибок должен быть реалистичным, с объективными показателями для сравнения предлагаемой автономной машины с известными показателями ошибок для людей в аналогичных условиях .Машины не обязательно должны быть идеальными, чтобы быть этичными, но они должны быть лучше людей.

    ЗАКОНЫ могут обеспечить средства повышения ответственности на поле боя. Сбор данных обычно надежен в автономных системах, поскольку данные, используемые датчиками для обнаружения и принятия решения о действии, обычно записываются и доступны после миссии. Память человека-воина о событиях и деталях в стрессовых ситуациях, таких как битва, бледнеет по сравнению с точными записями, доступными в автономных системах.С помощью данных руководители могут реконструировать события, обеспечивая прозрачность и подотчетность.

    Подотчетность повышается не только в рамках цепочки командования, но и в рамках многосторонних партнерств. Автономные системы могут быть спроектированы с использованием принципов Jus in Bello , лежащих в основе их механизма принятия решений, ограничивая возможность преднамеренных нарушений правил взаимодействия. Разработка оружия должна соответствовать международно признанным этическим стандартам, уменьшая способность отдельного воина использовать оружие для аморальных поступков.Этически разработанные средства защиты создают возможность проецировать Jus в ценности Bello при продаже военной техники за границу, а также для использования в своих силах.

    ЗАКОНЫ должны применяться таким образом, чтобы снизить человеческий риск морального вреда без ущерба для других принципов Jus in Bello . В своей статье Avengers in Wrath: Moral Agency and Trauma Prevention for Remote Warriors авторы Дэвид Блэр и Карен Хаус опираются на работу Гроссмана, чтобы представить тот случай, когда склонность к моральному ущербу возрастает по мере того, как человеческий воин приобретает более глубокие знания о себе. потенциальная цель.Во многих случаях боевые роли, такие как снайперы или дистанционно пилотируемые операторы самолетов, которые проводят длительное наблюдение за целью перед началом летальных действий, создают связь между воином и целью, которая может привести к моральному ущербу.

    Намеренное развитие и использование автономных систем дает возможность разорвать психологические связи, ведущие к моральному ущербу. Использование ЗАКОНОВ для соответствующих задач может привести к более этичным результатам как внутри справедливо действующих сил, так и среди некомбатантов, переносящих суровые условия вооруженного конфликта.

    Независимо от того, совершается ли военный акт насилия человеком, человеком, управляющим автоматическим оружием, или полностью автономной системой без участия человека, наиболее этичным средством ведения справедливой войны является тот, который максимально придерживается к принципам Jus in Bello . Если доступно средство борьбы, которое устраняет недостатки, связанные с когнитивными ограничениями человека, его следует рассматривать как жизнеспособную и этически обоснованную альтернативу. Летальные автономные системы оружия представляют собой многообещающую альтернативу этичным боевым действиям, устраняя ошибки, присущие монотонному мышлению человека.

    Добавить комментарий

    Ваш адрес email не будет опубликован.