Summary of A16z Podcast Episode: Are We There Yet? The Road to Autonomous Vehicles | Podcast
Podcast: A16z
7 min. read
— Description —
Discover how Waymo is revolutionizing the future of transportation with fully autonomous cars that are safer than human-driven vehicles Through machine learning and advanced sensors, Waymos technology can anticipate and react to its surroundings, making informed decisions to ensure safety With over 20 million miles of testing and billions of miles of simulation, Waymos track record speaks for itself
Experience the magic of autonomous driving and imagine a world where parking, air pollution, and wasted real estate are a thing of the past.
Are We There Yet? The Road to Autonomous Vehicles | Podcast
Table of contents
चाबी छीनना
- वेमो का मानना है कि पूरी तरह से स्वायत्त कार मानव-चालित विकल्प की तुलना में अधिक सुरक्षित होगी
-
स्वायत्त ड्राइविंग को निम्नलिखित तक सीमित किया जा सकता है:
- क्या कार को पता है कि उसके आसपास क्या हो रहा है?
- क्या यह अनुमान लगा सकता है कि इसके आस-पास की चीज़ें क्या करने वाली हैं?
- अपने परिवेश को देखते हुए, क्या वाहन यह बता सकता है कि उसे आगे क्या करना चाहिए?
- स्वायत्त वाहन मशीन लर्निंग का उपयोग करके भविष्यवाणी करते हैं कि पैदल यात्री गेट और पैदल यात्री के हाथ की गति के आधार पर आगे क्या करेंगे।
- LiDAR बनाम वीडियो पर बहस करने के बजाय, सास्वत का मानना है कि अधिक महत्वपूर्ण सवाल यह है कि क्या रडार, लेजर, कैमरे और सेंसर वाहन को व्यक्तिगत स्थिति से बेहतर स्थिति में रखते हैं या नहीं।
- वेमो ने परीक्षण में +20M मील और सिमुलेशन में अरबों मील की दूरी तय की है
- वेमो ने फीनिक्स में हुई हर घातक दुर्घटना को लिया, उनका पुन: अनुकरण किया और दिखाया कि वेमो की तकनीक दुर्घटना से बच सकती थी
- हमारा समाज ड्राइविंग के इर्द-गिर्द बना है; विचार करें कि हमारे कितने शहर पार्किंग के लिए डिज़ाइन किए गए हैं, निष्क्रिय कारों के कारण वायु प्रदूषण की मात्रा और पार्किंग के लिए निर्दिष्ट अचल संपत्ति की बर्बादी की मात्रा
- कोई भी पर्याप्त रूप से उन्नत तकनीक जादू से अलग करने योग्य नहीं है
पहचान
- सास्वत पाणिग्रही (@saswat101) वेमो (@Waymo) में मुख्य उत्पाद अधिकारी हैं, जो एक स्वायत्त ड्राइविंग तकनीक है जो गतिशीलता में आगे बढ़ने का एक नया रास्ता बनाती है।
- इस बातचीत में, सास्वत पाणिग्रही और स्टीफ स्मिथ वेमो के स्वायत्त वाहन में सवारी के लिए जाते हैं और सेल्फ-ड्राइविंग की स्थिति, प्रतिस्पर्धा पर वेमो के फायदे, LiDAR और वीडियो के बीच अंतर, स्वायत्त ड्राइविंग का भविष्य, स्वायत्तता द्वारा सक्षम सामाजिक अनलॉक पर चर्चा करते हैं। , और अधिक
- एआई भावना के बारे में बात करने वाले मार्क आंद्रेसेन पर इन पॉडकास्ट नोट्स को देखें
- मेज़बान: स्टीफ़ स्मिथ (@stephsmithio)
स्वायत्तता के 5 स्तर
- लेवल 1 स्वायत्तता ड्राइवर सहायता की तरह है
- लेवल 2 स्वायत्तता लेन सेंसिंग और स्वचालित ब्रेकिंग है
- स्तर 3 की स्वायत्तता के लिए कुछ ही सेकंड के भीतर मानवीय हस्तक्षेप की आवश्यकता होती है
- स्तर 4 की स्वायत्तता के लिए किसी मानवीय हस्तक्षेप की आवश्यकता नहीं है
- स्तर 5 की स्वायत्तता "कहीं भी, कभी भी" है
वेमो के पीछे की तकनीक
- नवप्रवर्तन बाधा के दूसरी ओर अवसर के आकार को समझना सफलता की कुंजी है
- सास्वत और वेमो का मानना है कि पूरी तरह से स्वायत्त कार मानव-चालित विकल्प की तुलना में अधिक सुरक्षित होगी
- सबसे कठिन चुनौतियाँ स्वयं ड्राइवर का निर्माण करना और उसके प्रदर्शन को मापना था
- वेमो ने अपनी स्वायत्त ड्राइविंग कारों के लिए हार्डवेयर और सॉफ्टवेयर का पूरा ढेर बनाया
- वेमो ने स्वायत्त ड्राइविंग प्राप्त करने के लिए आवश्यक रडार, कैमरा, लेजर, हार्डवेयर और सिमुलेशन बुनियादी ढांचे का निर्माण किया
-
स्वायत्त ड्राइविंग को निम्नलिखित तक सीमित किया जा सकता है:
- क्या कार को पता है कि उसके आसपास क्या हो रहा है?
- क्या यह अनुमान लगा सकता है कि इसके आस-पास की चीज़ें क्या करने वाली हैं?
- अपने परिवेश को देखते हुए, क्या वाहन यह बता सकता है कि उसे आगे क्या करना चाहिए?
- लेज़र 360-डिग्री आसपास के क्षेत्र में वस्तुओं की पहचान करने में मदद करते हैं, और अन्य चीजों के अलावा, लाल रोशनी और हरी रोशनी के बीच अंतर करने के लिए कैमरों की आवश्यकता होती है
- रडार कार को कोनों में देखने में मदद करते हैं, तब भी जब लेज़र, कैमरे और मानव आंखें ऐसा नहीं कर पातीं
- स्वायत्त वाहनों को अत्यधिक मात्रा में मशीन लर्निंग की आवश्यकता होती है
- उदाहरण के लिए, मशीन लर्निंग यह अनुमान लगाती है कि पैदल यात्री अपने गेट और हाथों की गति के आधार पर आगे क्या करेंगे
LiDAR बनाम वीडियो बहस
- LiDAR बनाम वीडियो बहस एक तरह से वैचारिक हो गई है
- सबसे अच्छा तरीका पहले सिद्धांतों वाला दृष्टिकोण अपनाना है
- LiDAR में ऐसी खूबियाँ हैं जो एक कैमरे में नहीं हैं, और इसके विपरीत भी
- LiDAR रात में बेहतर प्रदर्शन कर सकता है, लेकिन कैमरे दिन के दौरान रंगों की बेहतर पहचान करते हैं
- LiDAR बनाम वीडियो पर बहस करने के बजाय, सास्वत का मानना है कि अधिक महत्वपूर्ण सवाल यह है कि क्या रडार, लेजर, कैमरे और सेंसर वाहन को व्यक्ति की तुलना में बेहतर स्थिति में रखते हैं या नहीं; उनका मानना है कि उस प्रश्न का उत्तर "हाँ" है
वेमो कैसे अंतर करता है
- वेमो अपना LiDAR बनाती है
- वेमो ने पाया कि बाज़ार में उपलब्ध सर्वोत्तम LiDAR और रेडियो स्वायत्त ड्राइविंग के कार्य के लिए अनुकूलित नहीं थे, इसलिए उसने उन तकनीकों को स्वयं बनाने का निर्णय लिया
क्षितिज पर तकनीकी अनलॉक
- स्वायत्त ड्राइविंग सभी प्रकार के परिवहन पर लागू होती है
- इस लेखन के समय वेमो ने परीक्षण में +20M मील और सिमुलेशन में अरबों मील की दूरी तय की है
- वेमो के प्रतिस्पर्धियों ने इतनी मील दूरी तक गाड़ी नहीं चलाई है
स्वायत्त वाहनों में एआई की भूमिकाएँ
- एआई स्वायत्त ड्राइविंग की लागत कम करने में मदद करता है
- एआई स्वायत्त ड्राइविंग के लिए सिमुलेशन की प्रभावशीलता में सुधार करने में भी मदद करता है
- ऑटोनॉमस ड्राइविंग सॉफ़्टवेयर स्टैक में हर स्तर पर AI है
वेमो सुरक्षा को किस प्रकार देखता है
- वेमो ने फीनिक्स में हुई हर घातक दुर्घटना को लिया, उनका पुन: अनुकरण किया और दिखाया कि वेमो की तकनीक दुर्घटना से बच सकती थी
- वेमो पूरी तरह से स्वायत्त ड्राइविंग के दस लाख मील का आंकड़ा पार करने वाली पहली कंपनी है
- इसने अपनी दस लाख मील की स्वायत्त ड्राइविंग में चोट के साथ एक भी टक्कर दर्ज नहीं की
- वेमो ने मानव ड्राइविंग समय का कुल 160 वर्ष दर्ज किया है
नियामकों के साथ सहयोग करना
- ड्राइविंग को सुरक्षित बनाने के लिए वेमो मौजूद है
- नियामक जो हासिल करने की कोशिश कर रहे हैं, उसके साथ कंपनी का "गहरा मौलिक संरेखण" है
- वाहन के भीतर, सॉफ़्टवेयर स्पष्टीकरण प्रदान करता है कि उसने कुछ निर्णय क्यों लिए
वेमो की विस्तार रणनीति
- वेमो के शुरुआती दिनों में, कंपनी विभिन्न शहरों में गई जो उसके ड्राइवर को कई अलग-अलग दिशाओं में चुनौती दे सकते थे
- यह सुनिश्चित करने के लिए यह 20 अलग-अलग शहरों में गया कि यह एक सामान्यीकरण योग्य ड्राइवर बना रहा है, न कि ऐसा ड्राइवर जो सिर्फ एक ही स्थान पर काम करता है
- विभिन्न शहर दूसरों की तुलना में बेहतर परीक्षण तत्व प्रदान करते हैं; उदाहरण के लिए, भारी बारिश के लिए मियामी, अत्यधिक तापमान के लिए डेथ वैली, और बर्फ़ के लिए ताहो
स्वायत्त वाहनों द्वारा सक्षम सामाजिक अनलॉक
- हमारा समाज ड्राइविंग के इर्द-गिर्द बना है; विचार करें कि हमारे कितने शहर पार्किंग के आसपास डिज़ाइन किए गए हैं
- एक शहर में खड़ी कार एक कम उपयोग वाली, महंगी संपत्ति (रियल एस्टेट) ले लेती है
- इस बारे में सोचें कि किसी शहर में पार्किंग के लिए कितनी जगह लगती है; पार्किंग किसी शहर की उत्पादकता में योगदान नहीं देती है
- हम शहरों में सोते हुए इंसानों की तुलना में सोने वाली कारों के लिए अधिक जगह समर्पित करते हैं
- शहरों में निष्क्रिय कारों के कारण होने वाले वायु प्रदूषण की मात्रा पर विचार करें
- विचार करें कि शहरों में बेकार पड़ी या खड़ी कारों के कारण कितनी अचल संपत्ति नष्ट हो जाती है
- कोई भी पर्याप्त रूप से उन्नत तकनीक जादू से अलग करने योग्य नहीं है