Cultuur

Interview

De grote datarace: een rijbewijs voor de robotauto

Techniek

Als je Google, Tesla, Volvo of BMW mag geloven neemt de auto snel het stuur van ons over. Maar de zelfrijdende auto is nog lang niet klaar voor zijn rijbewijs. De obstakels op een rij.

„En dan gaan we bij de volgende afslag rechts”, zegt de rij-instructeur. Je controleert de spiegels en de dode hoek, geeft richting aan, mindert vaart om de fietser voor je niet af te snijden, negeert de voetgangers die met elkaar staan te praten maar houdt een schuin oog op het kind dat achter hen op het trottoir speelt. Allemaal in een paar seconden.

Ingewikkeld? Meer dan de helft van de Nederlanders slaagt de eerste keer voor het rijbewijs, al na een stuk of dertig lessen. De computer heeft er langer voor nodig. Het duurt tot 2030 voordat een robottaxi zo goed rijdt als een door een mens bestuurde taxi, verwacht Dariu Gavrila. Hij is hoogleraar Intelligent Vehicles aan de TU Delft, dat deze zomer een nieuw Automated Research Lab opende.

Als je Google, Tesla, Volvo of BMW mag geloven neemt de auto snel het stuur van ons over. Dat is veiliger want computers raken niet afgeleid, reageren sneller en consequenter. We kunnen onze tijd onderweg nuttiger besteden, aan werk of een dutje.

Zo ver is het nog niet. Er rijden nu duizenden zelfrijdende testauto’s rond, om data te verzamelen en de robuustheid van het systeem te testen. Je kunt een tweedeling maken in de toepassing: traditionele autofabrikanten ontwikkelen eerst geavanceerde rijassistenten waarbij de bestuurder nog verantwoordelijk is. Techbedrijven als Uber, Waymo (voorheen Google) en Apple slaan dat stadium over: ze testen geautomatiseerde auto’s waarbij je in principe geen rijbewijs – zelfs geen stuur of pedalen nodig hebt.

“In de stad rijdt de auto zonder bestuurder nog als een schuw konijn.”

Om deze revolutie te verwezenlijken worden miljarden gestoken in nauwkeurige kaarten, betere software, betaalbare sensoren en extra computerkracht. Met name beeldherkenning of computer vision speelt een essentiële rol. Ondanks doorbraken op dit terrein is de zelfrijdende auto niet klaar voor zijn rijexamen.

Kunstmatige intelligentie is uitzonderlijk goed in afzonderlijke taken (bijvoorbeeld afbeeldingen herkennen, of een potje Go winnen van een menselijke tegenstander). Maar in het verkeer gaat het juist om het combineren van meerdere toepassingen, onder sterk wisselende omstandigheden, met hoge snelheden en echte mensen aan boord.

Er is veel onderzoek nodig om de computer te laten begrijpen wat er in het verkeer gebeurt, zegt Dariu Gavrila. „De techniek is voor 95 procent klaar. Die laatste procenten zijn het moeilijkst. Als je nu een auto zonder bestuurder Amsterdam in stuurt, rijdt hij stapvoets, als een schuw konijn.”

Wat moet de zelfrijdende auto nog leren om zijn rijbewijs te halen?

Dankzij gelikte prototypes als deze Mercedes-Benz lijkt de autonoom bestuurde auto dichtbij. Totdat hij zich in het gewone verkeer mengt. Foto: Marc Hijink
  1. De auto moet leren om onderscheid te maken

    Geholpen door sensoren als lidar (laserpulsen ), radar, camera’s kan de zelfrijdende auto hindernissen, wegtypes en andere verkeersdeelnemers herkennen en inschatten op welke afstand ze zich bevinden. Uit de informatie van deze sensoren wordt een 3D-beeld van 360 graden opgebouwd, een scène met bewegende objecten waarin de auto zijn traject kiest om hindernissen mijden.

    De laatste jaren is beeldherkenning dankzij deep learning technologie (complexe neurale netwerken die patronen destilleren uit data) verbeterd, doordat de rekenkracht van grote computernetwerken beschikbaar kwam. De deep learning-bouwtekeningen zijn geïnspireerd door de biologie, de neurale structuren die het menselijk brein gebruikt om onder meer beelden te herkennen.

    De zelflerende software die de objecten classificeert gedijt bij grote hoeveelheden data. Daardoor ziet de robotauto nu op welk soort weg ‘ie zit en herkent andere auto’s, fietsers en voetgangers, stoplichten en verkeersborden.

    De auto ziet echter geen verschil tussen een opwaaiende krant of een rotsblok, of een overstekende hond. Zodra een obstakel niet herkend wordt zal de auto uit voorzorg stoppen, tot ergernis van het andere verkeer.

    De oplossing: meer training – net zoveel data verzamelen en classificeren totdat ook pylonen en opwaaiende kranten, katten en honden herkend worden. Gavrila: „Uiteindelijk worden zoveel objectklasses gedefinieerd dat de kans heel erg klein dat je een object niet herkent. In die gevallen rem je alsnog gewoon af.”

  2. De auto moet leren om anderen te begrijpen

    Objecten herkennen is één ding, voorspellen wat ze gaan doen is een stuk complexer. De auto moet inschatten wat andere verkeersdeelnemers van plan zijn om een veilige route te kunnen kiezen zonder gevaar te veroorzaken.

    Mensen lezen continu de signalen van andere verkeersgebruikers om hun intenties te bepalen. Niet alleen met richtingaanwijzers of de uitgestoken handen – ook kleine gebaren, zoals een fietser die over zijn schouder kijkt of een automobilist die je met één hoofdknikje voorrang verleent. Zeker in de stad wissel je continu blikken met andere weggebruikers.

    In het bovenstaande filmpje ziet je wat de autonoom rijdende auto ziet in een drukke stad: objecten waarvan de intentie (hun vermoedelijke richting) vaak onzeker is. Een mens registreert dit drukke verkeer bijna zonder erbij na te denken, de computer zal bij gebrek aan zekerheid stapsvoets gaan rijden of helemaal stoppen.

    De computer moet leren lichaamshoudingen van andere verkeersdeelnemers te interpreteren en te vertalen in gedragsmodellen. Die voorspellen hoe een object zich zal bewegen. Signalen zijn bijvoorbeeld de kijkrichting (kijkt iemand op zijn telefoon?) of de houding van een fietser (uitgestoken arm, of al licht kantelend om een bocht te maken). Of grootte: een klein kind zal vaker onverwachte bewegingen maken en moet dus met meer ‘zorg’ omringd worden in de modellen die de koers van de auto bepalen.

    Onderzoekers beginnen zich nu bezig te houden met het lezen van intenties maar er zullen signalen overblijven die je als mens wel waarneemt en door een computer lastig te zijn zien: iemand die even seint met zijn lichten, een automobilist die druk in gesprek is met zijn passagier, een fietser met een koptelefoon op. Zelfs het merk auto roept een verwachting op: een Opel Agila en een Porsche gedragen zich vaak heel anders in het verkeer. Zulke vooroordelen raken bij een ervaren chauffeur ingesleten, de computer moet ze van tevoren leren.

  3. De auto moet leren zich aan te passen aan veranderde omstandigheden

    Auto’s kunnen nu op de snelweg al automatisch afstand houden van hun voorgangers en binnen hun rijbaan blijven. Het drukke stadsverkeer is echter een uitdaging. Een van de grootste testen van zelfrijdende auto’s vindt plaats in de Amerikaanse stad Phoenix, waar Waymo met 600 auto’s rondrijdt. Phoenix, met z’n brede kaarsrechte straten, is een stuk overzichtelijk dan pak ‘m beet New Delhi of Delft. Gavrila laat als contrast een filmpje zien van een testrit door het centrum van Delft, waarbij de zelfrijdende auto zich door een woud van fietsers moet banen – zelfs ingehaald worden door fietsers. Ook een menselijke chauffeur zou hier moeite mee hebben.

    Een complicerende factor is dat verkeersdeelnemers zich niet altijd aan de regels houden. Er moet een veiligheidsmarge ingebouwd worden en om die goed te voorspellen moet je rekening houden met de culturele verschillen, zegt Gavrila: „We hebben in Duitsland staan filmen bij een stoplicht om afwijkend gedrag vast te leggen. Maar er gebeurde vier uur lang helemaal niks. In Delft was het binnen een paar minuten raak geweest.” De gedragsmodellen moeten dus contextgevoelig worden, en rekening houden met de verkeerskarakteristieken per land, of zelfs per wegdeel of kruising.

    Tegelijkertijd mag de robotauto zelf geen regels overtreden – zo is ie immers niet geprogrammeerd. Met één wiel de berm in op een krap weggetje, de vluchtstrook pakken om een gevaar te omzeilen, even gas erbij om een invoegende auto ruimte te geven: dat kan niet. Er is ook nog geen oplossing gevonden voor slechte weersomstandigheden. Op momenten dat het sneeuwt, hevig regent of de weg overstroomd is kan de zelfrijdende auto niet meer op zijn sensoren vertrouwen en moet de mens het stuur over nemen.

  4. Zo ziet de hoge resolutie-kaart van TomTom de weg: geen simpele lijn, maar een gedetailleerd 3D-beeld met hellingen, aparte baanvlakken en RoadDNA, een patroon van gebouwen en objecten langs de weg.TomTom
  5. De auto moet leren terugkijken in de tijd

    Het GPS satellietsysteem is niet nauwkeurig genoeg om een auto door het verkeer te navigeren. Daarom ontwikkelen TomTom, Here en Waymo high definition kaarten die tot op de centimeter nauwkeurig zijn. De positie van de auto wordt bepaald met behulp met een blauwdruk van de omgeving van de rijbaan. Deze HD-kaarten zijn nog niet beschikbaar voor alle wegen, bovendien zullen de kaarten in de toekomst ook nog verkeerskarakteristieken bevatten van elke kruising die ze naderen. Zijn er veel voetgangers, of fietsers, of vrijwel nooit? Zulke informatie geeft de auto een grotere kans om de juiste beslissing te nemen.

    Gavrila noemt het ‘semantiek’: „Het gaat om vragen als: wat is er de laatste twee jaar op deze kruising gebeurd? Wat zijn de typische beweging- en gedragspatronen?” Zulke data zal ook deel uitmaken van de high definition kaart en via een online verbinding naar de auto geüpload worden zodra je de kruising nadert.

    De gegevens komen van stoplichten, camera’s of andere auto’s, die de informatie van hun sensoren delen. Gavrila: „Auto’s krijgen een collectief geheugen: iedere auto die iets ziet rapporteert dat aan de cloud. Daardoor krijg je een enorm snel leerproces omdat je niet als individu leert, je profiteert van miljoenen anderen.”

    Daarvoor moet de infrastructuur nog wel gebouwd worden. Waymo zal de Google-servers gebruiken en Intel, dat camerabedrijf MobileEye kocht, wil zelf een autocloud bouwen. Het collectieve geheugen is wel een potentiële inbreuk op de privacy: iedereen die langs de openbare weg loopt, kan gefilmd en ‘verwerkt’ worden.

  6. “Handmatig rijden wordt straks het nieuwe roken.”

  7. Auto moet leren sociaal acceptabel te rijden

    Als een zelfrijdende auto het niet meer weet gaat ie stapvoets rijden. Dat is veilig maar sociaal niet acceptabel – andere automobilisten raken snel geïrriteerd. Het verkeer is een continu onderhandelingsproces, zegt Gavrila. Hij noemt het voorbeeld van een testrit met een zelfrijdende Mercedes, die minutenlang stond te wachten bij een zebrapad. Een oude dame wuifde galant dat de auto door mocht rijden, maar de computer begreep dat niet en wachtte net zo lang tot de dame (inmiddels licht geïrriteerd) zelf overstak.

    In theorie kun je als voetganger en fietsers in de bebouwde kom straks blindelings de weg oversteken, erop vertrouwend dat de auto’s vanzelf een noodstop zullen maken. Daar wordt de doorstroming niet beter van. Een zelfrijdende auto moet ook comfortabel zijn voor zijn passagiers en zal daarom minder snel bochten nemen of accelereren. Andere verkeersdeelnemers moeten daar rekening mee houden – misschien moet een auto in zelfrijdende modus wel een grote ‘R’ op het dak rijden (van robot), als variant op de ‘L’ van lesauto.

    Uiteindelijk, zodra elk voertuig communiceert met de backend en met de infrastructuur is het verkeer wel efficiënt. „Je weet dan precies wanneer het stoplicht op groen staat. Sterker nog, als iedereen on the grid is zijn helemaal geen stoplichten meer nodig omdat niemand tegen elkaar aan botst. We zoeven met 100 kilometer per uur op een paar centimeter afstand van elkaar door het verkeer.” In dat geval is blindelings oversteken niet aan te raden.

  8. De auto moet leren zijn nut te bewijzen

    Gavrila verwacht dat het minstens tot 2030 gaat duren voordat robot taxi’s, auto’s zonder bestuurder, met vergelijkbare prestaties als de menselijke bestuurder rond rijden in een stad als Amsterdam . Voordat auto’s zonder bestuurder mogen rijden, moet de wet nog aangepast worden. De bestaande autovloot zal nog decennia rond rijden, bestuurd door falende mensen die hechten aan de vrijheid van zelf sturen. De eerste compleet zelfrijdende auto’s zullen het aantal verkeersdoden dus niet meteen doen verminderen, denkt Gavrila.

    Zelfs als alle auto’s op dit moment bij toverslag zelfrijdend zijn, dan zouden er eerder meer verkeersdoden vallen dan minder. „De huidige techniek is nog niet klaar voor algemene situaties – alleen voor de plekken waar je de route en de omgeving onder controle hebt.”

    Een rem op de ontwikkeling is dat de autosector jarenlang zijn marktwaarde ontleende aan die belofte van vrijheid en niet te snel zal willen veranderen. De verwachting is dat de zelfrijdende auto het verkeer behalve veiliger ook efficiënter maakt. Autobezit of een parkeerplaats aan huis is niet meer nodig: je neemt een auto-abonnement dat on-demand een voertuig naar wens naar je huis stuurt.

    Mogelijk zijn er ook negatieve effecten, zegt Gavrila: „Als mensen hun tijd in de auto nuttig kunnen besteden omdat ze niet meer hoeven te sturen, gaan ze wellicht wel verder van hun werk wonen – dat veroorzaakt juist meer files.”

    Een andere mogelijkheid is dat lege zelfrijdende auto’s blijven circuleren. Gavrila: „Je gaat een avondje uit eten en kunt geen parkeerplek vinden – dan stuur je je auto een blokje om en vraagt hem om je op te komen halen bij het restaurant.” De stadsplanners hoeven dan niet meer rekening te houden met stilstaand blik, maar wel met ronddolende robotauto’s, op zoek naar hun baasje of een klant.

    De kans is groot dat de mens achter het stuur uiteindelijk verdwijnt. Gavrila: „Handmatig rijden wordt dan het nieuwe roken. Als een computer honderd keer veiliger en efficiënter rijdt dan de mens dan wordt je wellicht gezien als een gevaar voor jezelf en je omgeving – als je toch perse handmatig wilt rijden.”

    BMW’s testcircuit voor zelfrijdende auto’s, in Fürstenfeldbruck (Dld).Foto: Marc Hijink

    Google gaat voorop in de grote datarace

    Op een testcircuit bij München kondigde BMW deze zomer de iNext 2021 aan, een productiemodel dat over vier jaar zogeheten level 3-autonomie moet bereiken. Dat betekent dat de computer meestal kan rijden, maar soms moet de bestuurder nog ingrijpen. Het is de bedoeling dat de chauffeur 10 of 20 seconden van tevoren gewaarschuwd wordt, bijvoorbeeld als er wegwerkzaamheden aankomen.

    Aan boord van een testauto met highly automated driving (HAD) beweegt het stuur nog erg zo soepel, en draait met kleine tikjes. Ook zwerft de auto nog wat binnen de lijnen van de rijbaan. Daar moeten we niet op letten, zegt de testchauffeur van BMW. Belangrijker is dat de auto zelfstandig over een rotonde rijdt en vaart mindert zodra er verkeer de weg oprijdt. Op de schermen in de testauto hoe informatie van de sensoren vertaald wordt: een puntenwolk beschrijft de (on-)zekerheid waarmee het algoritme de omgeving waarneemt. De achterbak is volgebouwd met computers en harde schijven die data opslaan.

    BMW gaat met veertig testauto’s data verzamelen en zoekt andere partijen op om mee te doen. Het bedrijf werkt samen met chipfabrikant Intel en de Israëlische camerafabrikant MobileEye en kocht samen met Audi en Mercedes-Benz HERE, de kaartentak van Nokia.

    Ondanks die inspanning lopen de traditionele autofabrikanten achter op Google, dat al honderden auto’s heeft rondrijden, zegt Dariu Gavrila, hoogleraar Intelligent Vehicles aan de TU Delft. De omvang van de vloot aan testauto’s is volgens hem een goede indicatie van de vorderingen in deze datarace.

    Al worden de testen groter, de hoeveelheid data die wordt verzameld is nog een te kleine steekproef van alle echte gereden kilometers. Bovendien kun je niet alle (soms levensgevaarlijke) scenario’s in het echt testen. BMW gebruikt daarom ook simulaties om de auto te trainen.

    Traditionele autofabrikanten hebben een tekort aan IT-experts, zegt Gavrila . „Ze moeten die beperkte capaciteit ook nog eens verdelen over twee onderzoeksterreinen: auto’s met telkens betere assistentiesystemen die op korte termijn op de markt verschijnen, en de volledig zelfrijdende voertuigen die daarna verkocht worden.”

    Bedrijven als Uber, Apple en Google kunnen alle aandacht concentreren op volledig autonoom rijdende auto’s. Deze techbedrijven willen mobiliteitsdiensten ontwikkelen en de tijd die je onderweg doorbrengt bepalen – de auto als rijdend kantoor-annex-woonkamer.

    Dariu Gavrila: „De autofabrikant dreigt te worden teruggeduwd naar een onaantrekkelijk deel van de waardeketen, zoals Foxcomm de iPhones in elkaar schroeft terwijl Apple de winst maakt.”

    Autofabrikanten investeren in een onzekere toekomst, erkent BMW-bestuurslid Klaus Fröhlich, verantwoordelijk voor technologische ontwikkeling. „Op de eerste generatie zelfrijdende auto’s zullen we verlies lijden”, zegt hij. „De ontwikkelingskosten zijn reusachtig, de auto’s zijn duur om te produceren, met al die sensoren, snelle computers en extra redundante systemen. Er is nog geen business case. Maar misschien straks wel, als de NCAP (Europese veiligheidsbeoordeling) vereist dat de auto zelfstandig kan rijden. Misschien zullen steden je dwingen de E-knop van elektrische aandrijving en de ‘A’-knop van automatische piloot in te drukken zodra je het centrum binnenrijdt. Omdat ze weten dat 80 procent van de ongelukken op die manier te vermijden is.”

    Dit zijn de labels die de zelfrijdende auto op verkeersdeelnemers plakt, om het verkeer te modelleren. Veel labels worden nog handmatig (door menselijke beoordelaars) toegevoegd om de software te trainenBron: BMW