Önvezető autót tesztel és fejleszt a magyar startup a Szilícium-völgyben

– Hogyan válik szilícium-völgyi céggé egy magyar startup?

– Spin-off vállalatként indultunk 2015-ben, anyavállalatunk, a Kishonti László által alapított Kishonti Kft. eredetileg grafikus chipek optimalizálásával foglalkozott. Ők alapvetően azt kutatták, hogy lehet alacsony fogyasztással nagy teljesítményt kihozni az egyébként mobiltelefonokba, tabletekbe kerülő chipekből. Öt éve keresett meg minket egy chip-gyártó azzal, hogy a fogyasztás-teljesítmény optimalizálás fontosságát egy autógyártónak akarja bemutatni. Ekkor már többek között az NVIDIA-val is mint partnerrel dolgoztunk együtt, és a kamera-képek valós idejű feldolgozása irányába indultunk el. Az első nagy ugrás a 2015-ös Hungaroring-projektünk volt, amikor szakemberek, befektetők szeme láttára vezetett körbe egy beágyazott processzor egy kamerával felszerelt személyautót a pályán. Tehát azok az emberek, akik konkrétan ezen dolgoztak, alapították meg a céget. Ma már az önvezetés mind a négy pilléréhez – felismerés, lokalizáció, döntéshozatal, vezérlés – egyaránt hozzá tudunk szólni. Ezért vagyunk ma 120-an a cégnél… Mesterséges intelligencia-kutatókkal, autóipari mérnökökkel, szoftverfejlesztőkkel és –tesztelőkkel, robotikai szakemberekkel, szimulációs csapattal dolgozunk. A célunk egy teljes szoftveres keretrendszer felépítése az önvezető rendszerekhez.

– Az AImotive fejlesztésekben hol foglal helyet az autókommunikáció?

– Azt szoktuk mondani, hogy ez tulajdonképpen egy plusz szenzor az autón. Tehát jó, ha van, de a járműnek e nélkül is megfelelően el kell tudnia navigálni. Tehát mi elsősorban nem erre koncentrálunk.

– Biztos Önök is ismerik az amerikai MIT egyetem által épített, a világhálón elérhető Moral Machine-t, amely közúti baleset-helyzetek imitálásával kérdezi meg a felhasználót, ki haljon meg az ütközés után. Jó módszer internetes felhasználókra építeni az adatbázist?

– Ahhoz, hogy morális kérdésekről tárgyaljunk, mindenképp látnunk kell a globális képet. Évente 1,3 millió ember hal meg közúti balesetekben, és önvezető autók egyik legfontosabb hozadéka ennek a számnak a csökkentése, a balesetek megszüntetése, így a jövőben valószínűleg nagyobb valószínűséggel csap majd belénk egy villám, mint hogy egy önvezető autó elüt. A Moral Machine csupán megerősítést adhat a felhasználóknak arról, hogy adhatnak olyan választ, hogy (ösztönösen) magukat mentik meg az adott helyzetben.
Egyébként a témát illetően már száz éve két megközelítés küzd egymással: az utilitarizmus (következményetika) és a deontológia (az erkölcsi kötelesség tana). A példában a lefékezni nem képes villamos három, a sínen álló embert elütne. De ha átváltom a váltót, akkor csak egyet üt el, hárman megmenekülnek. Egyértelmű, hogy ha átváltom a váltót, kevesebb ember hal meg, viszont aktívan hozzájárultam egy ártatlan ember halálához. Nos, az utilitarizmus azt mondja, próbáljuk a legkisebbre szorítani a károkat, a deontológia viszont amellett áll, hogy aktív módon nem járulhatunk hozzá senkinek a halálához. Vagyis a megoldás itt az, hogy teljes erőből rá kell lépni a fékre, még akkor is, ha tudom, hogy a baleset nem elkerülhető.

– Mindez megjelenik az önvezető autók szoftverében?

– Mindennek nyilvánvalóan kell majd legyen vetülete az önvezető autózásra, de nem nekünk, mérnököknek kell dönteni arról, hogy mindez be lesz-e építve a mesterséges intelligenciákba. Ez inkább a törvényi szabályozás feladata lesz.

– A kép-alapú felismerés elsődleges az önvezetésben. A látáson múlik minden?

– Mi a kamera-alapú felismerés mellett tettük le voksunkat. A Tesla a radar-kamera fúzió mellett van, a lidart a Google és a Uber részesíti előnyben. Viszont ez utóbbi nagyon drága, és önmagában, kamera nélkül nem jól hasznosítható. A kamerák előnye, hogy az emberi vezetést utánozzák, vagyis ők is azt látják, mint az ember. Viszont borzalmasan nagy adattömegeket kell feldolgozni, és ehhez eddig nem volt megfelelő hardver-háttér. Kilowattos nagyságrendű fogyasztás mellett meg nem is lenne értelme foglalkozni az egésszel. Viszont a hardver nagy fejlődésen ment keresztül ahhoz, hogy ma már optimalizációs algoritmusokkal, valós időben válik lehetővé a felismerés, így válhat a kamera elsődleges szenzorrá. Persze nagy kérdés, hogy mennyi kamera és hol legyen az autón, mert azért az lenne a lényeg, hogy minél kevesebb szenzor minél több területet legyen képes lefedni, és onnan minél több adat legyen nyerhető. Az általunk fejlesztett aiDrive a felismerést és döntéshozatali tudást összesíti, a mögötte álló szoftveres háttér viszont (aiKit) az eszköztár, fejlesztői környezet. Ez már az adatgyűjtés, annotálás, AI-tanítás, tesztelés, szimuláció területe, és ide tartozik a kamerák kalibrálása, a szimulációs adatok generálása. Ez igényli a legtöbb munkát, a legtöbb munkatársunk a szoftveres környezet kialakításán dolgozik. Ennek megfelelően külön szimulációs, kalibrációs, annotáló csapatunk van. Autóipari mérnökeink a teszt- és verifikációs csapatban dolgoznak. Szoftveres tesztmérnökeink feladata pedig annak garantálása, hogy ha a termék piacra kerül, az megfelel minden ipari standardnak és így az autógyártóknak.

– A használat közbeni szoftverfrissítés esete tehát nem foroghat fenn…

– Kétféle módon frissülhet egy intelligens rendszer, egyrészt az online tanulással, mert a tanult információkat az autók képesek lesznek megosztani egymással, és így egyre okosabbak lesznek. De lefedettségi és biztonsági okokból ennek kisebb lesz a szerepe. Másrészt frissítés csak zárt rendszerben történhet meg, például egy olajcsere alkalmával.

– Beszéljünk az aiWare-ről, a mindezt lehetővé tévő hardveres környezetről. Az AImotive egyben chip-fejlesztő is?

– Fejlesztő- és gyártócégekkel olyan chip-architektúrákon dolgozunk, amelyek az adatfeldolgozás sebességén gyorsítanak. A mai chipek nem igazán a neurális hálókban jellemző matematikai műveletre, a konvolúcióra vannak kalibrálva. A chip dizájnért felelős FPGA (a felhasználás helyén programozható logikai kapumátrix) csapatunk azon dolgozik, hogy gyorsítsa a műveletek kiszámítását, vagy legalább a fogyasztást optimalizája. Nagy büszkeségünk, hogy a chipgyártókat tömörítő platformon, a Khronos Groupon belül mi külön munkacsoportot kezdeményeztünk, hogy kidolgozzuk a Neural Network Exchange Format (NNEF) standardot. Miért volt erre szükség? Mert a neurális hálók felépítése és futtatása során a szoftverek és a hardverek gyártói nem követnek közös standardokat, és ha új hardverre van szükségem, újra kell írnom a szoftvert is. Ez a platform felgyorsítja a fejlesztést, és végre igazi verseny indulhat meg a szoftver-és hardver-fejlesztők között a jobb kompatibilitás eléréséért.

– Ennek miért van akkora jelentősége az intelligens vezetésben?

– Amikor az autóipari szereplők a neurális hálókat fejlesztik, rögtön a hardvert is „hozzápasszítják”, tehát megvizsgálják, tud-e majd futni rajta egyáltalán a szoftver. Mert ha nem, valamelyiket át kell alakítani. A hardveres háttér csak az elmúlt években került olyan szintre, hogy a mesterséges intelligenciákat elbírja, ami nagyban hozzájárult az önvezető technológia robbanásszerű növekedéséhez.

– Milyen a tesztkörnyezet itthon és Amerikában?

– Épül Zalaegerszeg mellett a tesztpálya az önvezető járművek számára. Mi azt mondjuk, ez jó, hogy van, de a zárt környezet sohasem olyan, mint a valódi közlekedési helyzetek. Kaliforniában és Amerika további 13 államában viszont megfelelő engedélyek birtokában ki lehet menni az utcára tesztautóval. Ezért is van folyamatban az amerikai tesztengedélyünk. Finnországban is nagy léptekkel haladnak az utcai, városközi tesztkörnyezet kialakítása felé, ezért itt is kiváltjuk az engedélyeket. Itt dolgozik egyébként a cég globális sales igazgatója és a globális operatív vezetőnk (global COO). De ha idehaza is meglenne mindehhez a jogi keretrendszer, lényegében teljesen mindegy lenne, hogy itt vagy Amerikában rójuk az utcákat.

– Mit jelent az amerikai jelenlét?

– Önvezető technológiával foglalkozó cégnek a Szilícium-völgyben irodát nyitni kötelező kör, mert minden partner, köztük a chipgyártók, is itt vannak. Az amerikai befektetőt nem érdekli az, amiért egy óránál többet kell autóznia. Kaliforniában pedig az ott lévő tesztautónkkal élesben tudunk tesztelni. Exponenciális nyitásként éljük meg ezt, ráadásul a komolyabb média-megjelenéseink is pont az amerikai jelenlétnek köszönhetők.