Moterims netinka automobiliai be vairuotojų: GM Cruise pristabdo visas be vairuotojo automobilių operacijas

  „General Motors savaeigių automobilių padalinys Cruise sustabdo visas savo operacijas be vairuotojo JAV, kai Kalifornijos reguliavimo institucijos pareiškė, kad transporto priemonės nėra saugios viešose vietose ir atėmė bendrovės savarankiško vairavimo leidimą.

 

     „Mums šiuo metu svarbiausia imtis veiksmų, kad atkurtume visuomenės pasitikėjimą“, – vėlai ketvirtadienį internete paskelbtame pranešime sakė Cruise'as. „Iš dalies to reikia atidžiai pažvelgti į vidų ir į tai, kaip dirbame „Cruise“.

 

     „Cruise“ paslaugų sustabdymas yra dar vienas smūgis GM savarankiško vairavimo pastangoms ir įvyko po audringos savaitės Detroito automobilių gamintojui, kuris taip pat sumažino elektrinių transporto priemonių planus ir susidūrė su Jungtinių automobilių darbuotojų (UAW) streiko išplitimu iki vieno didžiausių ir labiausiai pelningų fabrikų. Penktadienį „The Wall Street Journal“ pranešė, kad automobilių gamintojas ir UAW artėja prie preliminaraus susitarimo dėl naujos sutarties užbaigimo.

 

     Generalinė direktorė Mary Barra statė bendrovę ant ateities technologijų, tokių, kaip elektromobiliai ir savaeigiai automobiliai, kaip būdą sumažinti priklausomybę nuo tradicinių benzininių variklių modelių, kurie dabar yra pagrindiniai pinigų kūrėjai, tačiau kurių augimą daugiausia riboja naujos automatinės emisijos taisyklės.

 

     Visai neseniai šios iniciatyvos susidūrė su iššūkiais, nes pirkėjai vis labiau dvejojo dėl perėjimo prie elektromobilių, o GM nuostoliai toliau didėja „Cruise“, kurį tikrino ir valstijos, ir vietos reguliavimo institucijos.

 

     „Cruise“ didžiąją dalį valdo „General Motors“, kuri daug investavo į padalinį ir nori pristatyti visiškai autonominį autobusą, vadinamą „Origin“, kuriame nėra vairo ar rankinių valdiklių.

 

     Anksčiau šią praėjusią savaitę Kalifornijos motorinių transporto priemonių departamentas teigė, kad „Cruise“ neteisingai pateikė informaciją, susijusią su jo transporto priemonių technologijų sauga, ir sustabdė bendrovės savarankiško vairavimo leidimą.

 

     Sprendimas buvo priimtas po šio mėnesio incidento, kuriame dalyvavo moteris, kuri buvo sunkiai sužalota po to, kai ją partrenkė kita, ne autonominė, su vairuotoju,  transporto priemonė, o po to ši moteris nusileido be vairuotojo Cruise automobilio kelyje, teigia Cruise ir DMV, reguliuojanti autonomines transporto priemones valstijoje. Pasak DMV, sustojęs „Cruise“ automobilis bandė pasitraukti, kai moteris buvo po transporto priemone. Automobilis nuvažiavo apie 20 pėdų ir pasiekė 7 mylių greitį per valandą, prieš galutinai sustodamas, pranešė DMV. Gelbėtojai nuo moters nukėlė automobilį.

 

     Bendrovės teigimu, „Cruise“ autonominės transporto priemonės yra skirtos atlikti tokį manevrą po susidūrimo, kad būtų sumažintas pavojus saugumui. Ji „atlieka analizę, siekdama nustatyti galimus AV reakcijos patobulinimus, reaguojant į tokį itin retą įvykį“.

 

     Kitą dieną Cruise'as parodė DMV vaizdo įrašą apie avariją, užfiksuotą autonominės transporto priemonės kameromis, pasak DMV. DMV nurodė, kad filmuotoje medžiagoje nematyti, kaip automobilis nusuko, o moteris buvo prispausta po juo. Kruizas ginčija DMV laiko juostą.

 

     Valstybinė agentūra teigia, kad apie pėsčiojo tempimą sužinojo tik per diskusiją su kita vyriausybine agentūra. „Cruise“ paprašius pateikė papildomą vaizdo įrašą, kurį DMV teigė gavęs spalio 13 d.

 

     Už Kalifornijos ribų „Cruise“ eksploatuoja be vairuotojų laivynus Finikso valstijoje, Hiustone ir Ostine, Teksase, siekdama išplėsti verslą kituose JAV miestuose. Jame taip pat yra automobilių be vairuotojų, kurie veikia Dalase ir Majamyje, tačiau jie nėra naudojami komerciniais tikslais, sakė atstovė.

 

     Cruise'as teigė, kad sprendimas sustabdyti viso laivyno veiklą nėra susijęs su jokiais naujais incidentais kelyje.

 

     2022 m. birželio mėn. „Cruise“ pradėjo siūlyti komercines be vairuotojo automobilių paslaugas. Bendrovė bandė plėsti savarankiško vairavimo veiklą naujuose miestuose, kol Kalifornijoje sustabdytas leidimų galiojimas sustabdė veiklą vienoje didžiausių jos rinkų San Franciske.

 

     Nacionalinė greitkelių eismo saugumo administracija pranešė pradėjusi beveik 600 „Cruise“ valdomų automobilių be vairuotojo saugos defektų tyrimą. NHTSA pranešė žinanti apie keturis incidentus, iš kurių dviejuose buvo sužeisti.

 

     2022 m. gruodį federalinė automobilių saugos reguliuotoja atidarė atskirą tyrimą apie 240 „Cruise“ automobilių be vairuotojų, gavusi pranešimų apie stipriai stabdančias transporto priemones, kurių kelyje nebuvo kliūčių ir iš paskos artėjant kitam vairuotojui.

 

     Ketvirtadienį paskelbtame laiške NHTSA nurodė, kad, atliekant tyrimą, ieško informacijos apie penkis papildomus pranešimus apie avarijas.

 

     „Cruise“ atstovė sakė, kad bendrovė sveikina NHTSA klausimus, susijusius su jos saugos įrašais ir operacijomis, ir toliau bendradarbiaus su agentūros tyrimais." [1]

 

Moterims netinka automobiliai be vairuotojų. Benamė, narkotikais piktnaudžiaujanti, moteris naktį staiga su dviračiu žengė į „Uber“be vairuotojo automobilio taką. Po to Uber laikinai sustabdė jos programą be vairuotojų. Dabar moteris pasirodo skrendanti virš kelio GM automobiliui be vairuotojo. Tai tarsi angelai, gelbėjantys žmoniją nuo robotų. Gaila, kad jos nukenčia šio proceso metu.

 

1. EXCHANGE --- GM's Cruise Pauses All Driverless-Car Operations. Feuer, Will; Felton, Ryan.  Wall Street Journal, Eastern edition; New York, N.Y.. 28 Oct 2023: B.9.  

Driverless Cars Are Not a Good fit For Women: GM's Cruise Pauses All Driverless-Car Operations.

"Cruise, the self-driving car unit of General Motors, is suspending all of its driverless operations across the U.S., after regulators in California said the vehicles aren't safe in public and pulled the company's self-driving permit.

"The most important thing for us right now is to take steps to rebuild public trust," Cruise said late Thursday in an online post. "Part of this involves taking a hard look inwards and at how we do work at Cruise."

The halting of Cruise's services represents another blow to GM's autonomous-driving efforts and follows a tumultuous week for the Detroit automaker, which also scaled back its electric-vehicle plans and confronted an expansion of the United Auto Workers strike to one of its largest and most profitable plants. On Friday, The Wall Street Journal reported that the automaker and UAW were close to completing a tentative agreement on a new contract.

Chief Executive Mary Barra has bet the company on future technologies, such as EVs and self-driving cars, as a way to reduce dependence on the traditional gas-engine models that now are the primary moneymakers but whose growth is limited, in large part by new auto-emissions regulations.

More recently, those initiatives have been facing challenges with buyers growing more hesitant about making the switch to an EV and as GM's losses continue to deepen on Cruise, which has faced scrutiny from both state and local regulators.

Cruise is majority-controlled by General Motors, which has invested deeply in the division and is looking to introduce a fully autonomous shuttle, called the Origin, that doesn't have a steering wheel or manual controls.

Earlier this past week, the California Department of Motor Vehicles said Cruise had misrepresented information related to the safety of its vehicles' technology and suspended the company's self-driving permit.

The decision followed an incident this month involving a woman who was severely injured after she was struck by a vehicle and then landed in the path of a driverless Cruise car, according to Cruise and the DMV, which regulates autonomous vehicles in the state. After coming to a stop, the Cruise car attempted to pull over while the woman was underneath the vehicle, according to the DMV. The car traveled about 20 feet and reached speeds of 7 miles an hour before coming to a final stop, the DMV said. Rescue workers lifted the car off the woman.

Cruise's autonomous vehicles are designed to perform such a maneuver after a collision to minimize safety risks, the company said. It is "doing an analysis to identify potential enhancements to the AV's response to this kind of extremely rare event."

The next day, Cruise showed the DMV a video of the accident captured by the autonomous vehicle's cameras, according to the DMV. The footage didn't show the car pulling over while the woman was pinned underneath, the DMV said. Cruise disputes the DMV's timeline.

The state agency says it only learned about the pedestrian's being dragged during a discussion with another government agency. Cruise provided the additional video upon request, which the DMV said it received on Oct. 13.

Outside California, Cruise has been operating driverless fleets in Phoenix, Houston and Austin, Texas, as it seeks to scale up the business in other U.S. cities. It also has driverless cars operating in Dallas and Miami, but those aren't being used commercially, a spokeswoman said.

Cruise said the decision to halt fleetwide operations isn't related to any new on-road incidents.

Cruise started offering a commercial driverless-car service in June 2022. The company had been trying to expand its self-driving operations to new cities before the permit suspension in California effectively halted operations in one of its biggest markets, San Francisco.

The National Highway Traffic Safety Administration said it has opened a safety-defect probe into nearly 600 driverless cars operated by Cruise. NHTSA has said it is aware of four incidents, including two that resulted in injuries.

In December 2022, the federal auto-safety regulator opened a separate probe into about 240 Cruise driverless cars after receiving reports of vehicles braking hard with no obstacles in their path and with another driver approaching from behind.

In a letter published Thursday, NHTSA said it was seeking information about five additional crash reports as part of that investigation.

A Cruise spokeswoman said that the company welcomes NHTSA's questions related to its safety record and operations and that it would continue to cooperate with the agency's investigations." [1]

Women are no good for driver-less cars.  A homeless drug abusing woman suddenly stepped with a bike during the night in the pathway of Uber driver-less car. Uber cancelled her own  driver-less program after that. Now woman shows up flying over the road for driver-less car of GM. These are like angels, saving humanity from robots. Too bad they are hurt in the process.

https://en.wikipedia.org/wiki/Death_of_Elaine_Herzberg

1. EXCHANGE --- GM's Cruise Pauses All Driverless-Car Operations. Feuer, Will; Felton, Ryan.  Wall Street Journal, Eastern edition; New York, N.Y.. 28 Oct 2023: B.9.  

Kraustyti dėžes? Gydyti vėžį? Dirbtinis intelektas pirmiausia turi išmokti fiziką --- Kad pakeistų pasaulį, dirbtinis intelektas turi išmokti nevaikščioti per sienas

  "Praėjusiais metais dirbtinis intelektas (AI) sužavėjo pasaulį daugiausia dėl didelių kalbų modelių, tokių, kaip ChatGPT, kurie, atrodo, bendrauja su vartotojais. Tačiau toks AI nėra puikus, sprendžiant sudėtingas robotikos, mokslo ir inžinerijos problemas.

 

     Norint tai padaryti, AI turi išmokti fiziką.

 

     Jei dirbtinis intelektas pradėtų veikti realiame pasaulyje, būtų galima padidinti mūsų elektrinių transporto priemonių asortimentą, pagerinti vėžiu sergančių pacientų priežiūrą ir imtis darbų, kuriuos anksčiau dirbdavo tik žmonės. Tačiau sukurti, tai atliekančias, sistemas yra sudėtinga, nes tam reikia žinių ir apie konkrečią sritį, ir apie mašininį mokymąsi.

 

     Rezultatai to verti, sako tie, kurie taiko šį metodą. Galų gale, pradedant nuo to, ką žinome apie pasaulį, tai daro mokslininkai ir inžinieriai.

 

     Yra keletas šio požiūrio pavadinimų, įskaitant „fizika pagrįstus neuroninius tinklus“ ir „mokslinį mašininį mokymąsi“, tačiau juos visus sieja vienas bruožas: jie suteikia AI nuo ko pradėti. Šis atspirties taškas yra tai, ką mes jau žinome apie sistemą, ar tai būtų tiltas, ar baterija, iš dešimtmečių ar net šimtmečių sunkiai uždirbtų žinių. Ši sistema padeda apriboti sprendimų, su kuriais dirbtinis intelektas turi eksperimentuoti, kad galėtų atlikti naudingų prognozių, visumą.

 

     „Tai panašu į tai, kad kažkas bando išspręsti labirintą, o tam tikrus kelius jūs jau užblokavote“, – sako Karianne Bergen, Brauno universiteto mašininio mokymosi tyrimų grupei vadovaujanti.

 

     Tarkime, kad bandote išmokyti dirbtinį intelektą, kaip nukreipti robotą vaikščioti. Ankstyvieji šio mokymosi proceso etapai turi vykti modeliuojant, nes tai daug greičiau nei tai daryti su tikru robotu ir pigiau, sako Jonathanas Hurstas, „Agility Robotics“ vyriausiasis robotų pareigūnas. („Agility“ gamina dvikojį robotą, kurį „Amazon“ neseniai paskelbė, kad išbandys viename iš savo sandėlių.)

 

     Jei pagrindiniai fizikos dėsniai jau yra integruoti, mašininio mokymosi algoritmas turi ištirti daug mažiau galimų galūnių ir kūno judesių derinių, kai sugalvoja, kaip nukreipti robotą vaikščioti. Jei modeliavimas neturėjo tų dėsnių, dirbtinis intelektas gali pasiūlyti „teisingus“ sprendimus, kurie nėra tikėtini, pavyzdžiui, pravažiuoti per kietus objektus arba neteisingai suprasti gravitaciją.

 

     Idėja, kad dirbtinis intelektas geriausiai veikia, kai problema, su kuria ji susiduria, yra kuo siauriau apibrėžta, yra įprasta AI sistemų, kurios sukuria išmatuojamą vertę žmonėms ir įmonėms, tema. Tik šiuo atveju apribojimai yra gamtos pasaulio dėsniai.

 

     Fizika pagrįstos mašininio mokymosi sistemos gali daryti prognozes, naudodamos daug mažiau duomenų, nei AI, kurie naivūs realiame pasaulyje, sako Karen Willcox, Teksaso universiteto Ostine Skaičiavimo inžinerijos ir mokslų Oden instituto direktorė.

 

     Klasikinis šio požiūrio pavyzdys yra reaktyvinio variklio „skaitmeninis dvynys“, sako ji. Tokios įmonės, kaip „General Electric“ jau seniai naudoja tokius modelius, kuriuose yra mašininis mokymasis, kad nuspėtų, kada varikliui reikės priežiūros. Dabar keičiasi tai, kad, augant skaičiavimo galiai ir plintant naujiems mašininio mokymosi algoritmams, šis fizika pagrįstas požiūris tampa daug plačiau paplitęs.

 

     Taikant tą patį metodą – derinant žinias apie gamtą, nuolat renkamus duomenis ir mašininį mokymąsi – teoriškai įmanoma sukurti vėžiu sergančio paciento skaitmeninį dvynį, kuris nukreiptų jų priežiūrą, priduria ji. Tai yra kažkas, ką Willcox tyrimų grupė tiria, bendradarbiaudama su MD Andersono vėžio centru. Kol kas komanda tik išbandė metodą „in silico“, tai yra, remdamasi reprezentatyvių pacientų duomenų rinkiniu, tačiau jie diskutuoja apie galimą klinikinį tyrimą.

 

     Formulės E lenktynėse, kurios yra visiškai elektrifikuota Formulės 1 versija, akumuliatoriuje likusios energijos kiekio valdymas yra skirtumas tarp laimėjimo ir pralaimėjimo. „WAE Technologies“, gaminanti „Formulės E“ lenktyninių automobilių baterijas, neseniai įkūrė „Elysia“ padalinį, siekdama komercializuoti savo energijos valdymo programinę įrangą, kuri naudoja fizikos pagrindu veikiančius neuroninius tinklus.

 

     „Elysia“ sistemos gali nustatyti akumuliatoriaus būseną, turėdamos daug mažiau duomenų, nei paprastai reikia, nes šios AI jau „žino“ labai daug apie tai, kaip veikia baterijos. Tai leidžia inžinieriams priartinti baterijas prie jų ribų ir išgauti daugiau energijos jų nepažeidžiant. Rezultatas gali būti didesnis iš esamų EV baterijų, įskaitant esančias jūsų automobilyje, sako „Elysia“ techninis vadovas Timas Engstromas.

 

     Robotikos įmonė „Dxterity“ mašininį mokymąsi derina su modeliais, kaip dėžės elgiasi realiame pasaulyje, kad sukurtų robotus, kurie pagaliau gali pakrauti sunkvežimius. (Pirmiausia buvo išspręsta lengvesnė sunkvežimių iškrovimo problema.) Be šių modelių dėžių sukrauti beveik neįmanoma buvo tai, kad realiame pasaulyje objektai ne visada elgiasi idealiai, sako bendrovės vadovas Samiras Menonas. Jie gali sverti daugiau ar mažiau, nei tikisi robotas, jų turinys gali pasislinkti arba nusėsti, nukritęs į vietą. Jis priduria, kad, norint susidoroti su visomis realaus pasaulio keistenybėmis, reikia gana gero jo modelio.

 

     Ekspertai, su kuriais kalbinau šiam rašiniui, vis dar yra ankstyvos fizikos pagrindu sukurtų mašininio mokymosi būdų. Mokslininkai atsargiai žiūri į ažiotažą, kylančią dėl kitų AI formų, tokių, kaip pokalbių robotai ir meną kuriantys modeliai, kurie šiuo metu yra labai populiarūs, sako Bergen. Tačiau juos taip pat jaudina mokslinio mašininio mokymosi potencialas, kurio esmė gali būti būdas įgyti naujų įžvalgų apie sistemas, ypač kai mes jų dar visiškai nesuprantame, priduria ji." [1]

 

1. EXCHANGE --- Keywords: Moving Boxes? Treating Cancer? AI Needs to Learn Physics First --- To change the world, artificial intelligence must learn not to walk through walls. Mims, Christopher.  Wall Street Journal, Eastern edition; New York, N.Y.. 28 Oct 2023: B.2. 

Moving Boxes? Treating Cancer? AI Needs to Learn Physics First --- To change the world, artificial intelligence must learn not to walk through walls.

"Artificial intelligence has dazzled the world in the past year, largely because of large language models like ChatGPT that seemingly converse with users. But this kind of AI isn't great at tackling hard problems in robotics, science and engineering.

To do this, AI needs to learn physics.

Getting AI to work in the real world could boost the range of our electric vehicles, improve care for cancer patients, and take on jobs that were previously done solely by humans. But creating systems that do this is tricky because it requires knowledge about both a specific field, and machine learning.

The results are worth it, say those adopting this approach. Starting with what we know about the world is what scientists and engineers do, after all.

There are a handful of names for this approach, including "physics-informed neural networks" and "scientific machine learning," but they all have one thing in common: They give AI someplace to start. That starting point is what we already know about a system, be it a bridge or a battery, from decades or even centuries of hard-earned knowledge. This framework helps limit the universe of solutions an AI has to experiment with before it can make useful predictions.

"It's sort of like if someone's trying to solve a maze, and there are certain paths you've already blocked off for them," says Karianne Bergen, who leads a machine-learning research group at Brown University.

Let's say you're trying to teach an AI how to direct a robot to walk. The early stages of this learning process have to happen in a simulation, because it's much faster than doing it with a real robot, and less costly, says Jonathan Hurst, chief robot officer of Agility Robotics. (Agility makes a bipedal robot that Amazon recently announced it will test in one of its warehouses.)

If the basic laws of physics are already built in, a machine-learning algorithm has to explore far fewer possible combinations of limb and body movements when figuring out how to direct a robot to walk. If the simulation didn't have those laws, the AI might come up with "correct" solutions that aren't plausible, like passing through solid objects, or misunderstanding gravity.

The idea that AI works best when the problem it's tackling is as narrowly defined as possible is a common theme in AI systems that generate measurable value for people and companies. Only in this case, the constraints are the laws of the natural world.

Physics-informed machine learning systems can make predictions using far less data than AIs that are naive about the real world, says Karen Willcox, director of the Oden Institute for computational engineering and sciences at the University of Texas, Austin.

A classic example of this approach is the "digital twin" of a jet engine, she says. Companies like General Electric have long used such models, which incorporate machine learning, to predict when an engine needs maintenance. What's changing now is that, with the growth of computing power and the spread of new kinds of machine-learning algorithms, this physics-informed approach is becoming much more widespread.

Using the same approach -- combining knowledge of the natural world, continuously gathered data, and machine learning -- it's in theory possible to create a digital twin of a cancer patient to direct their care, she adds. This is something that Willcox's research group is studying, in collaboration with the MD Anderson Cancer Center. So far, the team has only tested the approach "in silico" -- that is, on a pool of data drawn from representative patients -- but they are discussing a possible clinical trial.

In Formula E racing, which is the fully electrified version of Formula One, managing the amount of energy left in your battery is the difference between winning and losing. WAE Technologies, which makes the batteries for Formula E race cars, recently created a division, Elysia, to commercialize its power-management software that uses physics-informed neural networks.

Elysia's systems can determine the status of a battery with far less data than would normally be required, because these AIs already "know" a great deal about how batteries work. This allows engineers to push batteries closer to their limits, eking out more power without damaging them. The result could be more range from existing EV batteries, including the one in your driveway, says Elysia technical lead Tim Engstrom.

Dexterity, a robotics company, is combining machine learning with models of how boxes behave in the real world to create robots that can finally load trucks. (Unloading trucks, an easier problem, was solved first.) What made stacking boxes nearly impossible without these models was that objects in the real world don't always behave in an idealized fashion, says Samir Menon, chief executive of the company. They might weigh more or less than a robot expects, their contents might shift, or they might settle after they are dropped into place. Handling all of the weirdness of the real world requires a pretty good model of it, he adds.

It's still early days for physics-informed approaches to machine learning, say the experts I interviewed for this piece. Scientists are wary of the hype that comes with other forms of AI -- such as the chatbots and art-generating models that are currently all the rage, says Bergen. But they're also excited by the potential of scientific machine learning, which at its core can be a way to gain new insights about systems, especially when we don't yet fully understand them, she adds." [1]

1. EXCHANGE --- Keywords: Moving Boxes? Treating Cancer? AI Needs to Learn Physics First --- To change the world, artificial intelligence must learn not to walk through walls. Mims, Christopher.  Wall Street Journal, Eastern edition; New York, N.Y.. 28 Oct 2023: B.2.