Robotaxi
Jak działa
Robotaxi łączy warstwę pokładową i warstwę operacyjną. Na pokładzie zestaw czujników (kamery, LiDAR i radar; Tesla używa wyłącznie kamer) tworzy obraz 360° otoczenia. Moduł percepcji wykrywa i klasyfikuje obiekty, moduł predykcji przewiduje ruch innych uczestników, planer wyznacza bezpieczną trajektorię, a układ sterowania steruje kierownicą, przyspieszeniem i hamowaniem. Całość działa na wydajnym komputerze pokładowym w pętli czasu rzeczywistego. Pojazd porusza się wyłącznie w zatwierdzonej dziedzinie operacyjnej (ODD) opartej o mapy HD. W sytuacjach nietypowych może poprosić o zdalne wsparcie (remote assistance), gdzie operator udziela wskazówek (nie prowadzi zdalnie w czasie rzeczywistym). Warstwa chmurowa obsługuje zamawianie przejazdów, dobór i rozmieszczenie floty, ładowanie/serwis oraz zbieranie danych do dalszego treningu modeli.
Rozwiązany problem
Adresuje koszt, dostępność i bezpieczeństwo transportu miejskiego: eliminuje kierowcę jako najdroższy i najbardziej ograniczający zasób usługi przewozowej, umożliwia dostępność całodobową oraz — dzięki niezmęczonemu, konsekwentnemu „kierowcy” AI — dąży do redukcji wypadków powodowanych błędem ludzkim.
Komponenty
Kamery, LiDAR i radar zapewniające obraz 360° otoczenia (Tesla stosuje wariant wyłącznie kamerowy).
Wykrywa i klasyfikuje obiekty (pojazdy, pieszych, znaki, pasy) oraz buduje reprezentację sceny.
Przewiduje ruch innych uczestników i wyznacza bezpieczną, zgodną z przepisami trajektorię.
Zamienia zaplanowaną trajektorię na komendy kierownicy, przyspieszenia i hamowania.
Wysokowydajny układ (GPU/SoC) uruchamiający sieci percepcji i planowania w czasie rzeczywistym.
Operatorzy udzielają wskazówek w sytuacjach nietypowych; nie prowadzą pojazdu zdalnie w czasie rzeczywistym.
Chmurowa warstwa zamawiania przejazdów, doboru i rozmieszczenia floty, ładowania i serwisu.
Implementacja
Rzadkie, nietypowe sytuacje drogowe pozostają najtrudniejsze i wymagają ogromnych ilości danych.
Usługa działa tylko w geo-ograniczonym obszarze z mapami HD; ekspansja na nowe miasta jest kosztowna.
Częste prośby o wsparcie ujawniają ukryty koszt operacyjny i wąskie gardło skalowania.
Incydenty (np. wypadek Cruise 2023) podważają zaufanie i mogą prowadzić do zawieszenia licencji.
Wysoki koszt pojazdu i operacji powoduje, że usługi wciąż działają ze stratą.
Ewolucja
Pojazd Stanley (Stanford) wygrywa wyścig po pustyni — dowód, że jazda autonomiczna jest wykonalna.
Autonomia rozszerzona na ruch miejski z innymi pojazdami i przepisami.
Google rozpoczyna prace nad autonomicznym samochodem (późniejsze Waymo).
Projekt staje się samodzielną firmą Waymo w ramach Alphabet.
Pierwsza komercyjna usługa robotaxi w Phoenix (z kierowcami bezpieczeństwa).
Waymo udostępnia publiczne przejazdy bez kierowcy bezpieczeństwa w Phoenix.
GM Cruise uruchamia płatną usługę bez kierowcy w San Francisco.
CPUC zezwala na całodobowe płatne przejazdy w SF; po wypadku z pieszym Cruise wstrzymuje działalność i wycofuje 950 pojazdów.
Tesla prezentuje Cybercab na evencie „We, Robot”; Baidu Apollo Go osiąga miliony przejazdów w Wuhan.
Tesla uruchamia usługę Robotaxi w Austin (początkowo z monitorem bezpieczeństwa).
Waymo raportuje ok. 500 tys. płatnych przejazdów tygodniowo i ponad 4 mln mil tygodniowo w 10+ miastach.
Hiperparametry (konfigurowalne osie)
Geograficzny i warunkowy zakres, w którym pojazd może jeździć autonomicznie (obszar, pogoda, pora doby).
Wybór stosu czujników: fuzja LiDAR + radar + kamery vs podejście wyłącznie kamerowe.
Liczba pojazdów w usłudze; wpływa na dostępność, czas oczekiwania i ekonomikę.
Liczba operatorów zdalnych na pojazd — ukryty koszt operacyjny i wąskie gardło skalowania.
Częstość przejęć/interwencji — kluczowy wskaźnik dojrzałości i bezpieczeństwa systemu.
Wymagania sprzętowe
Pokładowe stosy jazdy autonomicznej działają na wydajnych GPU/SoC (np. NVIDIA DRIVE) do inferencji sieci percepcji i predykcji w czasie rzeczywistym.