स्थानीय अधिकारियों द्वारा कंपनी के एआई को सड़क के नियम सीखने में मदद करने की कोशिश करने के बाद भी, वेमो की सेल्फ-ड्राइविंग कारें अभी भी ऑस्टिन में स्कूल बसों को पार कर रही हैं। ये घटनाएँ एक महत्वपूर्ण अंतर को उजागर करती हैं कि कैसे स्वायत्त वाहन वास्तविक दुनिया के सुरक्षा परिदृश्यों के अनुकूल होते हैं, जिससे यह सवाल उठता है कि क्या रोबोटैक्सी ऑपरेटर उन स्थितियों को विश्वसनीय रूप से संभाल सकते हैं जो मानव चालक ड्राइवर की शिक्षा में निपुण हैं।
वेमो ऑस्टिन में एक परेशान करने वाले पैटर्न का सामना करना पड़ रहा है जो स्वायत्त वाहन सुरक्षा को प्रभावित करता है। कंपनी के सेल्फ-ड्राइविंग सिस्टम को प्रशिक्षित करने में मदद करने के स्थानीय स्कूल जिले के प्रयासों के बावजूद, रोबोटैक्सिस अभी भी विस्तारित स्टॉप आर्म्स के साथ स्कूल बसों को रोकने में विफल हो रहे हैं, के अनुसार वायर्ड की रिपोर्ट.
विफलताएँ विशेष रूप से चिंताजनक हैं क्योंकि उनमें सबसे बुनियादी और महत्वपूर्ण यातायात कानूनों में से एक शामिल है, जो विशेष रूप से बच्चों की सुरक्षा के लिए बनाया गया है। अधिकांश राज्यों में, जब कोई स्कूल बस अपने लाल स्टॉप साइन और चमकती लाइटें बढ़ाती है तो वाहनों को रुकना चाहिए, चाहे वे किसी भी दिशा में यात्रा कर रहे हों। यह एक ऐसा परिदृश्य है जिसे हर मानव चालक शुरुआत में ही सीख लेता है।
लेकिन वेमो के एआई के लिए, यह आश्चर्यजनक रूप से कठिन साबित हो रहा है। ऑस्टिन स्कूल डिस्ट्रिक्ट ने अपने वाहनों को स्कूल बस परिदृश्यों में उजागर करने के लिए कंपनी के साथ सक्रिय रूप से काम करने का असामान्य कदम उठाया, जो अनिवार्य रूप से चांदी की थाली में वास्तविक दुनिया के प्रशिक्षण डेटा की पेशकश करता है। तथ्य यह है कि सिस्टम अभी भी संघर्ष कर रहा है, यह गहरे मुद्दों का सुझाव देता है कि मशीन लर्निंग मॉडल प्रशिक्षण उदाहरणों से वास्तविक दुनिया की स्थितियों तक कैसे सामान्यीकृत होते हैं।
असामान्य ट्रैफ़िक परिदृश्यों के साथ यह वेमो का पहला प्रयास नहीं है। वर्णमाला-स्वामित्व वाली कंपनी ने सैन फ्रांसिस्को, फीनिक्स, लॉस एंजिल्स और ऑस्टिन में लाखों स्वायत्त मील की दूरी तय की है। लेकिन किनारे के मामले, वे दुर्लभ परिस्थितियाँ जो प्रशिक्षण डेटासेट में अच्छी तरह से फिट नहीं होती हैं, यहां तक कि सबसे परिष्कृत सेल्फ-ड्राइविंग सिस्टम को भी नुकसान पहुंचाती रहती हैं।
ये घटनाएं स्वायत्त वाहन उद्योग के लिए असहज प्रश्न उठाती हैं क्योंकि यह व्यापक तैनाती पर जोर देता है। यदि एक रोबोटैक्सी कंपनी लक्षित प्रशिक्षण के साथ भी स्कूल बसों को विश्वसनीय रूप से नहीं संभाल सकती है, तो अन्य कौन से परिदृश्य सामने आ सकते हैं? निर्माण क्षेत्र? आपातकालीन वाहन? क्रॉसिंग गार्ड?
वेमो ने स्वायत्तता के लिए सतर्क, डेटा-संचालित दृष्टिकोण पर अपनी प्रतिष्ठा बनाई है। कंपनी के वाहन अपने परिवेश का 360-डिग्री दृश्य बनाने के लिए लिडार, रडार और कैमरों के संयोजन का उपयोग करते हैं, मशीन लर्निंग मॉडल को अरबों मील की सिम्युलेटेड और वास्तविक दुनिया की ड्राइविंग पर प्रशिक्षित किया जाता है। लेकिन ऑस्टिन स्कूल बस समस्या एआई विकास में एक बुनियादी तनाव को उजागर करती है। मशीन लर्निंग सिस्टम पैटर्न पहचान में उत्कृष्टता प्राप्त करते हैं जब उन्होंने पर्याप्त उदाहरण देखे होते हैं, लेकिन वे उन परिदृश्यों के साथ संघर्ष कर सकते हैं जो उनके प्रशिक्षण डेटा से थोड़ा भी भिन्न होते हैं।
