Download App
Follow Us
  • Facebook
  • YouTube
  • Instagram
  • TikTok
  • X

Adakah kita masih memerlukan perlumbaan pemanduan autonomi?

2026-09-15 18:50:01
GombakKL
0 Fans   63 Following   1 Posts

Penulis | Zhang Linyu

Editor | Huang Dalu

Reka Bentuk | Zhen Youmei

Lima kereta Formula, tiada pemandu di dalam kokpit.

5 September 2026, Litar Imola di Itali menganjurkan perlumbaan edisi Eropah pertama Liga Perlumbaan Kereta Autonomi Abu Dhabi (Abu Dhabi Autonomous Racing League, A2RL).

A2RL ditadbir oleh agensi Cabaran Teknologi Agung ASPIRE di bawah Jawatankuasa Penyelidikan Teknologi Maju (Advanced Technology Research Council, ATRC) yang ditubuhkan oleh Kerajaan Emiriah Arab Bersatu Abu Dhabi.

Penganjuran perlumbaan oleh Abu Dhabi bukan sekadar untuk menghasilkan pertunjukan tanpa pemandu. Apabila mendedahkan acara pada tahun 2023, ATRC menyenaraikan tiga sasarannya:

Gunakan kereta seragam dan ujian tekanan kelajuan ekstrem untuk menguji kecerdasan buatan, dan arahkan hasil penyelidikan ke arah keselamatan jalan raya;

Gunakan hadiah wang, litar dan platform penyelidikan untuk menarik universiti, institusi penyelidikan dan pembekal teknologi dari seluruh dunia, dan bina ekosistem pergerakan autonomi tempatan;

Pelatih bakat sains, teknologi, kejuruteraan dan matematik melalui projek pelajar, dan ukir Abu Dhabi sebagai pusat penyelidikan dan pembangunan aplikasi kecerdasan buatan dan pemanduan autonomi.

Dengan kata lain, A2RL serentak merupakan satu pelan kajian, satu projek bakat, dan satu projek jenama teknologi bandar.

Tetapi mobilisasi global ini tidak menarik syarikal automotif dan kecerdasan buatan A.S. iaitu Tesla. Tesla tidak pernah menyertai mana-mana pertandingan seumpama ini sebagai pasukan rasmi. Siri Kereta Tanpa Pemandu Roborace British, Cabaran Pemanduan Autonomi Indy atau A2RL, tiada senarai perlumbaan yang boleh dirujuk mengandungi pasukan syarikat yang diasaskan atau dikawal oleh Musk.

Musk juga telah dijemput secara terbuka.

2025, Profesor Teknologi Automotif Universiti Teknologi Munich di Jerman, Markus Lienkamp (Markus Lienkamp), menghujani Musk di akaun LinkedIn peribadinya, mendakwa perisian TUM boleh berjalan di jalan raya awam dan di litar, dan bertanya sama ada Tesla mahu bersaing di Amerika Syarikat.

Akaun rasmi Cabaran Pemanduan Autonomi Indy (Indy Autonomous Challenge, IAC) kemudiannya mencadangkan memindahkan perlumbaan ke Litar Laguna Seca. Selepas itu tiada kelanjutan terbuka, Musk dan Tesla tidak memberi respon, dan tidak membentuk pasukan untuk menyertai.

Hanya tinggal empat kereta ketika mula rasmi.

Kereta balap Unimore dari Universiti Teknologi Munich di Jerman mengalami kerosakan brek semasa pusingan formasi dan kembali awal ke kawasan servis. Pusingan ke-10, kereta Unimore yang memimpin perlahan mendadak di belokan kiri terakhir, kereta PoliMOVE yang mengikut di belakangnya cuba mengelak ke bahagian dalam, namun tetap terlanggar kenderaan hadapan.

Pengwarta majalah automotif A.S. Tim Stevens (Tim Stevens) membuat wawancara terus kepada Matteo Pini (Matteo Pini), Ketua Pengintegrasian Perisian Unimore, selepas perlumbaan. Pini mendakwa suis dalam kenderaan yang mengumpul isyarat dari pelbagai sensor gagal semasa belokan, kenderaan kehilangan pengesanan penting serta-merta, dan logik keselamatan memicukan brek kecemasan.

Akhirnya, hanya dua daripada lima kereta menamatkan 12 pusingan perlumbaan utama. Kinetiz yang mewakili Emiriah Arab Bersatu memperlambat di kawasan kemalangan dan mendapat tempat pertama; Constructor Racing Jerman mendapat tempat kedua.

Perlumbaan ini mudah dianggap sebagai satu jenaka: taksi tanpa pemandu di jalan raya sudah beroperasi membawa penumpang, namun sekumpulan pelajar universiti Eropah membuatkan tiga kereta balap menyerah kalah, adakah mereka menggunakan tenaga di tempat yang salah?

Dua puluh dua tahun yang lalu

Perlumbaan mencari jawapan untuk industri

Pecutan kolektif pertama industri pemanduan autonomi, memang datang daripada perlumbaan.

Mac 2004, Agensi Rancangan Penyelidikan Lanjutan Pertahanan A.S. (Defense Advanced Research Projects Agency, DARPA) menganjurkan Pertandingan Grand Prix Kereta Tanpa Pemandu Pertama di Gurun Mojave.

Bahan review yang kemudian diumumkan oleh DARPA menunjukkan, tiada daripada 15 kereta kelayakan akhir menamatkan laluan sejauh 142 batu, kereta yang lari sejauh terjauh iaitu Sandstorm dari Universiti Carnegie Mellon hanya maju sejauh 7.4 batu.

Satu tahun kemudian, perlumbaan kedua menaikkan hadiah wang kepada 2 juta dolar. Stanley dari Universiti Stanford menamatkan 132 batu dalam masa 6 jam 53 minit dan merangkul kejuaraan, manakala empat kereta lain menamatkan laluan penuh.

Cabaran Bandar DARPA 2007 memindahkan soalan peperiksaan dari gurun ke bandar simulasi, menuntut kenderaan mematuhi peraturan jalan raya, melintasi persimpangan dan mengendalikan kenderaan bergerak lain, di mana 6 daripada 11 pasukan kelayakan akhir menamatkan perlumbaan.

Tiga perlumbaan ini nilainya bukan pada memilih sebuah kereta yang boleh dipasarkan secara komersial. Pada masa itu industri bahkan tidak mempunyai jawapan untuk "sama ada mesin boleh memandu sebahagian jalan secara berterusan".

DARPA memberikan sasaran bersama, tarikh akhir, hadiah wang dan tapak kegagalan yang terbuka, menekan penyelidikan penentuan lokasi, pengesanan, perancangan dan kawalan yang tersebar di universiti dan projek ketenteraan ke dalam satu kenderaan lengkap yang mesti boleh berjalan.

Pasukan juara 2005, ketua Sebastian Thrun (Sebastian Thrun), kemudian menyertai pengasasan projek pemanduan autonomi Google. Dalam ulasan mengenai pertandingan Grand Prix, beliau berkata perlumbaan ini "melenjak ke hadapan dengan ketara" pemanduan autonomi.

2018, beliau mencadangkan Litar Indianapolis memulakan pertandingan susulan, berharap menggunakan kelajuan tinggi dan kompetisi pelbagai kenderaan untuk terus mendekati had mesin. Cadangan ini kemudian menjadi permulaan penting Cabaran Pemanduan Autonomi Indy (Indy Autonomous Challenge, IAC).

Cina juga pada masa yang sama membina pertandingan kereta sebenar sendiri.

2009, Jawatankuasa Asas Sains Kebangsaan menubuhkan Cabaran Masa Hadapan Kenderaan Pintar Cina (Intelligent Vehicle Future Challenge, IVFC).

Pertandingan pertama diadakan di Xi'an, dengan penyertaan enam pasukan daripada Universiti Teknologi Beijing, Universiti Hunan, Universiti Jiaotong Xi'an, Universiti Jiaotong Shanghai, Universiti Sains dan Teknologi Pertahanan Negara dan Universiti Parma, Itali, menguji pengesanan lampu isyarat, mengelak halangan dan memandu pada laluan yang ditetapkan.

Ia membantu penyelidikan kereta tanpa pemandu Cina bergerak dari algoritma tunggal ke integrasi kereta sebenar.

Pertandingan awal ini sesuai dengan status teknologi ketika itu.

Bagaimana sensor perlu digabungkan, bagaimana peta didirikan, bagaimana kenderaan menentukan lokasi, bagaimana keputusan pengesanan diserahkan kepada perancang, setiap pasukan mempunyai jawapan sendiri. Perlumbaan menggunakan garis penamat dan penghitung masa untuk mengeliminasi rancangan yang tidak boleh berjalan, juga membawa rancangan yang boleh berjalan ke tumpuan awam.

Konvergensi Rangkaian Teknologi

Soalan peperiksaan tidak boleh berhenti pada generasi sebelum

Seterusnya, perlumbaan pemanduan autonomi meluas ke arah berbeza.

Syarikat British Roborace cuba kereta balap tanpa pemandu tenaga penuh elektrik; Acara Formula untuk pelajar universiti Jerman menetapkan kategori Driverless sejak 2017; IAC sejak 2021 membiarkan pasukan universiti membangun perisian di atas kereta balap Dallara yang seragam; A2RL pada 2024 menganjurkan pertandingan kereta pertama di Litar Yas Marina Abu Dhabi, menjadikan lawan pelbagai kenderaan dan perbandingan pusingan manusia-mesin sebagai tarikan utama.

Cabaran Masa Hadapan Kenderaan Pintar Cina kemudian secara beransur menambah jalan bandar, trafik bercampur dan tugas simulasi.

Walau bagaimanapun, rangka kerja teknologi asas kereta sendiri tidak lagi menjadi kawasan yang belum diterokai.

Industri terdahulu memperdebatkan sama ada LiDAR atau penglihatan tulen, peta ketepatan tinggi atau tanpa peta, sistem peraturan atau rangkaian saraf tiruan.

Hari ini, konfigurasi sensor dan sempadan komersial pelbagai pihak masih berbeza, tetapi paradigma latihan sedang menghampiri model end-to-end berasaskan pembelajaran, model asas multimodal, model Tindakan Bahasa Visual (Vision Language Action, VLA) dan model dunia.

Dalam persembahan pada Persidangan Pengenalan Pola dan Penglihatan Komputer Antarabangsa 2026, Tesla menggambarkan FSD versi terkini sebagai model pemanduan end-to-end, dan mendakwa ia melatih strategi pemanduan menggunakan dataset kecerdasan embodied berskala besar yang dibentuk oleh berjuta-juta kenderaan.

Tesla juga meletakkan kereta dan robot manusia bentuk Optimus dalam naratif satu set "Kecerdasan Buatan Dunia Nyata". Musk sejak Hari AI Tesla 2021 telah menamakan kereta sebagai "Robot di atas roda", bermaksud kenderaan dan robot perlu mengesan, membuat pertimbangan dan melaksanakan tindakan daripada persekitaran dunia nyata.

Ia juga menjelaskan mengapa Tesla tidak mempunyai motivasi untuk menyertai.

A2RL menyediakan secara seragam 7 kamera, 4 radar gelombang milimeter dan 3 LiDAR, peserta membangun perisian di sekitar perkakasan yang sama; Tesla pula memilih untuk berpusat pada kamera, pengiraan dalam kenderaan dan data kenderaan berskala besar.

Menyesuaikan semula kereta khas berli LiDAR untuk satu perlumbaan, menang kalah sukar membuktikan keupayaan sistem jualan massanya secara langsung: kalah perlu menanggung kos opini awam, menang juga tidak membuktikan sistem boleh menangani belok kiri tanpa perlindungan di San Francisco atau peralihan laluan akibat pembinaan pada malam hujan di Shanghai.

Sikap dingin Tesla boleh menunjukkan jenis perlumbaan ini mempunyai jarak dengan garis utama penyelidikan dan pembangunan syarikat teratas, tetapi tidak boleh mengatakan perlumbaan tidak bermakna.

Syarikat mempunyai kenderaan jualan massa, data pengguna dan skenario operasi komersial, makmal universiti tidak mempunyai syarat ini.

Bagi yang kedua, perkakasan seragam dan litar bersama masih merupakan infrastruktur awam yang jarang.

EMMA. Waymo, syarikat pemanduan autonomi di bawah ibu syarikat Google iaitu Alphabet, sedang mengkaji model multimodal end-to-end ini. Ia menggunakan Model Besar Multimodal Gemini Google, menukarkan input kamera terus ke trek kenderaan, serentak mengkaji dengan jelas kelebihan dan batasan skema end-to-end tulen.

Kecerdasan Embodied. Syarikat pemanduan autonomi British Wayve menggunakan konsep ini untuk merumuskan laluan sendiri. Pengasas dan Ketua Pegawai Eksekutif Alex Kendall (Alex Kendall) mengemukakan, model yang sama perlu boleh bekerja merentasi kenderaan dan bandar; Wayve dalam bahan terbuka 2026 merumuskan perubahan industri daripada membuktikan kebolehaksanaan end-to-end ke penyebaran berskala.

Kecerdasan Buatan Fizikal. Pengasas dan Ketua Pegawai Eksekutif Jen-Hsun Huang dari syarikat platform pengiraan A.S. NVIDIA menggolongkan kereta pemanduan autonomi dan robot bersama dalam kategori ini. Platform Model Asas Dunia Cosmos yang dilancarkan NVIDIA, fokusnya sudah pada penjanaan skenario jarang, meramalkan keadaan masa depan, melaksanakan simulasi litar tertutup, dan melatih serta menilai mesin menggunakan data sintetik yang banyak.

Ini tidak bermaksud pemanduan autonomi sudah hanya mempunyai satu laluan yang sama sepenuhnya.

Konfigurasi sensor, bergantung pada peta, struktur model, kelewatan keselamatan dan skenario komersial jauh dari seragam. Yang benar-benar menyempit adalah masalah penyelidikan dan pembangunan: adakah data cukup pelbagai, adakah model boleh dipindahkan ke persekitaran asing, adakah sistem boleh dipercayai apabila menghadapi peristiwa ekor panjang, bolehkah keluar dengan selamat selepas kegagalan.

Pada fasa ini, adakah sebuah kenderaan boleh menamatkan laluan pada litar yang diketahui, sudah bukan lagi bukti yang paling langka.

Yang benar-benar langka adalah bila ia bertukar ke litar yang tidak dilatih masih boleh kah berlumba, bagaimana keadaan apabila kamera terhalang cahaya terang atau saluran data pengesanan terputus, adakah model masih sah apabila diletakkan pada kenderaan lain, dan adakah semua kegagalan meninggalkan data yang boleh disalin semula.

Adakah universiti Eropah menggunakan tenaga di tempat yang salah?

Apabila Tesla, Waymo, Wayve dan NVIDIA mengarahkan sumber ke model asas, model dunia, simulasi dan penerapan jalan sebenar, institusi pengajian tinggi Eropah terus menyetel algoritma di sekeliling kereta Formula, kelihatan jelas wujud kesilapan generasi. Latar belakang pasukan peserta Imola, lebih mudah mengukuhkan imej ini.

Dalam lima pasukan peserta, Unimore Racing dari Universiti Modena dan Reggio Emilia, Itali, teras utamanya ialah Makmal Sistem Masa Nyata Berprestasi Tinggi HiPeRT Lab, dan disokong oleh syarikat teknologi pengiraan masa nyata Hipert.

PoliMOVE merupakan pasukan kereta tanpa pemandu di bawah pasukan Penyelidikan Automasi dan Kawalan mOve Universiti Teknologi Milan, Itali.

TUM merupakan pasukan kereta balap pemanduan autonomi Universiti Teknologi Munich, Jerman, yang pernah merangkul juara IAC serta A2RL 2024, 2025.

Constructor Racing ditubuhkan bersama oleh universiti penyelidikan persendirian Constructor University di Bremen, Jerman dan sistem teknologi Constructor, pasukan terdahulu pernah menyertai Roborace.

Juara Kinetiz bukan sekadar pasukan komersial Emiriah Arab Bersatu, malah merupakan gabungan Universiti Teknologi Nanyang, Singapura, syarikat teknologi Emiriah Arab Bersatu K2 dan syarikat perisian pemanduan autonomi Alp Autonomy, berlumba atas nama Emiriah Arab Bersatu.

Badan utama lima pasukan ini ialah makmal universiti dan rakan kongsi teknologi, bukan pasukan kilang Volkswagen, BMW, Mercedes-Benz atau Stellantis.

Memandbandingkan saiz data mereka dengan Tesla, kilometrik operasi Robotaxi Waymo secara langsung, sudah letak koordinat yang salah.

Keperluan utama pasukan universiti menyertai ialah untuk melatih pelajar dan mengesahkan penyelidikan.

Kereta balap berkelajuan tinggi akan memperbesarkan kelewatan dan ralat kawalan: apabila kenderaan bergerak pada 250 km/j, 100 milisaat sahaja sudah maju kira-kira 6.9 meter; penentuan lokasi sedikit terdedah, brek sedikit lewat, perancang membuat ramalan trek lawan yang salah, semua boleh serta-merta menjadi kemalangan. Uji tekanan ini boleh melatih bakat sistem masa nyata, dinamik kenderaan, gabungan sensor dan pengendalian kegagalan.

Acara juga boleh menjana bahan penyelidikan awam.

2026, TUM dan 8 pasukan peserta lain lain menerbitkan Dataset Terbuka A2RL Vmax, mengandungi lebih 300,000 bingkai titik LiDAR dikumpul pada pertandingan 2024, lebih 380,000 bingkai titik radar dan data interaksi pelbagai kenderaan, dan menyediakan hampir 30,000 bingkai penandaan pakar. Bagi penyelidikan pengesanan jarak jauh berkelajuan tinggi dan ramalan trek lawan, ini lebih bernilai berterusan daripada podium.

Jadi, universiti Eropah bukan tidak pandai. Mereka menjalankan satu masalah penyelidikan dengan sempadan yang jelas: di atas kereta seragam dan litar tertutup, dorong pengesanan masa nyata, ramalan dan kawalan had mesin ke kelajuan lebih tinggi. Masalahnya terdapat pada promosi acara yang sering mendefinisikan sempadan ini terlalu luas, seolah-olah kereta balap berlumba lebih pantas beberapa saat akan secara semula jadi bertukar kepada无人驾驶 bandar.

Jika pertandingan hanya membolehkan pasukan mengimbas semula litar yang sama, membina peta terperinci dan menyetel parameter untuk kenderaan tetap, ia lebih seperti pertandingan kejuruteraan sistem bertaraf tinggi, tidak membuktikan model mempunyai keupayaan pemanduan am merentasi bandar dan kenderaan. Universiti tidak mengambil jalan yang salah, tetapi acara harus jujur menerangkan ke mana jalan ini menuju.

Apa yang sebenarnya diuji oleh kemalangan Imola?

Peraturan semasa A2RL mempunyai satu kelebihan penting: perkakasan kereta balap pada dasarnya seragam, dudukan pemandu, stereng dan pedal digantikan oleh peralatan pengiraan dan mekanisma pelaksanaan, dilarang memandu dari jarak jauh dari kawasan servis atau mengubah parameter secara masa nyata semasa perlumbaan. Pasukan boleh menerima isyarat bendera dan menghantar balik data telemetri, keputusan khusus untuk pusingan, brek dan memotong dilakukan oleh sistem kenderaan.

Pelan ini meletakkan keupayaan integrasi perisian dan kenderaan di hadapan. Kemalangan Imola sekurang-kurangnya mendedahkan empat masalah yang boleh disusuri.

Pertama, banyak sensor tidak bermaksud laluan pengesanan mempunyai kelebih.

Wawancara MotorTrend menuduh kegagalan pada suis pengumpulan data, Motorsport.com hanya mendedahkan kegagalan sensor, tiada siasatan akhir oleh pasukan atau penganjur pada masa ini. Yang boleh disahkan adalah kenderaan kehilangan pengesanan penting serta-merta. Pertandingan harus mendedahkan kegagalan berlaku pada sensor, laluan data atau nod pengumpulan, adakah laluan sandaran wujud, dan keupayaan penganggaran keadaan mana yang dikekalkan oleh kenderaan.

Kedua, tindakan risiko minimum tidak boleh hanya melindungi kenderaan yang rosak.

Brek kecemasan selepas Unimore kehilangan pengesanan adalah munasabah secara logik individu, tetapi dalam perlumbaan pelbagai kenderaan, ia mencipta halangan statik yang muncul secara tiba-tiba untuk kenderaan di belakang. Sistem perlu menilai keupayaan baki, kenderaan dari belakang, kawasan lari dan kadar pecutan secara serentak, bukan hanya mempunyai pilihan "teruskan berlari" dan "berhenti di tempat".

Ketiga, kenderaan di belakang juga mesti mengesan kegagalan kenderaan hadapan.

PoliMOVE cuba mengelak tetapi tidak berjaya. Selain jarak mengikuti kenderaan dan keupayaan brek, acara juga perlu memeriksa adakah keadaan kegagalan kenderaan hadapan boleh dihantar cepat melalui lampu kereta, komunikasi kereta-jalan atau isyarat perlumbaan, dan adakah kenderaan di belakang boleh membuat penilaian tepat masa dengan hanya berdasarkan anomali pergerakan jika komunikasi tidak ada.

Keempat, kebolehpercayaan akan mengubah strategi persaingan.

Kinetiz tidak mencetak masa pusingan terpantas hari itu, tetapi meletakkan menamatkan perlumbaan sebagai keutamaan pertama, dan secara aktif memperlahankan di kawasan kemalangan. Juara maka menghargai pilihan risiko dan kestabilan sistem. Tetapi hanya ada satu perlumbaan 12 pusingan, tetap tidak dapat membezakan ini adalah kebolehpercayaan yang boleh disalin semula, atau satu keputusan yang betul ditambah dengan hasil kebetulan akibat kenderaan hadapan menyerah kalah.

Bahan selepas perlumbaan yang diumumkan ATRC menunjukkan, lima pasukan melakukan ujian kereta sebenar selama 9 hari sebelum perlumbaan, melalui hujan dan hujan batu, menukar peralatan kawasan lembap kemudiannya hanya menamatkan 38 pusingan pemanduan lembap.

Penganjur juga menyediakan pengimbasan digital Imola dan simulator kepada pasukan. Menukar litar menambah kesulitan, tetapi ini masih bukan penyesuaian "sifar sampel": pasukan telah mendapat model litar terlebih dahulu, dan mempunyai masa untuk melatih dan menyelaraskan di sekitarnya.

Inilah jarak antara A2RL dan model pemanduan autonomi generasi baru. Wayve menekankan membawa model yang sama terus ke bandar asing, model dunia menekankan penjanaan berskala besar skenario ekor panjang yang tidak pernah berlaku; A2RL pada masa ini masih membenarkan peserta mengoptimumkan secara terkumpul untuk satu kenderaan, satu litar dan satu perlumbaan.

Yang pertama menguji amali, yang kedua menguji prestasi khusus. Kedua-duanya mempunyai nilai, tetapi tidak boleh menggantikan satu sama lain.

Bagaimana perlumbaan hari ini harus diubah

Selepas laluan teknologi menyempit, perlumbaan tidak perlu lagi membuktikan "kereta boleh memandu sendiri".

Ia seharusnya menjadikan kegagalan yang sukar dibuka dan sukar disalin semula yang paling sukar dalam industri menjadi soalan peperiksaan piawai. Jika A2RL ingin terus mewakili teraju pemanduan autonomi, sekurang-kurangnya boleh menambah empat set peraturan di luar perlumbaan sedia ada.

Masukkan persekitaran asing ke dalam peraturan.

Acara boleh mendedahkan perubahan bahagian litar selepas kodenya dibekukan, tidak lagi menyediakan semua pengimbasan ketepatan tinggi terlebih dahulu; akhir diubah secara mengejut kon, kawasan boleh dilalui, pekalan permukaan jalan atau lokasi bendera. Pertandingan juga boleh meminta model pemanduan satu set sama menamatkan tugas litar berkelajuan tinggi, kawasan servis berkelajuan rendah dan jalan licin secara berturutan, bataskan masa melatih semula untuk litar tunggal.

Ciptakan kegagalan yang terkawal secara aktif.

Dalam ujian tertutup matikan satu kamera secara berturutan, kurangkan kadar kemaskini LiDAR, putuskan penentuan lokasi satelit, bataskan keupayaan pengiraan kenderaan, atau simulasikan gangguan sensor dan laluan data. Penilaian bukan hanya melihat sama ada kenderaan berhenti, tetapi juga melihat berapa lama masa untuk mengesan kegagalan, posisi berhenti apa yang dipilih, jarak reaksi berapa yang ditinggalkan untuk kenderaan di belakang, bolehkah meninggalkan litar utama dalam mod terurun.

Uji sama ada model boleh dipindahkan.

Perisian pasukan yang sama sepatutnya berjalan pada dua parameter dinamik kenderaan atau dua litar. Peserta perlu menyata bergantung peta, data latihan, jam simulasi dan sumber pengiraan, acara perlu mengumumkan prestasi selepas sifar sampel, pelarasan terhad dan penyelarasan mencukupi secara berasingan. Hanya dengan cara ini boleh dilihat kemenangan datang daripada keupayaan am, atau berasal dari penyesuaian litar khusus sepanjang masa lebih lama.

Biarkan data kegagalan diumumkan bersama juara.

Selepas perlumbaan tamat, penganjur harus menerbitkan laporan teknikal bebas, menjelaskan rantaian pemicu setiap penyerahan kalah, brek kecemasan, pemberhentian manual dan perlanggaran; dengan melindungi rahsia komersial mendedahkan telemetri penting, data skenario dan eksperimen semula.

Hasil yang paling berharga dari Imola, bukan sekadar trofi Kinetiz, malah harus termasuk mengapa Unimore kehilangan pengesanan, kegagalan sebenarnya terletak pada sensor atau laluan pengumpulan data, mengapa PoliMOVE tidak dapat mengelak, dan adakah penyelesaian boleh melalui ujian suntikan kegagalan seterusnya.

Empat perubahan ini akan menjadikan perlumbaan kurang cantik. Kenderaan mungkin menjadi perlahan, kadar menamatkan perlumbaan mungkin menurun, pertarungan pusingan manusia-mesin tidak akan sesuai untuk membuat iklan setiap kali. Tetapi ia akan menjadikan prestasi lebih hampir dengan bukti yang benar-benar diperlukan industri: sistem yang sama di bawah maklumat tidak lengkap, perubahan persekitaran dan kegagalan perkakasan, adakah masih boleh memberikan tingkah laku yang boleh diramal.

Jika A2RL terus hanya berlumba pada masa pusingan terpantas pada litar yang diketahui, nilai utamanya akan kekal pada pembangunan bakat, kawalan sukan had dan pameran jenama teknologi Abu Dhabi. Nilai ini benar, tetapi tidak cukup untuk mewakili fasa seterusnya pemanduan autonomi.

Jika ia memasukkan persekitaran asing, kegagalan sistem, perpindahan silang platform dan pengumuman data ke dalam sistem perlumbaan, ia boleh menjadi makmal perlanggaran awam yang industri tidak berani lakukan secara biasa dan juga sukar dilakukan bersama. Syarikat boleh menjana satu juta kemalangan dalam simulasi, tetapi jarang rela meletakkan proses kegagalan, log dan hasil pembaikan kenderaan sebenar di bawah satu set peraturan yang sama untuk perbandingan luaran.

Perlumbaan tepat boleh memikul tugas ini. Jawapan di litar pada akhirnya mesti disahkan di jalan.

Dua puluh dua tahun lalu, DARPA bertanya dengan satu laluan gurun: adakah mesin boleh memandu kereta ke garis penamat. Hari ini, ruang peperiksaan utama yang diperlukan industri sudah tidak lagi berada di litar tertutup, malah di setiap persimpangan puncak pagi dan dunia fizikal yang berkembang nyata.

Feedback