Wereldmodellen en zelfrijdende systemen, hoe werkt dat?

Wereldmodellen en zelfrijdende systemen horen bij elkaar zodra een voertuig niet alleen moet herkennen wat er nu op de weg staat, maar ook moet inschatten wat er daarna kan gebeuren. Remt de auto vooraan, steekt een voetganger over of slaat een fietser onverwacht af? Een wereldmodel kan helpen om zulke mogelijke ontwikkelingen vooraf te voorspellen.

Dat betekent niet dat een wereldmodel de toekomst kent. Het maakt verwachtingen op basis van sensordata en geleerde patronen. Omdat verkeer onzeker blijft, moet een zelfrijdend systeem rekening houden met meerdere mogelijke uitkomsten en veilig reageren wanneer een voorspelling niet klopt.

Waarom is herkennen alleen niet genoeg?

Camera’s, radar en lidar kunnen informatie verzamelen over rijstroken, verkeerslichten, voertuigen, fietsers, voetgangers en andere objecten. AI kan die informatie gebruiken om te bepalen wat er in de omgeving aanwezig is.

Maar herkennen is nog geen voorspellen. Een voetganger die naast een oversteekplaats staat, kan wachten of plotseling oversteken. Een geparkeerde auto kan blijven staan of wegrijden. Twee voertuigen kunnen tegelijk ruimte proberen te nemen bij een invoegstrook.

Een zelfrijdend systeem moet daarom niet alleen vragen wat iets is en waar het zich bevindt. Het moet ook inschatten hoe de situatie zich mogelijk ontwikkelt en welke eigen actie daarbij past.

Hoe helpen wereldmodellen en zelfrijdende systemen elkaar?

Een wereldmodel leert een bruikbare voorstelling van de omgeving en de veranderingen daarin. Bij autonoom rijden kan zo’n model informatie over ruimte, tijd, beweging en mogelijke acties met elkaar verbinden.

De vereenvoudigde cyclus ziet er zo uit:

  1. Sensoren nemen de actuele verkeerssituatie waar.
  2. Het systeem vormt een interne voorstelling van de weg en de verkeersdeelnemers.
  3. Het wereldmodel voorspelt meerdere mogelijke vervolgsituaties.
  4. De planning vergelijkt mogelijke routes en acties.
  5. Het voertuig kiest een actie binnen de geldende veiligheidsgrenzen.
  6. Nieuwe sensordata laat zien wat er werkelijk gebeurt.
  7. Het systeem past zijn inschatting en plan voortdurend aan.

Het wereldmodel is daarmee niet automatisch de bestuurder. Het kan één bouwsteen zijn naast waarneming, locatiebepaling, routeplanning, voertuigbesturing en onafhankelijke veiligheidsvoorzieningen.

Wereldmodellen en zelfrijdende systemen vullen elkaar dus aan. Het model verkent mogelijke ontwikkelingen, terwijl de rest van het rijsysteem bepaalt welke actie technisch toegestaan en veilig genoeg is.

Voorbeeld, een voetganger bij een oversteekplaats

Een voertuig nadert een oversteekplaats. Aan de rand van de weg staat een voetganger. Uit één camerabeeld blijkt nog niet zeker wat die persoon gaat doen.

Een voorspellend systeem kan verschillende mogelijkheden meenemen:

  • de voetganger blijft wachten;
  • de voetganger begint rustig over te steken;
  • de voetganger stapt plotseling de weg op;
  • de voetganger draait zich om en loopt weg.

Het voertuig moet vervolgens geen gok maken op basis van alleen het waarschijnlijkste scenario. Het moet ook rekening houden met minder waarschijnlijke situaties die ernstige gevolgen kunnen hebben. De veilige keuze kan daarom zijn om snelheid te verminderen en extra afstand te houden totdat de situatie duidelijker wordt.

Dit voorbeeld laat zien waarom voorspellen en handelen niet los van elkaar staan. Een mogelijke toekomstige situatie heeft alleen praktische waarde wanneer de planning er tijdig en veilig op kan reageren.

Waarom zijn meerdere mogelijke toekomsten nodig?

Verkeer bestaat uit mensen en machines die elkaar beïnvloeden. Wanneer één auto invoegt, kunnen andere bestuurders remmen, versnellen of van rijstrook wisselen. Een voorspelling van iedere verkeersdeelnemer afzonderlijk kan daardoor een onrealistische combinatie opleveren.

Onderzoek van Waymo, een bedrijf van Alphabet dat zelfrijdende technologie ontwikkelt, naar gezamenlijke bewegingsvoorspelling laat zien waarom interacties belangrijk zijn. Modellen kunnen meerdere verkeersdeelnemers gezamenlijk voorspellen, zodat mogelijke bewegingen beter op elkaar aansluiten. Dat helpt de planning om niet alleen losse trajecten te zien, maar samenhangende toekomstscenario’s.

Geen enkel model kan alle mogelijkheden volledig uitrekenen. Het doel is daarom niet om één perfecte toekomst te vinden. Het doel is om voldoende relevante scenario’s te herkennen en bij onzekerheid voorzichtig te handelen.

Hoe werken sensoren, het wereldmodel en de planning samen?

Sensoren leveren waarnemingen. Een camera ziet bijvoorbeeld kleur, vorm en beweging. Radar kan afstand en snelheid meten. Lidar kan een ruimtelijk beeld van de omgeving opbouwen. De precieze combinatie verschilt per systeem.

Het wereldmodel gebruikt zulke informatie om veranderingen te voorspellen. De planning beoordeelt vervolgens welke eigen route of actie past bij het doel en de veiligheidsregels. De voertuigbesturing vertaalt die keuze naar sturen, remmen en versnellen.

Deze onderdelen moeten elkaar blijven controleren. Een wereldmodel kan een beweging verkeerd voorspellen doordat een object slecht zichtbaar is, sensordata onvolledig is of een verkeersdeelnemer ongebruikelijk gedrag vertoont. Nieuwe waarnemingen moeten daarom steeds worden vergeleken met de eerdere voorspelling.

Hoe worden wereldmodellen en zelfrijdende systemen getest?

Echte kilometers leveren belangrijke gegevens op, maar zeldzame en gevaarlijke situaties komen niet vaak genoeg voor om alleen op openbare wegen te oefenen. Simulaties maken het mogelijk om verkeersscenario’s herhaaldelijk te testen en gericht te veranderen.

Een aangeleerd wereldmodel kan als interactieve simulator functioneren. Het kan bijvoorbeeld voorspellen hoe een verkeerssituatie zich mogelijk ontwikkelt wanneer het voertuig eerder remt, een andere route kiest of met afwijkend gedrag van andere weggebruikers wordt geconfronteerd.

Waymo beschrijft een generatief wereldmodel dat onder meer camera en lidarbeelden voor interactieve simulaties maakt. NVIDIA onderzoekt eveneens wereldmodellen die nieuwe sensorbeelden genereren terwijl een rijbeleid acties uitvoert. Dit zijn concrete leveranciersvoorbeelden, geen onafhankelijk bewijs dat ieder zelfrijdend systeem op dezelfde manier werkt of dat de systemen veilig genoeg zijn voor brede inzet.

Simulatie blijft bovendien een benadering. Een model kan realistische beelden genereren en toch een belangrijke natuurkundige relatie, verkeersregel of uitzonderlijke reactie missen. Daarom moeten simulaties worden aangevuld met andere tests, veiligheidsanalyses en gecontroleerde praktijkervaring.

Juist bij wereldmodellen en zelfrijdende systemen moet zo’n simulatie daarom als testmiddel worden gezien, niet als zelfstandig bewijs van veiligheid.

Wat zijn de belangrijkste grenzen?

Een wereldmodel kan bruikbare voorspellingen maken, maar houdt beperkingen:

  • sensoren kunnen objecten missen door regen, mist, duisternis of afscherming;
  • ongebruikelijke verkeerssituaties kunnen buiten de trainingsdata vallen;
  • voorspellingen van meerdere weggebruikers kunnen elkaar beïnvloeden;
  • kleine fouten kunnen zich tijdens een langere voorspelling opstapelen;
  • een gegenereerd scenario kan overtuigend ogen en toch fysiek of verkeerskundig onjuist zijn;
  • prestaties in een simulatie bewijzen niet automatisch dat een systeem veilig is op de openbare weg.

Daarom is een wereldmodel geen vervanging voor onafhankelijke veiligheidsmaatregelen. Ook een sterk voorspellend systeem moet worden begrensd, getest en gecontroleerd.

Wat gebeurt er wanneer de onzekerheid te groot wordt?

Een veilig systeem moet niet doen alsof iedere situatie duidelijk is. Wanneer sensoren elkaar tegenspreken, de omgeving buiten het toegestane werkgebied valt of een technisch probleem ontstaat, is een veilige terugval nodig.

De Amerikaanse verkeersveiligheidsdienst NHTSA noemt een minimale risicotoestand als belangrijk onderdeel van geautomatiseerd rijden. Afhankelijk van het systeem kan dat betekenen dat een voertuig gecontroleerd vertraagt, afstand vergroot, stopt of de rit niet voortzet.

De precieze oplossing hoort niet uitsluitend van het wereldmodel af te hangen. Waymo beschrijft bijvoorbeeld afzonderlijke reservevoorzieningen voor rekenkracht, botsingsdetectie, remmen, sturen en stroomvoorziening. Het algemene principe is belangrijker dan één leverancier: veiligheid vraagt om meerdere verdedigingslagen wanneer een voorspelling of onderdeel faalt.

Wereldmodellen, robots en zelfrijdende systemen

Een zelfrijdend voertuig is een fysiek systeem dat waarneemt, plant en handelt. Daarmee sluit het aan op wereldmodellen en robots. Toch verdient verkeer een afzonderlijke uitleg.

Bij een robotarm draait de voorspelling bijvoorbeeld om beweging, contact en materiaal. In verkeer komen daar menselijke keuzes, onderlinge beïnvloeding, verkeersregels, hogere snelheden en voortdurend veranderende situaties bij. De mogelijke gevolgen van een fout kunnen bovendien groot zijn.

Veelgestelde vragen

Gebruikt iedere zelfrijdende auto een wereldmodel?

Niet noodzakelijk als afzonderlijk herkenbaar onderdeel. Systemen kunnen verschillende combinaties gebruiken van waarneming, bewegingsvoorspelling, planning, regels, kaarten en aangeleerde modellen. Het begrip wereldmodel beschrijft vooral de functie van het intern voorspellen van veranderingen en gevolgen.

Is objectdetectie hetzelfde als een wereldmodel?

Nee. Objectdetectie bepaalt welke objecten zichtbaar zijn en waar zij zich bevinden. Een wereldmodel probeert ook te leren hoe de omgeving kan veranderen en wat mogelijke acties veroorzaken.

Kan een wereldmodel een ongeluk voorkomen?

Het kan een systeem helpen risico’s eerder te herkennen en acties te vergelijken. Het kan zelf echter ook fouten maken. Veiligheid hangt daarom af van het volledige systeem, de testmethode, de grenzen van het gebruik en onafhankelijke reservevoorzieningen.

Waarom zijn simulaties belangrijk?

Simulaties maken het mogelijk om zeldzame, complexe of gevaarlijke situaties herhaaldelijk te testen zonder iedere variant op de openbare weg uit te voeren. De uitkomst blijft een modelresultaat en moet met andere vormen van bewijs worden gecombineerd.

Conclusie

Wereldmodellen en zelfrijdende systemen werken samen om verder te kijken dan het huidige sensorbeeld. Door meerdere mogelijke verkeerssituaties te voorspellen kan een systeem routes en acties vergelijken voordat het voertuig handelt.

De belangrijkste waarde is niet dat het model de toekomst zeker kent. De waarde zit in het zichtbaar maken van relevante mogelijkheden, onzekerheid en gevolgen. Omdat verkeer nooit volledig voorspelbaar is, blijven voortdurende waarneming, voorzichtige planning, onafhankelijke veiligheidslagen en een veilige terugval noodzakelijk.

Bekijk de wereldmodellenhub voor het volledige dossier. Lees daarnaast wat een wereldmodel is en hoe wereldmodellen robots helpen plannen.

Bronnen en verdieping