Selvkørende biler kunne revolutionere, hvordan handicappede kommer rundt i deres samfund og endda rejser langt hjemmefra. Mennesker, der ikke kan se godt eller med fysiske eller mentale vanskeligheder, der forhindrer dem i at køre sikkert, er ofte afhængige af andre - eller lokale myndigheder eller nonprofitorganisationer - for at hjælpe dem med at komme rundt.
Autonom bilteknologi på egen hånd er ikke nok til at hjælpe disse mennesker med at blive mere uafhængige, men samtidige fremskridt inden for maskinindlæring og kunstig intelligens kan gøre det muligt for disse køretøjer at forstå talte instruktioner, observere omgivelser i nærheden og kommunikere med mennesker. Sammen kan disse teknologier give uafhængig mobilitet praktisk hjælp, der er specialiseret til hver enkelt brugers evner og behov.
Meget af den nødvendige teknologi findes allerede, i det mindste i foreløbige former. Google har bedt en blind person om at teste sine autonome køretøjer. Og Microsoft har for nylig udsendt en app kaldet “Se AI”, der hjælper synshandicappede med at få bedre fornemmelse og forstå verden omkring dem. “At se AI” bruger maskinlæring, naturlig sprogbehandling og computersyn til at forstå verden og beskrive den med ord til brugeren.
I laboratoriet, jeg kører på Texas A&M, sammen med Texas A&M Transportation Institute, udvikler vi protokoller og algoritmer for mennesker med og uden handicap og autonome køretøjer til at kommunikere med hinanden i ord, lyd og elektroniske skærme. Vores selvkørende shuttle har givet ture til 124 personer, i alt 60 miles af rejsen. Vi finder ud af, at denne type service ville være mere nyttig end de nuværende transportmuligheder for handicappede.
Paratransit i dag
I henhold til Amerikanerne med handicap fra 1990 skal alle offentlige transitbureauer tilbyde transporttjenester til personer med fysiske handicap, visuelle eller mentale forhold eller kvæstelser, der forhindrer dem i at køre alene. I de fleste lokalsamfund er denne type transport, typisk kaldet "paratransit", ligesom en ekstra hjælpsom taxa-service, der drives af offentlig transport. Kørere reserverer på forhånd for kørsel til fx dagligvarebutikker og medicinske aftaler. Køretøjer er normalt tilgængelige for kørestolsbrugere og køres af uddannede operatører, der kan hjælpe ryttere med at stige om bord, finde sæder og gå af ved det rigtige stop.
Ligesom taxaer kan paratransit være dyrt. En rapport fra regeringsansvarets kontor fra 2012 indeholder de eneste pålidelige landsdækkende skøn. Disse tal antyder, at paratransit per rejse koster tre til fire gange, hvad massetransport koster. Og omkostningerne stiger, ligesom antallet af mennesker, der har brug for paratransit. Samtidig har føderale, statslige og lokale finansieringer til transitmyndigheder stagneret.
I et forsøg på at imødekomme noget af efterspørgslen har mange samfund reduceret de geografiske områder, hvor paratransit er til rådighed og bedt handicappede om at bruge massetransport, når det er muligt. Andre steder har der været eksperimenteret med on-demand-hyiling-tjenester som Uber og Lyft. Men i mange tilfælde er chaufførerne ikke uddannet til at hjælpe handicappede, og køretøjerne er normalt ikke tilgængelige for kørestole eller på anden måde egnet til visse kørere.
En mulig løsning
Autonome pendulkørsler, som den, vi tester på Texas A&M-campus, kan være en løsning på disse problemer med adgang og finansiering. Vi ser for os et fuldt integreret system, hvor brugere kan oprette forbindelse til afsendelsessystemet og oprette profiler, der indeholder information om deres handicap og kommunikationspræferencer samt eventuelle særlige hyppige destinationer for ture (som en hjemmeadresse eller et lægekontor).
Når en rytter derefter anmoder om en shuttle, vil systemet sende et køretøj, der har noget specielt udstyr, som rytteren har brug for, f.eks. En kørestolsrampe eller ekstra rum, for eksempel for at give en servicehund mulighed for at rejse.
Når rumfærgen ankommer for at hente rytteren, kan den scanne området med lasere, kameraer og radar for at oprette et 3D-kort over området, og flette disse data med trafik og geografisk information fra forskellige online kilder som Google Maps og Waze. Baseret på alle disse data, ville det bestemme en passende boardingplads ved at identificere kantstenskår, der lader kørestole og vandrere let passere samt bemærke potentielle forhindringer, som skraldespande til opsamling. Køretøjet kunne endda sende en besked til rytterens smartphone for at indikere, hvor det venter, og bruge ansigtsgenkendelse til at identificere den rigtige rytter, før personen lader rides.
Under boarding, turen, og når rytteren nåede destinationen, kunne køretøjet kommunikere alle relevante oplysninger - såsom estimeret ankomsttid eller detaljer om omkørsler - ved at interagere med rytteren efter behov og lytte til svarene eller ved at vise tekst på en skærm og acceptere indtastet input. Det ville gøre det muligt for rytteren og skyttlen at interagere uanset hvad passagerens evner eller begrænsninger måtte være.
I vores laboratorium undersøger vi forskellige elementer i kørestøtte-systemer, inklusive automatiserede kørestolsramper og forbedrede siddepladser for flere passagerer, der bruger kørestol. Vi studerer også elementer, der påvirker sikkerheden såvel som kørernes tillid til køretøjerne. For eksempel udvikler vi i øjeblikket maskinelæringsalgoritmer, der opfører sig som gode menneskelige chauffører gør, som efterligner, hvordan mennesker reagerer på uforudsete omstændigheder.
Selvkørende biler præsenterer grundlæggende nye måder at tænke på transport og tilgængelighed på. De har potentiale til at ændre kvarterer og enkeltpersoners liv - inklusive mennesker, der er handicappede og ofte både bogstaveligt og billedligt efterladt. Med ordentlig planlægning og forskning kan autonome køretøjer give endnu flere mennesker betydeligt mere uafhængighed i deres liv.
Denne artikel blev oprindeligt offentliggjort på The Conversation.
Srikanth Saripalli, lektor i maskinteknik, Texas A&M University
