شرکت Waymo، بازوی تکنولوژی خودران زیرمجموعه Alphabet، به تازگی گزارش عملکرد جدیدی را منتشر کرده است که نشان می‌دهد سیستم‌های هوش مصنوعی این شرکت در پیمایش بیش از ۲۷۱ میلیون مایل، موفق به کاهش قابل‌توجه سوانح رانندگی منجر به جرح در مقایسه با رانندگان انسانی شده‌اند.
داده‌های آماری: فراتر از حدس و گمان
بر اساس گزارش‌های فنی منتشر شده در پاییز ۱۴۰۵، وایمو اعلام کرد که فناوری خودران این شرکت موفق شده است از ۸۴۱ تصادف منجر به جرح جلوگیری کند که این رقم معادل کاهش ۸۲ درصدی نسبت به بنچمارک‌های انسانی است. این تحلیل بر اساس داده‌های جمع‌آوری شده تا پایان خرداد ۱۴۰۵ در شهرهای بزرگ ایالات متحده از جمله سانفرانسیسکو، لس‌آنجلس، آستین، آتلانتا و فینیکس استخراج شده است.
معماری ایمنی و حفاظت از کاربران آسیب‌پذیر
یکی از درخشان‌ترین بخش‌های این آمار، مربوط به ایمنی کاربران آسیب‌پذیر جاده‌ای است. الگوریتم‌های مسیریابی و واکنش سریع Waymo نشان می‌دهند که نرخ سوانح منجر به جرح برای عابران پیاده ۹۳٪، برای دوچرخه‌سواران ۸۶٪ و برای موتورسواران ۸۲٪ کاهش یافته است. این سیستم با استفاده از ترکیبی از سنسورهای LiDAR، رادار و دوربین‌های با رزولوشن بالا، پردازش داده‌ها را در لحظه انجام می‌دهد تا در موقعیت‌های خطرناک که معمولاً توسط خطای انسانی منجر به فاجعه می‌شود، واکنش نشان دهد.
تحلیل مقایسه‌ای: پایداری در مقیاس بالا
وایمو در گزارش خود اشاره کرده است که از پایان اسفند ۱۴۰۴ تا پایان خرداد ۱۴۰۵، بیش از ۵۰ میلیون مایل رانندگی بدون راننده (Driverless) به دیتابیس عملیاتی خود اضافه کرده است. این رشد سریع، اعتبار آماری یافته‌ها را افزایش می‌دهد. نکته حائز اهمیت، کاهش ۹۵ درصدی در سوانحی است که منجر به «جراحات جدی یا وضعیت بدتر» می‌شوند. این آمار نشان‌دهنده اثربخشی لایه‌های امنیتی در سرعت‌های بالا و محیط‌های شهری پیچیده است.
مشخصات و آمار کلیدی عملیاتی (تا پایان خرداد ۱۴۰۵):
- کل مسافت طی شده بدون راننده: ۲۷۱ میلیون مایل
- کاهش سوانح منجر به جرح: ۸۲ درصد نسبت به انسان
- کاهش سوانح منجر به جراحات شدید: ۹۵ درصد
- کاهش تصادفات عابران پیاده: ۹۳ درصد
- شهرهای تحت پوشش: سانفرانسیسکو، لس‌آنجلس، آستین، آتلانتا و فینیکس
چالش‌ها و نگاه به آینده
اگرچه گزارش‌های شرکت Waymo توسط برخی منابع مستقل نیز تایید شده است، اما تحلیل‌گران حوزه خودروهای خودران همواره بر اهمیت شفافیت در متدولوژیِ جمع‌آوری داده‌ها تاکید دارند. این سیستم نه تنها باید به داده‌های پیمایش تکیه کند، بلکه باید در شرایط جوی مختلف و محیط‌های غیرقابل پیش‌بینی شهری، پایداری خود را اثبات کند. ویدئوهای منتشر شده از لحظات «نزدیک به تصادف» (Near-misses)، قدرت سیستم در شناسایی زودهنگام خطر و ترمزگیری‌های اضطراری را به خوبی به نمایش می‌گذارد که پیش‌نیاز اصلی برای پذیرش عمومی تاکسی‌های رباتیک (Robotaxis) در آینده نزدیک است.
