I denne temapakken i Logistikk Inside om autonom veitransport er hovedfokuset varetransport med lastebiler. Likevel utvikles ikke autonom teknologi i et vakuum. Mange av de viktigste byggesteinene for selvkjørende kjøretøy blir i dag utviklet og testet i personbilsegmentet – og det er her den mest grunnleggende konflikten i hele feltet utspiller seg.
Den kan i grove trekk beskrives som Tesla mot «røkla»: to fundamentalt ulike sikkerhetsstrategier for autonom kjøring med hensyn til hva slags sensorer man trenger på et kjøretøy for at det skal kunne ferdes sikkert i trafikken.
Her står Tesla alene på den ene siden mens "alle andre" står på den andre. Kort oppsummert handler det om Teslas valg om å si at AI og kameraer er tilstrekkelig.
Omstridt
Tesla tok for noen år siden det som ble ansett som et radikalt teknologisk valg. I stedet for å videreutvikle en regel- og kodebasert «virtuell sjåfør», gikk selskapet i økende grad over til å la systemet lære av data.
Ambisjonen er mer «end-to-end»: fra sanseinntrykk via kameraer til beslutning og kontroll av ratt, brems og gass – med færre nedskrevne mellomregler. Store nevrale nettverk trenes på enorme mengder video- og kjøredata fra Teslas globale bilpark.
Parallellen som ofte trekkes, er til store språkmodeller som ChatGPT og Gemini. Det er riktignok en grov forenkling, men som en overordnet og lett forståelig metafor egner den seg.
For språkmodellene lærer ikke verden gjennom eksplisitte regler, men ved å finne mønstre i enorme datasett og generalisere til nye situasjoner. Forskjellen er imidlertid åpenbar: Teslas system må forstå og handle i en fysisk, dynamisk verden – i sanntid – med nulltoleranse for feil.
Tesla omtaler selv dette som en «biologisk tilnærming», inspirert av hvordan mennesker orienterer seg visuelt i trafikken. Menneskelige sjåfører baserer seg på synsinntrykkene når vi kjører. Ifølge Teslas logikk vil et tilstrekkelig avansert nevralt nettverk kunne gjøre det samme – også basert på kameraer alene.
Denne filosofien har ført til at Tesla over tid har fjernet både radar og ultralydsensorer fra sine produksjonsmodeller. LiDAR har aldri vært brukt.
Kritikere mener dette først og fremst handler om kostnader. Færre sensorer gir lavere enhetskostnader og bedre marginer – eller lavere salgspriser (økt salgsvolum).
Tesla avviser dette og hevder at flere sensorer ikke nødvendigvis gir høyere sikkerhet. Toppsjefen Elon Musk har vist til at sensorfusjon kan gi motstridende signaler og bidra til såkalt «phantom braking», der bilen bremser for noe som ikke finnes.
Når kamera og radar/LiDAR sier forskjellige ting, må systemet «velge» hvem det skal stole på. Ved å fjerne sensorkilder elimineres denne konflikten. Dette har Tesla selv pekt på som en viktig årsak til at radar ble fjernet. Kritikerne mener på sin side at man fjerner et helt nødvendig sikkerhetsnett.
Musk omtaler dessuten både kartavhengighet og sensortunge løsninger som en «krykke» som hindrer ekte kunstig intelligens i å nå sitt fulle potensial. Teslas svar er å satse fullt på «vision»: kameraer og AI som alene skal forstå verden og ta riktige beslutninger.
Impnerende teknologi, men fortsatt kun på autonomigrad 2
Få selskaper bidrar mer til å splitte opinionen enn Tesla og Elon Musk.
Men om man ønsker en mer opplyst debatt bør man kunne ha to tanker i hodet samtidig. For Tesla har utviklet en imponerende FSD-løsning. Uavhengig av hva man mener om Musk og Tesla, må man gi ingeniørene i selskapet honnør for løsningen de har levert til nå.
Mange Tesla-eiere i USA som har tatt i bruk de siste oppdateringene av FSD er ekstatiske over hvordan kjøretøyet oppfører seg "normalt" på veien.
Måten de har samlet inn vanvittige mengder data som kan brukes til å tolke enhver tenkelig situasjon er imponerende. Med millioner av kjøretøy som ruller langs veien og samler inn reelle data om hvordan ulike scenarioer faktisk håndteres - av menneskelige sjåfører - er både godt tenkt og godt utført.
Det er også snakk om teknologi som hele tiden videreutvikles. Dagens versjon vil ikke være like god som den som benyttes om to eller tre år.
Men det store spørsmålet gjenstår likevel: Er det godt nok?
For når man snakker om Tesla og FSD (Full Self Driving) er det viktig å minne om at dette kun er klassifisert som "førerstøtte" - altså på autonomasjonsgrad 2. Ikke under noen omstendighet overlates ansvaret for kjøringen til bilen. Om det smeller er det førerens skyld. Punktum.
Tesla har riktignok innledet noen testpiloter med Robotaxi i enkelte byer i USA. Men her er det sikkerhetsoperatør i bilen (én testpilot i Austin, Texas, i begrenset omfang tillater testing uten sikkerhetsoperatør i kjøretøyet, men via annet fallback-system).
Spørsmålet mange stiller seg er om ansvaret noen gang faktisk kan flyttes bort fra mennesket - å gå fra FSD Supervised (overvåket) til FSD Unupervised (reell autonomi).
I en fersk artikkel fra bransjenettstedet Electrek vises det blant annet til bekymringsverdige kollisjonsdata for Teslas Robotaxi-tjeneste i Austin, Texas. Skeptikerne bruker naturligvis dataene som en bekreftelse på at vision-only ikke er godt nok. Så hører det til historien at Tesla bestrider hvordan disse ulykkesdataene skal tolkes.
Sensorfusjon som sikkerhetsdogme
Det er i USA debatten om de ulike sikkerhetsregimene er mest høylytt. For det første er det kun her Tesla har rullet ut de mest avanserte FSD-funksjonene (i mange land, deriblant Norge, er mesteparten av funksjonene geoblokkert på grunn av regulatoriske begrensninger/UNCE-regelverket). For det andre er det her selskaper som Waymo allerede har startet med kommersielle førerløse drosjetjenester i relativt stor skala.
Waymo, som er eid av Alphabet (Googles morkonsern), har valgt en annen strategi enn Tesla: Der Tesla forenkler, bygger Waymo redundans.
I motsetning til Tesla produserer ikke Waymo kjøretøyene selv. De er en ren teknologileverandør, som leverer drosjetjenester via en virtuell sjåfør basert på ombygde kjøretøy fra diverse kjøretøyprodusenter.
Sentralt hos Waymo står høy grad av sensorfusjon, der de kombinerer kamera, radar og LiDAR. Målet er at systemet fortsatt skal ha nok informasjon dersom én sensor blir blendet eller mister sikt. Dette er samme grunnarkitektur de fleste andre aktører i både personbil og tungtransport bygger på – også i norske piloter, blant annet Ruters selvkjøringsprosjekt i Oslo.
Waymo opererer på SAE-nivå 4 i en håndfull amerikanske byer og uten sikkerhetssjåfør. Selskapet viser til data som antyder færre alvorlige hendelser enn for menneskelige sjåfører i sammenliknbare miljøer, men systemet er likevel ikke feilfritt.
Det ble synlig i slutten av januar, da NHTSA, USAs føderale trafikksikkerhetsmyndighet, varslet nærmere gjennomgang etter en kollisjon ved en barneskole i Santa Monica, California. Ifølge Reuters løp et barn ut i veien fra bak en parkert SUV og ble truffet av en Waymo-bil. Kjøretøyet rakk å bremse kraftig, der hastigheten ble redusert fra 27 km/t til 10 km/t på selve kollisjonstidspunktet, noe som gjorde at barnet kun fikk lettere skader.
Teknisk illustrerer episoden en klassisk “okklusjonsutfordring”: Når et objekt er skjult bak en hindring - i dette tilfellet en SUV - er det usynlig både for mennesker og sensorer – helt til det plutselig er i kjørebanen. Da handler sikkerhet mindre om hvilke sensorer du har, og mer om hvor stor margin systemet legger inn i miljøer der “noe kan komme fra ingenting”. Slike hendelser ved en barneskole skrur raskt opp temperaturen i det offentlige ordskiftet.
- For noen er det bevis på at teknologien ikke hører hjemme der barn ferdes.
- For andre er poenget det motsatte – at den raske, automatiske nødbremsen trolig bidro til at utfallet ikke ble verre. Kjøretøyet holdt fartsgrensen, og når barnet først ble oppdaget av sensorene, var responsen lynrask.
Lastebiler har høyere sikkerhetskrav
Forskjellen mellom de to sikkerhetsregimene blir enda tydeligere i tungtransport. Dersom en lastebil er involvert i en ulykke, bidrar den voldsomme kinetiske energien til at utfallet raskt kan bli fatalt. I lastebilsegmentet er kravet til lang rekkevidde og robust deteksjon enda høyere enn for en personbil: En 40-tonns vogntog har vesentlig lengre bremselengde, særlig i motorveihastigheter, og må oppdage hindringer langt fremme – også når siktforholdene er krevende.
Skal sjåføren fjernes, blir redundans og fallback-systemer avgjørende. Per nå er det vanskelig å se for seg et regulatorisk regime - noe sted - som åpner for selvkjørende lastebiler på 40–50 tonn på offentlig vei uten en omfattende sensorpakke som også inkluderer LiDAR-teknologi og tydelig dokumentasjon av sikkerhetsmarginer.
