एक सेल्फ-ड्राइविंग कार, जिसे स्वायत्त वाहन भी कहा जाता है, एक सड़क वाहन है जो सेंसर, कंप्यूटिंग और सॉफ्टवेयर से लैस होता है जो इसे अपने परिवेश को समझने और स्टीयरिंग, त्वरण और ब्रेकिंग को कम या समाप्त मानव इनपुट के साथ नियंत्रित करने की अनुमति देता है। सोसाइटी ऑफ ऑटोमोटिव इंजीनियर्स ड्राइविंग स्वचालन के छह स्तरों को परिभाषित करती है, लेवल 0 से, कोई स्वचालन नहीं, लेवल 2 के माध्यम से, आंशिक स्वचालन जिसमें निरंतर ड्राइवर पर्यवेक्षण की आवश्यकता होती है, लेवल 5 तक, बिना मानव ड्राइवर के सभी परिस्थितियों में पूर्ण स्वचालन; 2020 के दशक के मध्य तक, कोई भी व्यावसायिक रूप से तैनात प्रणाली विश्वसनीय रूप से लेवल 5 तक नहीं पहुंची थी, और अधिकांश सार्वजनिक रूप से उपलब्ध प्रणालियाँ लेवल 2 या, सीमित भू-बाड़ वाले क्षेत्रों में, लेवल 4 पर संचालित होती थीं।
DARPA से व्यावसायिक तैनाती तक
आधुनिक सेल्फ-ड्राइविंग अनुसंधान DARPA Grand Challenge से जुड़ा है, जो रेगिस्तानी इलाके में स्वायत्त वाहनों के लिए दौड़ की एक श्रृंखला थी जिसे DARPA ने 2004 और 2005 में आयोजित किया था, जब कोई भी टीम पहले कोर्स को पूरा नहीं कर पाई थी; 2005 का विजेता, स्टैनफोर्ड का स्टेनली, जिसका नेतृत्व सेबेस्टियन थ्रून ने किया, और बाद में 2007 का अर्बन चैलेंज, आधुनिक उद्योग के लिए प्रतिभा और प्रौद्योगिकी आधार को बीज देने में मदद की। Google ने 2009 में थ्रून के तहत अपनी सेल्फ-ड्राइविंग कार परियोजना शुरू की, जिसे 2016 में गूगल डीपमाइंड की सहयोगी कंपनी Waymo के रूप में अलग कर दिया गया। Waymo पहली कंपनी बनी जिसने बिना मानव सुरक्षा ड्राइवर के ड्राइवरलेस व्यावसायिक रोबोटैक्सी सेवा संचालित की, जिसे 2020 में फीनिक्स, एरिज़ोना में लॉन्च किया गया और बाद में सैन फ्रांसिस्को, लॉस एंजिल्स और अतिरिक्त अमेरिकी शहरों में विस्तारित किया गया। जनरल मोटर्स द्वारा समर्थित Cruise ने एक प्रतिस्पर्धी रोबोटैक्सी सेवा चलाई, जब तक कि 2023 में सैन फ्रांसिस्को में पैदल यात्री को घसीटने की घटना ने उसके बेड़े के राष्ट्रव्यापी निलंबन और प्रमुख नेतृत्व और रणनीति परिवर्तन का कारण नहीं बना।
टेस्ला का दृष्टिकोण
टेस्ला ने एलन मस्क के तहत एक अलग तकनीकी मार्ग अपनाया, जो Waymo और अधिकांश अन्य डेवलपर्स द्वारा उपयोग किए जाने वाले लिडार सेंसर के बजाय कैमरा-आधारित कंप्यूटर विज़न पर निर्भर था, और अपनी ड्राइवर-सहायता सुविधाओं को, जिन्हें Autopilot और Full Self-Driving के रूप में विपणन किया जाता है, उपभोक्ता वाहनों में वृद्धिशील रूप से भेजा, बजाय तकनीक को एक छोटे भू-बाड़ वाले रोबोटैक्सी बेड़े तक सीमित रखने के। "Full Self-Driving" ब्रांडिंग के बावजूद, सिस्टम को अपने सार्वजनिक रोलआउट के दौरान सक्रिय ड्राइवर पर्यवेक्षण की आवश्यकता रही है और यह लेवल 2 स्वचालन के रूप में वर्गीकृत है; दृष्टिकोण और इसके विपणन ने नियामक जांच को आकर्षित किया है, जिसमें अमेरिकी राष्ट्रीय राजमार्ग यातायात सुरक्षा प्रशासन द्वारा सुविधा से जुड़े दुर्घटनाओं की जांच शामिल है।
तकनीकी दृष्टिकोण
सेल्फ-ड्राइविंग सिस्टम आम तौर पर कई प्रकार के सेंसर, कैमरे, रडार और, टेस्ला के अलावा अधिकांश दृष्टिकोणों में, लिडार को जोड़ते हैं, जो कंप्यूटर विज़न पर निर्मित धारणा सॉफ्टवेयर के माध्यम से जुड़े होते हैं और तेजी से, विशुद्ध रूप से हाथ से कोडित नियमों के बजाय सीखे गए तंत्रिका-नेटवर्क मॉडल पर आधारित होते हैं। पथ योजना और नियंत्रण परतें फिर कथित परिवेश को ड्राइविंग निर्णयों में अनुवादित करती हैं, हाल के सिस्टम तेजी से एंड-टू-एंड सीखे गए मॉडल का उपयोग कर रहे हैं जो सेंसर इनपुट को अधिक सीधे ड्राइविंग क्रियाओं में मैप करते हैं, एक दृष्टिकोण जो अवधारणात्मक रूप से रोबोटिक्स में हाथ से इंजीनियर किए गए नियंत्रण के बजाय सीखे गए नियंत्रण की ओर व्यापक धक्का से संबंधित है।
लंबी पूंछ समस्या
पूर्ण स्वायत्तता के लिए केंद्रीय तकनीकी बाधा को अक्सर लंबी पूंछ के रूप में वर्णित किया जाता है: अधिकांश ड्राइविंग स्थितियां नियमित होती हैं और पहले से ही विश्वसनीय रूप से संभाली जाती हैं, लेकिन दुर्लभ किनारे के मामलों का एक छोटा, प्रभावी रूप से असीमित सेट, असामान्य सड़क चिह्न, अनियमित अन्य ड्राइवर, अप्रत्याशित पैदल यात्री व्यवहार, या अपरिचित मौसम, विफलताओं का कारण बनता रहता है, और सभी स्थितियों में मानव सुरक्षा से मेल खाने या उससे अधिक करने के लिए उस पूंछ को पर्याप्त रूप से कवर करना 2010 के दशक के शुरुआती उद्योग पूर्वानुमानों की तुलना में कहीं अधिक कठिन साबित हुआ है। सामान्य परिस्थितियों में प्रदर्शित क्षमता और दुर्लभ परिस्थितियों में मजबूती के बीच यह अंतर अन्य AI डोमेन में देखी गई समान विश्वसनीयता चुनौतियों के समानांतर है, जिसमें बड़े-भाषा-मॉडल प्रणालियों में मतिभ्रम शामिल है, और इसने बार-बार उद्योग भर में पूर्ण लेवल 5 तैनाती के लिए समयसीमा को पीछे धकेल दिया है।