Selvkjørende biler kan revolusjonere hvordan funksjonshemmede kommer seg rundt i lokalsamfunnene og til og med reiser langt hjemmefra. Mennesker som ikke kan se bra eller med fysiske eller mentale vansker som forhindrer dem i å kjøre trygt, stoler ofte på andre - eller lokale myndigheter eller ideelle organisasjoner - for å hjelpe dem med å komme seg rundt.
Autonom kjøretøyteknologi på egen hånd er ikke nok til å hjelpe disse menneskene til å bli mer selvstendige, men samtidig fremskritt i maskinlæring og kunstig intelligens kan gjøre det mulig for disse kjøretøyene å forstå talte instruksjoner, observere omgivelser i nærheten og kommunisere med mennesker. Sammen kan disse teknologiene gi uavhengig mobilitet praktisk hjelp som er spesialisert for hver enkelt bruker sine evner og behov.
Mye av nødvendig teknologi finnes allerede, i alle fall i foreløpige former. Google har bedt en blind person om å teste sine autonome kjøretøy. Og Microsoft har nylig gitt ut en app som heter “Seeing AI” som hjelper synshemmede med å forstå og forstå verden rundt dem. “Seeing AI” bruker maskinlæring, naturlig språkbehandling og datamaskinvisjon for å forstå verden og beskrive den med ord til brukeren.
I laboratoriet jeg driver på Texas A&M, sammen med Texas A&M Transportation Institute, utvikler vi protokoller og algoritmer for mennesker med og uten funksjonshemninger og autonome kjøretøyer for å kommunisere med hverandre i ord, lyd og på elektroniske skjermer. Vår selvkjørende skyttelbuss har gitt turer til 124 personer, totalt 60 mil med reise. Vi finner ut at denne typen tjenester vil være mer nyttige enn dagens transportalternativer for funksjonshemmede.
Paratransit i dag
I henhold til Amerikanerne med nedsatt funksjonsevne fra 1990, må alle offentlige transportbyråer tilby transporttjenester til personer med fysiske handikap, synsmessige eller mentale forhold eller skader som forhindrer dem fra å kjøre på egen hånd. I de fleste lokalsamfunn er denne typen transport, vanligvis kalt "paratransit", som en ekstra nyttig drosjetjeneste som kjøres med offentlig transport. Rytterne reserverer på forhånd for turer til for eksempel dagligvarebutikker og medisinske avtaler. Kjøretøyene er vanligvis tilgjengelige for rullestolbrukere og blir drevet av trente operatører som kan hjelpe ryttere å gå ombord, finne seter og gå av på rett holdeplass.
Som drosjer kan paratransit være kostbart. En rapport fra myndighetens ansvarlighetskontor fra 2012 gir de eneste pålitelige landsdekkende estimatene. Disse tallene antyder at paratransit per tur koster tre til fire ganger hva massetransport koster. Og kostnadene øker, i likhet med antall mennesker som trenger å bruke paratransit. Samtidig har føderal, statlig og lokal finansiering for transittmyndigheter stagnert.
I et forsøk på å imøtekomme noe av etterspørselen, har mange samfunn redusert de geografiske områdene der paratransit er tilgjengelig og bedt funksjonshemmede om å bruke massetransport når det er mulig. Andre steder har man eksperimentert med tilbys-tjenester som Uber og Lyft. Men i mange tilfeller er ikke sjåførene opplært til å hjelpe funksjonshemmede, og kjøretøyene er vanligvis ikke rullestoltilgjengelige eller på annen måte egnet for visse ryttere.
En mulig løsning
Autonome skyttelbusser, som den vi tester på Texas A & M-campus, kan være en løsning på disse problemene med tilgang og finansiering. Vi ser for oss et fullt integrert system der brukere kan koble seg til utsendelsessystemet og opprette profiler som inneholder informasjon om deres funksjonshemninger og kommunikasjonspreferanser, samt spesielle hyppige destinasjoner for turer (som en hjemmeadresse eller et legekontor).
Når en syklist ber om en skyss, vil systemet deretter sende et kjøretøy som har noe spesielt utstyr som syklisten trenger, for eksempel en rullestolrampe eller ekstra rom, for eksempel for å tillate en servicehund å reise.
Når skyttelen kommer for å hente syklisten, kan den skanne området med lasere, kameraer og radar for å lage et 3D-kart over området, og slå sammen disse dataene med trafikk og geografisk informasjon fra forskjellige online kilder som Google Maps og Waze. Basert på alle disse dataene, ville det bestemme et passende boardingsted, og identifisere kutt på fortauskanten som lar rullestoler og turgåere passere så vel som å merke potensielle hindringer, som søppelbøtter som kan hentes. Kjøretøyet kan til og med sende en melding til syklistens smarttelefon for å indikere hvor den venter, og bruke ansiktsgjenkjenning for å identifisere riktig rytter før personen lar ri.
Under ombordstigning, turen og når syklisten nådde målet, kunne kjøretøyet kommunisere all relevant informasjon - for eksempel beregnet ankomsttid eller detaljer om omkjøringer - ved å samhandle med rytteren etter behov og lytte til svarene, eller ved å vise tekst på en skjerm og godta inntastet innskrift. Det vil tillate rytteren og skyttelen å samhandle uansett hva passasjerens evner eller begrensninger måtte være.
I vårt laboratorium utforsker vi forskjellige elementer i sykkelassistansesystemer, inkludert automatiserte rullestolramper og forbedrede sitteplasser for flere passasjerer som bruker rullestolbrukere. Vi studerer også elementer som påvirker sikkerheten, samt syklistenes tillit til kjøretøyene. For eksempel utvikler vi for tiden maskinlæringsalgoritmer som oppfører seg som gode menneskelige sjåfører gjør, og som etterligner hvordan mennesker reagerer på uforutsette omstendigheter.
Selvkjørende biler presenterer grunnleggende nye måter å tenke transport og tilgjengelighet på. De har potensial til å endre bydeler og enkeltpersoners liv - inkludert mennesker som er funksjonshemmede og ofte både bokstavelig og figurativt etterlatt. Med riktig planlegging og forskning kan autonome kjøretøy gi enda flere mennesker betydelig mer uavhengighet i livet.
Denne artikkelen ble opprinnelig publisert på The Conversation.
Srikanth Saripalli, førsteamanuensis i maskinteknikk, Texas A&M University
