ロボットが人間の生活の中で非常に統合され、今日のスマートフォンと同じくらい一般的になる未来を想像してみてください。 ロボット工学の分野は、認知的な仕事や身体的な仕事を支援することによって、職場、家庭、遊びでの生活の質を大幅に向上させる可能性があります。 何年もの間、ロボットは危険で汚れた、鈍い仕事で人間の活動を支え、深海から深宇宙まで到達できない環境の探査を可能にしてきました。 ますます、より有能なロボットは、認知レベルで人間や他の機械に適応し、学習し、対話することができます。
過去十年間の技術の急速な進歩は、コンピューティングが不可欠になってきました。 コンピューティングは、私たちの仕事、生活、遊びの方法を変えました。 ロボット工学の進歩と相まって、実質的にすべてのデジタル化は、ハイテク機械へのアクセスが民主化され、カスタマイズが広まっている未来を約束 ロボットは、より複雑な計算を実行し、より豊かなセンサーとより良いアクチュエータを介して世界と対話する能力のために、ますます能力が高まって
人々と一緒に働く多くのカスタマイズされたロボットとの接続された世界は、すでに新しい雇用を創出し、既存の雇用の質を向上させ、人々が面白く、重要 今日、ロボットは既に産業および国内設定の私達のパートナーになってしまいました。 彼らは工場や手術室の人々と並んで働いています。 彼らは私達の芝生を刈り、私達の床に掃除機をかけ、そして私達の牛を搾り出す。 数年後、彼らは私たちの生活のさらに多くの部分に触れるでしょう。
あなたの無人の車の中で仕事に通勤すると、あなたが読んで、呼び出しを返し、お気に入りのポッドキャストに追いつく、さらには昼寝をできるように ロボットカーはまた、あなたが何をする必要があるかを追跡し、すべてのあなたの雑用が行われていることを確認するためにあなたのルートを計画し、最 無人の車は自動フォークリフトが重い目的を持ち上げることによって引き起こされる背部傷害の除去を助けることができる間、車の事故からの死亡者を減らすのを助ける。 ロボットは、いくつかの既存のジョブを変更することができますが、全体的に、ロボットは大きな社会貢献をすることができます。 芝生ケアロボットとプール清掃ロボットは、これらのタスクがどのように行われるかを変更しました。 ロボットは、大小の問題で人類を支援することができます。
ロボット工学の進歩と相まって、実質的にすべてのもののデジタル化は、ハイテク機械へのアクセスが民主化され、カスタマイズが広まっている未来を約束します
ロボット工学の目的は、人間を機械化し、自動化することによって置き換えるのではなく、むしろ、ロボットが人間とより効果的に協力できるようにする新しい方法を見つけることです。 ロボットは、数値を計算したり、正確に移動したりするなどの作業で人間よりも優れています。 ロボットははるかに重い物体を持ち上げることができます。 人間は、推論、抽象化の定義、以前の経験を引き出す能力のおかげで一般化または専門化のようなタスクでロボットよりも優れています。 ロボットと人間が一緒に働くことで、お互いのスキルを強化し、補完することができます。
自律性を可能にする10年の進歩
過去10年間のロボット工学の進歩は、ロボット機器が独自の方法で人や環境を移動、操作、対話できることを示 ロボットの移動能力は、正確なセンサ（例えば、レーザースキャナ）、高性能モーター、およびマッピング、局在化、運動計画、およびウェイポイントナビゲーションのための堅牢なアルゴリズムの開発の広い可用性によって可能にされています。 ロボット本体（ハードウェア）やロボット脳（ソフトウェア）の開発の進歩により、多くの新しいアプリケーションが可能になりました。
ロボットの能力は、身体と脳を構成する計算との緊密な結合によって定義されます。 例えば、飛行するロボットは、飛行することができる身体と飛行を制御するアルゴリズムを持たなければならない。 今日のロボットは、地上、空中、水中で基本的な移動を行うことができます。 彼らは、オブジェクトを認識し、新しい環境をマップし、ピックアンドプレイス操作を実行し、制御を改善することを学び、単純な人間の動きを模倣し、新 例えば、最新のサッカーロボットやアルゴリズムは、RoboCupと呼ばれる毎年のロボットサッカー大会で実践されています。
ディスクストレージの最近の進歩、インターネットの規模と性能、無線通信、設計と製造をサポートするツール、電子機器の電力と効率、データストレージの世界的な成長と相まって、ロボットの開発には複数の方法で影響を与えている。 ハードウェアコストが下がり、電気機械部品の信頼性が向上し、ロボットを作るためのツールがより豊かになり、プログラミング環境がより容易に利用可能になり、ロボットはクラウドを通じて世界の知識にアクセスできるようになります。 パソコンからパーソナルロボットへの飛躍を想像し始めることができ、ロボットが普及して人間と並んで働く多くのアプリケーションにつながります。
ロボット工学の目的は、人間を機械化し、タスクを自動化することによって置き換えることではなく、むしろ、ロボットが人間とより効果的に協働することを可能にする新しい方法を見つけることです
輸送は素晴らしい例です。 それはそれと対話することができ、ロボットを構築することであるよりも、世界を介してロボットを移動する方がはるかに簡単です。 この10年間で、アルゴリズムとハードウェアの大幅な進歩により、自動運転車の最適化された艦隊で、人や物がはるかに安全で便利な方法で移動される世界を想像することが可能になりました。
一年間で、アメリカ人はほぼ三兆マイルを運転しています。あなたが60mphでそれを平均するならば、それは車の中で費やされるほぼ500億時間まで加算されます。2地球の残りの部分を考慮すると、その数は指数関数的に増加します。 しかし、私たちの車に費やされた時間は課題がないわけではありません。 今日、米国では5秒ごとに自動車事故が発生しています。3世界的には、道路交通傷害は、毎年約1.24万人の命が失われ、死の第八の主要な原因です。4この恐ろしい人間のコストに加えて、これらのクラッシュは巨大な経済的な通行料を取ります。 国道の交通安全の管理は約$277十億年で米国の経済的な費用を計算しました。5これらの数字に凹みを入れることは大きな課題ですが、取り組むことが非常に重要です。 自動運転車は、交通事故を排除する可能性があります。
車が学ぶことができれば想像してみてください…私たちが運転する方法を学ぶ…衝突の責任を負わない方法を学ぶ…私たちが運転するときに必要なもの 彼らが信頼されたパートナーになることができれば何か。 私たちがトリッキーな道路をナビゲートするのを助けることができるパートナー、私たちが疲れているときに私たちの背中を見て、車の中で私たちの時間 あなたの車はあなたがハードな一日を過ごしていると言うことができ、あなたが運転する方法を慎重に見ながら、あなたがリラックスするのに役立 あなたの車はまた、あなたが昨日あなたの両親に電話するのを忘れて、家に帰る途中で穏やかなリマインダーを発行したことを知っていた場合はどう そして、あなたが高速道路の退屈なストレッチで車に運転を裏返すことができるので、その呼び出しを行うのは簡単だったと想像してみてくださ
過去数年間にこの驚異的な可能性を認識し、ほとんどの自動車メーカーは自動運転車プロジェクトを発表しました。 Google/Waymoの車は、数百万の無事故マイルを運転するためのニュースに多くのことをされています;日産は2020年までに自動運転車を約束しました; メルセデスは2014年モデルS自律走行車のプロトタイプを作成し、トヨタは2015年に衝突の責任を負うことのない車を開発する野心的なプログラムを発表し、人工知能を進めるために1億ドルを投資した。
このスペースには、大きな範囲の車の機能にわたって多くの活動があります。 すべてのさまざまな進歩がどこに落ちるかを理解するには、国道交通安全局（NHTSA）の5つのレベルの自律性の分類を見ると便利です：レベル0には自動化; レベル1には、リアカメラを使用するなど、人間のドライバーへの追加フィードバックのためのツールが含まれています。レベル2には、アンチロックブレーキなどのローカライズされたアクティブコントロールが含まれています。レベル3には、選択された自律性のサポートが含まれていますが、人間は（テスラの自動操縦のように）引き継ぐ準備ができている必要があります。レベル4には、いくつかの場所での自律性が含まれています。レベル5は、すべての環境で常に自律性です。
自動運転車の自律性のレベルを特徴付ける別の方法は、（1）車両の速度を定義する3つの軸によるものです; (2)車両が移動する環境の複雑さ、および(3)その環境における移動エージェント（車、人、自転車など）との相互作用の複雑さ。 研究者は、レベル5の自律性に近づくことを目的として、これらの軸のそれぞれに沿って封筒を押しています。
過去10年間、アルゴリズムとハードウェアの大幅な進歩により、自動運転車の最適化されたフリートにより、人や物がはるかに安全で便利な方法で移動される世界を想像することが可能になりました
過去10年間のアルゴリズムとハードウェアの進歩により、今日の技術は、周囲の歩行者や他の車両との相互作用が低い複雑さの低い環境で、レベル4の低速展開の準備ができています。 これには、退職コミュニティやキャンパスなどの私道や、あまり混雑していない公道での自律性が含まれます。
レベル4の自律性は、ロボットに利用可能なハードウェアとアルゴリズムの十年の進歩によって可能にされています。 最も重要なのは、いくつかの重要なアルゴリズム開発の収束です：マップ作成、車両がマップを作成するために、そのセンサーを使用することができま; 計画と意思決定は、車両が今見ているものに基づいて次に何をすべきかを把握することができることを意味し、信頼性の高いハードウェアだけでなく、車が人間から運転する方法を学ぶことを可能にする運転データセットを意味します。 今日では、非常に多くの同時計算を行い、より多くのデータをクランチし、リアルタイムでアルゴリズムを実行することができます。 これらの技術は、私たちが現実的に道路上の自律性のアイデアを議論することができる時点に私たちを連れて行きました。
しかし、まだレベル5の自治権は持っていません。 レベル5の自律性に向けた技術的課題は次のとおりです: 混雑時の運転、高速での運転、悪天候（雨、雪）での運転、人間の運転手の間での運転、高密度マップのない地域での運転、コーナーケースへの対応。 車両の知覚システムは、人間の目と同じ品質と有効性を持っていません。 明確にするために、他の車両がどれくらい速く動いているかを正確に推定するように、機械が人よりも優れていることがいくつかあります。 しかし、ロボットは私たちの認識能力を共有していません。 どうやって彼らができたのですか？ 私たちは、世界を観察し、それを理解する方法を学ぶ私たちの一生を費やしています。 マシンはこれを行うためのアルゴリズムと、それが何を意味するのかを伝えるために注釈を付けられたデータの多くと多くのデータを必要とします。 自律性を可能にするためには、人間の介入なしに、はるかに少ない例から教師なしの方法で学ぶのに役立つ新しいアルゴリズムを開発する必要が
自動運転の研究開発を推進している2つの哲学があります：直列自律性と並列自律性。 並列自律性は、ドライバーが車輪にあるドライバーアシスト技術の開発に関係しますが、ドライバーアシストシステムは、衝突を防止したり、道路上の車を保 車の自律性機能は段階的に成長しますが、人間と並行して動作します。 平行自主性のアプローチは車がどこでも、いつでも作動するようにする。 シリーズ自律性は、人間や車が担当しているが、両方ではないという考えを追求しています。 車が自律モードになっているとき、人間は運転に何ら貢献しません。 車の自律性機能も徐々に成長しますが、この車は自律性パッケージでサポートされている機能に応じてのみ動作できます。 車は徐々にますます複雑な環境で動作します。
自動運転の研究開発には、直列自律と並列自律の二つの哲学があります。 後者は、ドライバーが車輪にいるドライバーアシスト技術の開発に関係していますが、ドライバーアシストシステムは、ドライバーが何をするかを監視し、必要に応じて介入します
今日のシリーズ自律ソリューションは、閉鎖された環境（車両が運転できる道路によって定義される）で動作します。 自律性のレシピは、ドライブバイワイヤー制御とカメラやレーザースキャナなどのセンサーで車両を強化することから始まります。 センサーは、地図を作成し、歩行者や他の車両などの移動する障害物を検出し、車両を世界にローカライズするために使用されます。 自動運転ソリューションは、マップベースであり、同時ローカリゼーションとマッピング（SLAM）の分野での進歩の十年の恩恵を受けています。 マップは、可能なすべての道路セグメントで自律走行車を運転し、センサーで特徴を収集することによって構築されます。 マップは、後続の各自律ドライブに使用され、開始から目標までのパスを計画し、障害物を避けながらパスを実行し、パスを実行する際に車両をローカライズ
ほとんどの自動運転車会社は、車線、縁石、停止標識などの正確な位置で細心の注意を払ってラベル付けされた詳細な3Dマップを開発した主要都市 これらのマップには、車両のセンサーによって検出された環境特徴が含まれています。 マップは、ローカル空間をスキャンするために光に依存する3D LIDARシステムを使用して作成され、何百万ものデータポイントを蓄積し、それぞれの場所を定
自動運転車をグローバルな技術で実現したいのであれば、この詳細な事前地図への依存は問題です。 今日の自動運転車は、私たちが地図を持っていない農村環境、つまり、舗装されていない、点灯していない、または信頼性の低いマークされている何百万マイル MIT CSAILでは、GPSとセンサーだけを使用する前に、これまでになかった道路を自動運転車がナビゲートできるようにするための最初のステップとしてMapLiteの開発 当社のシステムは、GOOGLEマップで見つけるようなGPSデータと、LIDARセンサーから取得したデータを組み合わせたものです。 一緒に、これら二つの要素は、私たちは自律的に複数の未舗装の田舎道で車を運転し、確実に事前に100フィート（30メートル）以上の道路を検出することができ 他の研究者は、様々な程度の成功を収めて、異なる地図なしのアプローチに取り組んできました。 LIDARのような知覚センサーを使用する方法は、多くの場合、道路標識に大きく依存したり、道路縁石の形状について広範な一般化を行う必要があります。 一方、ビジョンベースのアプローチは、理想的な条件ではうまく機能することができますが、悪天候や悪い照明がある場合に問題があります。 「レベル5の自律性」、つまりいつでもどこでも自律性という点では、私たちはまだ何年も離れていますが、これは技術的課題と規制上の課題の両方のた
自動運転車は、ゴルフカート、車椅子、スクーター、荷物、ショッピングカート、ゴミ箱、さらにはボートなど、さまざまな形を取ることができます。 これらの技術は、膨大な数の新製品やアプリケーションへの扉を開きます
技術面での進歩は重要ですが、政策を追いつくことは当然のことながら複雑で漸進的なプロセスでした。 政策立案者は、自動運転車が規制されるべきレベルについてまだ議論している。 どのような種類の車両が道路上で許可されるべきであり、誰がそれらを操作することが許可されていますか？ 安全性はどのようにテストされ、誰によってテストされるべきですか？ さまざまな責任体制が自律走行車のタイムリーで安全な採用をどのように形作るのか、そしてトレードオフは何ですか？ 州ごとの法律や規制のパッチワークの意味は何ですか、そしてこれらの政策を調和させる上でのトレードオフは何ですか？ 政策立案者はどの程度まで自動運転車の採用を奨励すべきか？ 例えば、スマート道路インフラ、専用の高速道路レーン、メーカーや消費者のインセンティブを介して？ これらは、公道での自動運転車の使用に関する複雑な問題です。 同時に、現在すでに展開可能な自律性の一形態は、「レベル4自律性」であり、一部の環境では時々自律性として定義されています。 この技術は、天気の良い日に、プライベートな方法で、そしてより低い速度で運転できる自律走行車のためにここにあります。
退職コミュニティ、キャンパス、ホテル、遊園地などの環境は、すべてレベル4の自律性技術の恩恵を受けることができます。 自動運転車は、ゴルフカート、車椅子、スクーター、荷物、ショッピングカート、ゴミ箱、さらにはボートを含む多くの異なる形態を取ることができます。 これらの技術は、オンデマンドでのモビリティから、自律的な買い物や商品の輸送、病院でのより効率的なモビリティまで、幅広い新製品やアプリケーシ 誰もが交通機関が広く利用可能なユーティリティになることから利益を得るだろうが、それらの利点は、新しいドライバー、私たちの高齢者、および病気や障
車の自律性を可能にする技術は、非常に広い社会的影響を与える可能性があります。 自動化されたゴルフカートによって安全に運ばれる退職のコミュニティの居住者を想像しなさい。 将来的には、今日の掃除機だけでなく、芝刈り機やごみ缶など、車輪の上のものを自動化することができます。
自動運転車をグローバルな技術で実行可能にしたいのであれば、詳細な事前地図への依存が問題です。 今日の自動運転車は、私たちが地図を持っていない農村環境では運転できません
このレベルの自動化を可能にするのと同じ技術を使用して、盲人のような障害を扱う人々がこれまでに不可能な方法で世界を体験するのを助けることさえできます。 視覚障害は、世界中の約285万人に影響を与え、モビリティとロボット支援の増加から非常に利益を得ることができる人々。 これは、技術がしばしば取り残されたり無視されたりした人口のセグメントですが、この場合、技術はすべての違いを生む可能性があります。 自動運転車で使用されるセンサーやrun autonomyソフトウェアを含むウェアラブルデバイスは、視覚障害者が安全に、杖よりもはるかに豊かな方法で世界を体験
ロボットは、近い将来、人や物の輸送方法を変えるでしょう。 しかし、その後すぐに、それは時間通りに物事を提供する以上のことを行います。
ロボット工学の課題
最近の大きな進歩と将来への約束にもかかわらず、今日のロボットはまだ物事を把握する能力が非常に限られており、コミュ ロボットを広く採用するには、人間を機械の世界に統合するのではなく、人間の世界にロボットを自然に統合する必要があります。
推論
ロボットは、計算が慎重に指定されているため、限られた推論しか実行できません。 今日のロボットでは、すべてが簡単な指示で綴られており、ロボットの範囲は完全にそのプログラムに含まれています。 人間が当たり前のように取るタスク、例えば”私は前にここにいたことがありますか？”ロボットのために悪名高い困難です。 ロボットは、彼らが訪問した場所の特徴を記録します。 これらの機能は、カメラやレーザースキャナなどのセンサーから抽出されます。 ロボットがすでに見たシーンに属するフィーチャと、同じオブジェクトの一部を含む新しいシーンを区別することは、マシンにとって困難です。 一般的に、センサやアクチュエータから収集されたデータは大きすぎて低すぎるため、ロボットが情報を効果的に使用できるようにするには、意味のある抽象化にマッピングする必要があります。 ビッグデータに関する現在の機械学習研究では、大規模なデータセットを意味的に意味のある少数のデータポイントに圧縮する方法に取り組んでいます。 要約はロボットでも使用できます。 たとえば、ロボットは視覚的な履歴を要約して、”私が以前にここにいたかどうかを判断するために必要な画像の数を大幅に減らすことができます。”
さらに、ロボットは予期しない状況に対処できません。 ロボットが処理するようにプログラムされていない、またはその機能の範囲外のケースに遭遇した場合、それはエラー状態に入り、停止します。 多くの場合、ロボットはエラーの原因を伝えることができません。 例えば、真空掃除ロボットは床の上を移動するように設計され、プログラムされていますが、階段を登ることはできません。
ロボットは、 今日では、インターネットにアクセスできる誰もが、マシンを含む自分の指先で世界の情報を持っています。 ロボットは、より良い意思決定を行うために、この情報を利用することができます。 ロボットはまた、彼らの全体の履歴（例えば、彼らのセンサーやアクチュエータの出力）、および他の機械の経験を記録し、使用することができます。 たとえば、あなたの犬を歩くように訓練されたロボットは、オンラインで天気予報にアクセスし、以前の散歩に基づいて、取るための最良のルートを決 おそらく、暑いまたは雨が降っている場合は徒歩圏内、または他のロボット犬の歩行者が現在位置している近くの公園への長い散歩。 このすべては、人間の相互作用や介入なしに決定することができます。
コミュニケーション
多くのロボットが一緒に働く世界は、協調のための信頼できるコミュニケーションが必要です。 無線通信の進歩にもかかわらず、ロボット間通信には依然として障害があります。 問題は、通信のモデリングと予測が非常に困難であり、現在の通信モデルに依存するロボット制御方法にはノイズが伴うことです。 ロボットは、必要なときに必要な帯域幅を保証する通信に対するより信頼性の高いアプローチを必要とします。 弾力性のあるロボット間通信を得るために、新しいパラダイムは、モデルで予測するのではなく、通信品質を局所的に測定することです。 通信を測定するというアイデアを使用して、我々は地球規模の通信カバレッジを提供するために互いに調整する移動基地局として飛行ロボットを使 飛行ロボットの群れは、世界中のどこでもインターネットアクセスをもたらす可能性があります。
ロボットと人とのコミュニケーションも現在は制限されています。 人間の言語でロボットにコマンドを与えるために音声技術が採用されてきましたが（例えば、”ドアに移動”）、これらの相互作用の範囲と語彙は浅いです。 ロボットは動けなくなったときに人間の助けを使うことができます。 これは、ロボットのタスクに人間の介入の少量であっても完全に問題を変更し、より多くを行うためにマシンに権限を与えることが判明しました。
現在、ロボットが予期しないもの（プログラムされていない場合）に遭遇すると、彼らは動けなくなります。 ただ動けなくなるのではなく、ロボットがなぜ動けなくなったのかを推論し、人間の助けを求めることができたとします。 例えば、ロボットを使ってイケアの家具を組み立てる最近の研究では、ロボットがテーブルの脚が手の届かないところにあるときに認識し、人間にその 部品を受け取った後、ロボットは組立作業を再開します。 これらは、ロボットと人間がお互いに助けを求めることができる共生の人間-ロボットチームを作成するための最初のステップの一部です。
設計と製造
今日のロボットのもう一つの大きな課題は、新しいロボットを設計して製造する時間の長さです。 私たちは、ロボットの作成をスピードアップする必要があります。 多くの異なったタイプのロボットは今日利用できるが、これらのロボットのそれぞれは作り出すために多くの年を取った。 ロボットの計算、移動性、操作能力は、ロボットの本体、すなわちそのハードウェアシステムに密接に結合されています。 今日のロボット本体は固定されており、拡張が困難であるため、各ロボットの能力はその本体によって制限されています。 新しいロボット—機能を拡張するための追加のロボットモジュール、フィクスチャ、または特殊なツール-を製造することは、設計、製造、アセンブリ、およびプ 私たちは、ロボットの設計と製造をスピードアップするツールが必要です。 ロボットの機能仕様（例えば、”ロボットにチェスをしてもらいたい”など）を入力として、仕様に合った設計、製作計画、ロボットを使用するためのカスタムプログラミング環境を計算するロボットコンパイラを作成することを想像してみてください。 このようなロボットコンパイラを用いた多くの異なるタイプのロボットの迅速な設計と製造によって、大小の多くのタスクを自動化するこ
普及ロボットに向けて
ロボットが今日ある場所と、日常生活におけるロボットの普及的統合の約束との間には大きなギャップがあります。 新しいロボットを迅速かつ効率的に設計し、製造するにはどうすればよいですか？ 他のギャップは、ますます複雑な環境でますます複雑なタスクを推論、変更、適応させるためのロボットの計算と能力に関係しています。 他のギャップは、ロボット間、およびロボットと人との間の相互作用に関係します。 ロボット工学の現在の研究の方向性は、ロボットを作るためのより良い解決策を目指して、ロボットの動きとその操作スキルを制御し、ロボットが推論する能力を高め、マシンビジョンを介して意味レベルの知覚を可能にし、機械と機械と人間との間のより柔軟な協調と協力を開発することを目指して、これらの方向に封筒を押します。 これらの課題に対応することで、ロボットは普及ロボットのビジョンに近づくことができます: 多くの人々と多くの異なるタスクを実行する多くのロボットの接続された世界。
普及し、カスタマイズされたロボット工学は大きな挑戦ですが、その範囲は約二十から五年前に策定された普及したコンピューティングの挑戦とは異なりません。 今日、私たちは、コンピューティングは確かに普及していると言うことができ、それはユーティリティとなっており、いつでも、どこでも利用可能です。 だから、日常生活の中でロボットの普及した統合を持っているためには何が必要でしょうか？ Xerox PARCの主任科学者であり、ユビキタスコンピューティングの父と広く呼ばれているMark Weiserは、pervasive computingについて次のように述べています。 彼らはそれと区別できなくなるまで、彼らは日常生活の生地に自分自身を織ります。「例えば、電気はかつては新しい技術であり、今では生命の一部です。 ロボット技術は、日常生活の普及した側面として、パソコンと電気に参加する可能性を秘めています。 近い将来、ロボット技術は、私たちが日常生活の多くの側面についてどのように考えるかを変えるでしょう。
ロボットが今日どこにいるのかと、日常生活におけるロボットの広範な統合の約束との間には大きなギャップがあります。 これらのギャップは、ロボットの作成、その計算と、ますます複雑な環境でますます複雑なタスクを推論、変更、適応する能力、そして人々と対話する能力
公共交通機関は二層システムになる可能性があります: 長距離にわたって多くの人々のためのバックボーン輸送を提供する大型車両（例えば、電車、バス）のネットワーク、および短いホップのための個人のカスタマ このような交通ネットワークは、ITインフラストラクチャと人々に接続され、オンデマンドで移動性を提供します。 バックボーンの操作には、人々のニーズに適応するために動的に変化するルートが含まれる可能性があります。 リアルタイムおよび過去の交通データは、最適なバスルートと停留所の場所を細かい粒度で決定するために既に使用されています。 需要に応じて移動性は自動運転車のための最新式の技術によって促進されるかもしれない。 乗車のための無人の車を取ることはスマートフォンを使用するのと同じくらい簡単かもしれません。 ロボットポッドは、人々が駅に到着したとき、人々が今乗る必要がある場所、そして他のロボットポッドがどこにあるかを知るでしょう。 人々を目的地まで運転した後、ロボットポッドは、需要マッチングと調整アルゴリズムを使用して、艦隊の操作を最適化し、人々の待ち時間を最小限に抑 公共交通機関は便利、カスタマイズされます。