Los autos sin conductor están siendo entrenados en mundos virtuales mientras que el real está en caos

Uno de los vehículos autónomos de Cruise en movimiento.

Brandon Moak sintió como si un tren de carga lo hubiera golpeado.

Era mediados de marzo, y el cofundador y CTO de la empresa emergente de camiones autónomos Embark Trucks había estado al tanto de la aparición de covid-19. Cuando entró en vigencia una orden de refugio en el lugar en toda el Área de la Bahía de San Francisco, donde se encuentra la sede de Embark, Moak y su equipo se vieron obligados a dejar en tierra casi todos sus 13 camiones semiautomáticos (algunos se quedaron en la carretera moviendo elementos esenciales). carga pero no estaban en modo autónomo) y enviar a casa a la mayoría de su fuerza laboral, sin tener idea de cuánto tiempo pasaría antes de que pudieran regresar.

Moak y Embark no estaban solos. Por razones de seguridad, los vehículos autónomos suelen tener dos operadores cada uno. Eso es imposible en la era del distanciamiento social, y los líderes de las empresas de vehículos autónomos sabían que tendrían que suspender sus flotas. De repente, toda la industria naciente estaba en problemas. Los vehículos autónomos aún son experimentales, y las pruebas en el mundo real son el estándar de oro para recopilar datos y mejorar la capacidad de los automóviles para operar de manera segura. Incapaces de salir a la carretera, las operaciones de autoconducción corrían el riesgo de convertirse en gambitos intensivos en efectivo sin camino hacia el lanzamiento de un producto en el corto plazo.

Mientras luchaban con esta nueva realidad, los despidos afectaron a los equipos de conducción autónoma como Zoox, Ike y Kodiak Robotics, así como a la división autónoma de Lyft.

Pero resulta que no todo puede estar perdido. Varias empresas han cambiado las pruebas en carretera por profundizar en sus algoritmos y simuladores, encontrando nuevos usos para los incontables horas de datos han coleccionado. Están redoblando esfuerzos como el etiquetado de datos detallados, el mapeo 3D y la identificación de escenarios pasados ​​por alto de sesiones de carretera anteriores que pueden usarse para entrenar sus sistemas. Algunos incluso han ayudado a los operadores de vehículos a hacer la transición al etiquetado de datos, equipándolos con nuevas habilidades que probablemente serán útiles cuando reanuden sus roles anteriores.

Para sacar lo mejor de una mala situación, Moak decidió crear una nueva herramienta para permitir que el equipo de operaciones de Embark anotara los cuatro años de datos de conducción de la empresa. Por ejemplo, el software sirve a los conductores de camiones de Embark con imágenes de diferentes escenarios en la carretera y luego les pide que determinen si son dignos de mención y cómo manejarían cada uno según su propia experiencia.

Aurora Innovation, una empresa con sede en Palo Alto que desarrolla tecnología de conducción autónoma, adoptó un enfoque similar para encontrar tareas para trabajadores subutilizados. Nuestros operadores de vehículos, que no pueden estar todos en la carretera en este momento, han unido fuerzas con nuestros equipos de clasificación y etiquetado para extraer nuestra colección masiva de datos de conducción manual y autónoma para eventos adicionales interesantes en la carretera que se pueden convertir en virtuales. pruebas', escribió el cofundador y director ejecutivo Chris Urmson en un correo electrónico a MIT Technology Review. Esto tiene el beneficio adicional de aumentar la exposición de nuestros operadores sobre cómo los datos que recopilan se usan fuera de línea, [lo que] les brinda un mejor contexto en nuestro proceso de desarrollo general y los ayudará a ser aún mejores en su trabajo a medida que volvamos a la normalidad. carretera, agregó.

Las empresas también han encontrado formas creativas de superar el obstáculo de estar separados físicamente de sus productos.

Urmson, quien anteriormente dirigió el proyecto de autos sin conductor de Google, dijo que su equipo está utilizando su canalización de hardware en el circuito para 'detectar problemas de software que se manifestarían en el hardware de Aurora y no en las computadoras portátiles de los desarrolladores o en las instancias de la nube'. La tubería puede señalar, por ejemplo, un caso en el que los sensores de un vehículo serían más lentos para hacer observaciones sobre su entorno de lo que sugieren las pruebas simuladas en la computadora portátil de un desarrollador.

Embark, por su parte, invirtió en software que podría probar componentes de hardware fuera de línea. Una prueba involucra el sistema de control del vehículo: los algoritmos responsables de enviar comandos físicos, como qué tan rápido girar el volante. A la larga, será una buena inversión para nosotros, pero a corto plazo, tuvimos que dar un gran salto para construir toda esta nueva infraestructura, dijo Moak.

Cruise, propiedad de General Motors, ha relegado 200 vehículos en San Francisco y Phoenix en gran parte al garaje, aunque está utilizando algunos para hacer entregas de alimentos para organizaciones locales de ayuda. La compañía confía en sus simuladores avanzados para seguir poniendo software de coches a través de sus pasos, una práctica habitual incluso antes de la pandemia, pero el vicepresidente sénior de ingeniería, Mo Elshenawy, dice que están mejorando los detalles sobre cómo se califican los autos durante sus encuentros en los sims como una forma de evaluar mejor la competencia en situaciones inusuales, como cuando se trata de con ambulancias o camiones de reparto.

Alexandr Wang, fundador y director ejecutivo de la empresa de anotación de datos Scale AI, trabaja con empresas como Lyft, Toyota y Nuro, así como con Embark y Aurora. Durante la pandemia, Scale ha estado trabajando en el etiquetado detallado de los datos antiguos de las empresas a través de la segmentación de nubes de puntos, utilizando mapas 3D del entorno alrededor de un vehículo para codificar a qué corresponde cada punto (peatón, señal de alto, ventana, arbusto, cochecito). El equipo también está codificando el comportamiento de los conductores, peatones y ciclistas con tecnología que incluye la detección de la mirada, cuyo objetivo es indicar si un conductor puede ceder el paso o si un peatón planea cruzar la calle.

Sin embargo, no importa cuánto inviertan las empresas en sus simuladores, no hay forma de evitar la necesidad de volver a la carretera. Y a medida que Estados Unidos reabre, eso está comenzando a suceder. Un portavoz de Waymo escribió en un correo electrónico que un día de conducción simulada es similar a conducir durante más de 100 años en el mundo real, en parte gracias a la potencia informática de la empresa matriz Alphabet. Sin embargo, la compañía reinició sus operaciones de conducción en Phoenix a partir del 11 de mayo.

Aún así, Wang dice que ve un cambio en la forma en que trabajan las empresas de vehículos autónomos, cambiando hacia enfoques más innovadores y experimentación a largo plazo.

Los que están adoptando este punto de vista, dice, son los que, al final de esto, saldrán adelante y estarán en un lugar mejor.

Corrección : Este artículo se modificó para atribuir correctamente comillas adicionales a Urmson. También se agregó un ejemplo del uso de la canalización 'hardware-in-the-loop'. Se cambió una referencia a que Cruise relegó sus vehículos al garaje para reflejar el hecho de que, de hecho, algunos se están utilizando. , y 'simulación de nube de puntos' se cambió a 'segmentación de nube de puntos' en la discusión de Scale AI.

esconder