Samochody autonomiczne są szkolone w wirtualnych światach, podczas gdy w prawdziwym panuje chaos

Jeden z autonomicznych pojazdów Cruise'a w ruchu.

Brandon Moak poczuł się, jakby uderzył w niego pociąg towarowy.

Była połowa marca, a współzałożyciel i CTO startupu zajmującego się autonomicznymi ciężarówkami, Embark Trucks, śledził pojawienie się Covid-19. Gdy w całym rejonie zatoki San Francisco, gdzie znajduje się siedziba Embark, wszedł w życie nakaz umieszczenia schronienia na miejscu, Moak i jego zespół zostali zmuszeni do uziemienia prawie wszystkich swoich 13 samojezdnych półciężarówek (kilka pozostało na drodze, poruszając się niezbędnie). towarów, ale nie były w trybie autonomicznym) i odsyłają do domu większość swoich pracowników, nie mając pojęcia, ile czasu minie, zanim będą mogli wrócić.

Moak i Embark nie byli sami. Ze względów bezpieczeństwa pojazdy autonomiczne mają zwykle po dwóch operatorów. To niemożliwe w dobie dystansu społecznego, a liderzy firm zajmujących się pojazdami autonomicznymi wiedzieli, że będą musieli sparaliżować swoje floty. Nagle cały rodzący się przemysł znalazł się w tarapatach. Pojazdy autonomiczne są nadal eksperymentalne, a testowanie w warunkach rzeczywistych jest złotym standardem gromadzenia danych i poprawy zdolności samochodów do bezpiecznej eksploatacji. Niezdolne do poruszania się po drogach, samodzielne prowadzenie działalności groziło przekształceniem się w wymagające gotówki gambity bez możliwości szybkiego wprowadzenia produktu na rynek.

Gdy zmagali się z tą nową rzeczywistością, zwolnienia pojawiły się w firmach zajmujących się autonomiczną jazdą, takich jak Zoox, Ike i Kodiak Robotics, a także w autonomicznym dziale Lyft.

Ale jak się okazuje, nie wszystko może być stracone. Kilka firm zamieniło testy drogowe na zagłębienie się w ich algorytmy i symulatory, znajdując nowe zastosowania dla niezliczone godziny danych zebrali. Podwajają wysiłki, takie jak szczegółowe etykietowanie danych, mapowanie 3D i identyfikowanie przeoczonych scenariuszy z poprzednich sesji drogowych, które można wykorzystać do szkolenia ich systemów. Niektórzy nawet pomogli operatorom pojazdów przejść na etykietowanie danych, wyposażając ich w nowe umiejętności, które prawdopodobnie przydadzą się, gdy powrócą do swoich poprzednich ról.

Aby jak najlepiej wykorzystać złą sytuację, Moak postanowił zbudować nowe narzędzie, które pozwoli zespołowi operacyjnemu Embark na opisanie danych z czterech lat prowadzenia firmy. Na przykład oprogramowanie wyświetla kierowcom ciężarówek Embark obrazy różnych scenariuszy na drodze, a następnie prosi ich o określenie, czy są one godne uwagi – i jak sobie z nimi poradzą, w oparciu o własne doświadczenia.

Aurora Innovation, firma z Palo Alto, która opracowuje technologię autonomicznej jazdy, przyjęła podobne podejście do znajdowania zadań dla pracowników, którzy nie są w pełni wykorzystywani. „Nasi operatorzy pojazdów, którzy nie wszyscy mogą teraz być w drodze, połączyli siły z naszymi zespołami segregacji i etykietowania, aby przeszukać naszą ogromną kolekcję danych dotyczących jazdy ręcznej i autonomicznej w celu uzyskania dodatkowych interesujących wydarzeń na drodze, które można przekształcić w wirtualne testów”, napisał współzałożyciel i dyrektor generalny Chris Urmson w e-mailu do MIT Technology Review. Dodatkową korzyścią jest zwiększenie ekspozycji naszych operatorów na to, w jaki sposób gromadzone przez nich dane są wykorzystywane w trybie offline, co daje im lepszy kontekst w naszym ogólnym procesie rozwoju i pomoże im jeszcze lepiej wykonywać swoją pracę, gdy wrócimy do drogi, dodał.

Firmy znalazły również kreatywne sposoby na pokonanie przeszkody fizycznej oddzielenia od swoich produktów.

Urmson, który wcześniej kierował projektem Google’a dotyczącym autonomicznych samochodów, powiedział, że jego zespół używa potoku sprzętowego w pętli do „łapania problemów z oprogramowaniem, które pojawiałyby się na sprzęcie Aurora, a nie na laptopach programistów lub instancjach w chmurze”. Rurociąg może na przykład sygnalizować przypadek, w którym czujniki pojazdu będą wolniej dokonywać obserwacji otoczenia, niż sugerują symulowane testy na laptopie dewelopera.

Ze swojej strony firma Embark zainwestowała w oprogramowanie, które może testować komponenty sprzętowe w trybie offline. Jeden test obejmuje system sterowania pojazdem — algorytmy odpowiedzialne za wysyłanie fizycznych poleceń, takich jak prędkość obracania kierownicą. Na dłuższą metę będzie to dla nas dobra inwestycja, ale na krótką metę musieliśmy zrobić duży krok, aby zbudować całą tę nową infrastrukturę, powiedział Moak.

Firma Cruise, należąca do General Motors, zepchnęła 200 pojazdów w San Francisco i Phoenix głównie do garażu, chociaż wykorzystuje niektóre z nich do dostarczania żywności dla lokalnych organizacji humanitarnych. Firma polega na swoich zaawansowanych symulatorach, aby kontynuować wprowadzanie oprogramowanie samochodów przez jego tempo — regularna praktyka jeszcze przed pandemią, ale starszy wiceprezes ds. inżynierii Mo Elshenawy mówi, że poprawiają szczegóły dotyczące punktacji samochodów podczas ich spotkań w symulacjach, aby lepiej ocenić kompetencje w nietypowych sytuacjach, na przykład podczas rozdrabniania karetkami pogotowia lub samochodami dostawczymi.

Alexandr Wang, założyciel i dyrektor generalny firmy Scale AI zajmującej się adnotacjami danych, współpracuje z takimi firmami jak Lyft, Toyota i Nuro, a także Embark i Aurora. Podczas pandemii firma Scale pracowała nad szczegółowym oznaczeniem starych danych firm za pomocą segmentacji chmury punktów — wykorzystując trójwymiarowe mapy otoczenia wokół pojazdu, aby zakodować to, czemu odpowiada każdy punkt (pieszy, znak stopu, okno, krzew, wózek). Zespół koduje również zachowanie kierowców, pieszych i rowerzystów za pomocą technologii obejmującej wykrywanie spojrzeń, która ma na celu wskazanie, czy kierowca może ustąpić, czy też pieszy planuje przejść przez ulicę.

Jednak bez względu na to, ile firmy inwestują w swoje symulatory, nie ma potrzeby, aby w końcu wrócić na drogę. A gdy Stany Zjednoczone ponownie się otwierają, zaczyna się to dziać. Rzecznik Waymo napisał w e-mailu, że dzień symulowanej jazdy przypomina jazdę przez ponad 100 lat w prawdziwym świecie, po części dzięki mocy obliczeniowej firmy macierzystej Alphabet. Niemniej jednak firma rozpoczęła działalność w Phoenix i ruszyła ponownie od 11 maja.

Mimo to Wang mówi, że widzi zmianę w sposobie pracy firm zajmujących się pojazdami autonomicznymi, zmierzającą w kierunku bardziej innowacyjnych podejść i długoterminowych eksperymentów.

Mówi, że ci, którzy przyjmują ten pogląd, to ci, którzy w końcu wyjdą na przód i znajdą się w lepszym miejscu.

Korekta : Ten artykuł został zmieniony, aby poprawnie przypisać dodatkowe cytaty Urmsonowi. Dodano również przykład wykorzystania potoku „hardware-in-the-loop”. Odniesienie do Cruise'a, który przenosi swoje pojazdy do garażu, zostało zmienione, aby odzwierciedlić fakt, że niektóre są w rzeczywistości używane , a „symulację chmury punktów” zmieniono na „segmentację chmury punktów” w dyskusji na temat Scale AI.

ukryć