Les voitures autonomes sont entraînées dans des mondes virtuels tandis que la vraie est dans le chaos

L'un des véhicules autonomes de Cruise en mouvement.

Brandon Moak avait l'impression qu'un train de marchandises l'avait heurté.

C'était à la mi-mars, et le cofondateur et CTO de la startup de camionnage autonome Embark Trucks surveillait l'émergence du covid-19. Alors qu'une commande d'abri sur place est entrée en vigueur dans toute la région de la baie de San Francisco, où Embark est basé, Moak et son équipe ont été contraints d'immobiliser presque tous leurs 13 semi-remorques autonomes (quelques-uns sont restés sur la route pour se déplacer fret mais n'étaient pas en mode autonome) et renvoyaient chez eux la majorité de leur main-d'œuvre, sans savoir combien de temps il leur faudrait avant de pouvoir revenir.

Moak et Embark n'étaient pas seuls. Pour des raisons de sécurité, les véhicules autonomes ont généralement deux opérateurs chacun. C'est interdit à l'ère de la distanciation sociale, et les dirigeants des entreprises de véhicules autonomes savaient qu'ils devraient mettre leurs flottes sous cocon. Soudain, toute l'industrie naissante était en difficulté. Les véhicules autonomes sont encore expérimentaux et les tests en conditions réelles sont la référence en matière de collecte de données et d'amélioration de la capacité des voitures à fonctionner en toute sécurité. Incapables de prendre la route, les opérations autonomes risquaient de devenir des gambits à forte intensité de trésorerie sans aucun moyen de mettre en service un produit de sitôt.

Alors qu'ils luttaient contre cette nouvelle réalité, les licenciements se sont répercutés sur des équipes de conduite autonome comme Zoox, Ike et Kodiak Robotics, ainsi que sur la division autonome de Lyft.

Mais il s'avère que tout n'est peut-être pas perdu. Plusieurs entreprises ont échangé des essais routiers pour approfondir leurs algorithmes et simulateurs, trouvant de nouvelles utilisations pour le d'innombrables heures de données ils ont collecté. Ils redoublent d'efforts comme l'étiquetage détaillé des données, la cartographie 3D et l'identification des scénarios négligés des sessions sur route précédentes qui peuvent être utilisés pour former leurs systèmes. Certains ont même aidé les conducteurs de véhicules à passer à l'étiquetage des données, en les dotant de nouvelles compétences qui leur seront probablement utiles lorsqu'ils reprendront leurs anciens rôles.

Pour tirer le meilleur parti d'une mauvaise situation, Moak a décidé de créer un nouvel outil pour permettre à l'équipe des opérations d'Embark d'annoter les quatre années de données de conduite de l'entreprise. Par exemple, le logiciel fournit aux camionneurs d'Embark des images de différents scénarios sur route, puis leur demande de déterminer s'ils sont remarquables et comment ils géreraient chacun en fonction de leur propre expérience.

Aurora Innovation, une entreprise basée à Palo Alto qui développe une technologie de conduite autonome, a adopté une approche similaire pour trouver des tâches pour les travailleurs sous-utilisés. «Nos conducteurs de véhicules, qui ne peuvent pas tous être sur la route en ce moment, ont uni leurs forces à nos équipes de triage et d'étiquetage pour exploiter notre énorme collection de données de conduite manuelle et autonome pour d'autres événements sur route intéressants qui peuvent être transformés en virtuel tests », a écrit le cofondateur et PDG Chris Urmson dans un e-mail à MIT Technology Review. Cela a l'avantage supplémentaire d'augmenter l'exposition de nos opérateurs à la façon dont les données qu'ils collectent sont utilisées hors ligne, [ce qui] leur donne un meilleur contexte dans notre processus de développement global et les aidera à être encore meilleurs dans leur travail à mesure que nous revenons sur le route, a-t-il ajouté.

Les entreprises ont également trouvé des moyens créatifs de surmonter l'obstacle de la séparation physique de leurs produits.

Urmson, qui dirigeait auparavant le projet de voiture autonome de Google, a déclaré que son équipe utilisait son pipeline hardware-in-the-loop pour 'détecter les problèmes logiciels qui se manifesteraient sur le matériel Aurora et non sur les ordinateurs portables des développeurs ou les instances cloud'. Le pipeline peut signaler, par exemple, un cas où les capteurs d'un véhicule seraient plus lents à faire des observations sur son environnement que ne le suggèrent des tests simulés sur l'ordinateur portable d'un développeur.

Embark, pour sa part, a investi dans des logiciels capables de tester les composants matériels hors ligne. Un test implique le système de contrôle du véhicule - les algorithmes responsables de l'envoi de commandes physiques, comme la vitesse à laquelle tourner le volant. À long terme, ce sera un bon investissement pour nous, mais à court terme, nous avons dû faire un grand saut pour construire toutes ces nouvelles infrastructures, a déclaré Moak.

Cruise, propriété de General Motors, a relégué 200 véhicules à San Francisco et Phoenix en grande partie au garage, bien qu'il en utilise certains pour effectuer des livraisons de nourriture pour les organisations de secours locales. L'entreprise s'appuie sur ses simulateurs avancés pour continuer à mettre logiciels de voitures à son rythme - une pratique régulière même avant la pandémie, mais le vice-président de l'ingénierie Mo Elshenawy dit qu'ils améliorent les détails sur la façon dont les voitures sont notées lors de leurs rencontres dans les sims afin de mieux évaluer les compétences dans des situations inhabituelles, comme lors de la négociation avec des ambulances ou des camions de livraison.

Alexandr Wang, fondateur et PDG de la société d'annotation de données Scale AI, travaille avec des entreprises comme Lyft, Toyota et Nuro, ainsi qu'Embark et Aurora. Pendant la pandémie, Scale a travaillé sur un étiquetage détaillé des anciennes données des entreprises via la segmentation des nuages ​​de points - en utilisant des cartes 3D de l'environnement autour d'un véhicule pour encoder à quoi correspond chaque point (piéton, panneau d'arrêt, fenêtre, arbuste, poussette). L'équipe encode également le comportement des conducteurs, des piétons et des cyclistes avec une technologie comprenant la détection du regard, qui vise à indiquer si un conducteur pourrait céder ou si un piéton envisage de traverser la rue.

Peu importe combien les entreprises investissent dans leurs simulateurs, il n'y a pas moyen de contourner la nécessité de reprendre éventuellement la route. Et à mesure que les États-Unis rouvrent, cela commence à se produire. Un porte-parole de Waymo a écrit dans un e-mail qu'une journée de conduite simulée équivaut à conduire plus de 100 ans dans le monde réel, en partie grâce à la puissance de calcul de la société mère Alphabet. Néanmoins, la société a repris ses opérations de conduite à Phoenix à partir du 11 mai.

Pourtant, Wang dit qu'il voit un changement dans la façon dont les entreprises de véhicules autonomes fonctionnent, se déplaçant vers des approches plus innovantes et une expérimentation à long terme.

Ceux qui adoptent ce point de vue, dit-il, sont ceux qui, à la fin, sortiront gagnants et seront mieux placés.

Correction : Cet article a été modifié pour attribuer correctement des citations supplémentaires à Urmson. Un exemple d'utilisation du pipeline 'hardware-in-the-loop' a également été ajouté. Une référence à Cruise reléguant ses véhicules au garage a été modifiée pour refléter le fait que certains sont en fait utilisés , et la « simulation de nuages ​​de points » a été remplacée par la « segmentation de nuages ​​de points » dans la discussion sur Scale AI.

cacher