por Brandon Moak tuvo la sensación de que un tren de carga lo había golpeado.
Fue a mediados de marzo y el cofundador y director de tecnología de la nueva empresa de camiones Embark Trucks había estado atento a la aparición de covid-19. Mientras que una orden de recuperación en el lugar entró en vigencia en la Bahía de San Francisco, donde se encuentra Embark, Moak y su equipo se vieron obligados a aterrizar casi todos sus 13 semirremolques sin conductor (algunos son permanecieron en el camino moviendo esencialmente bienes, pero no estaban en modo autónomo) y enviaron a la mayoría de su fuerza de trabajo a casa, sin tener idea de cuánto tiempo habría pasado antes de que pudieran regresar.
Moak y Embarque no estaban solos. Por razones de seguridad, los vehículos autónomos suelen tener dos operadores cada uno. Esta es una opción prohibida en la era del distanciamiento social, y los líderes de las compañías de vehículos autónomos sabían que tendrían que controlar sus flotas. De repente, toda la industria naciente estaba en problemas. Los vehículos autónomos aún son experimentales y las pruebas del mundo real son el estándar de referencia para la recopilación de datos y la mejora de la capacidad de los automóviles para operar de manera segura. Incapaces de viajar, las operaciones de conducción autónoma se arriesgaron a convertirse en movimientos que requieren mucho dinero y no tienen camino para presentar un producto en el corto plazo.
Mientras luchaban con esta nueva realidad, los despidos se extendieron a través de la ropa sin conductor como Zoox, Ike y Kodiak Robotics, así como la división autónoma de Lyft.
Pero aparentemente, no todo se puede perder. Varias compañías han intercambiado pruebas de ruta para profundizar sus algoritmos y simuladores, encontrando nuevos usos para las innumerables horas de datos que han recopilado. Se están duplicando esfuerzos como el etiquetado detallado de datos, el mapeo 3D y la identificación de escenarios descuidados de sesiones de ruta anteriores que pueden usarse para entrenar sus sistemas. Algunos incluso ayudaron a los operadores de vehículos a pasar a etiquetar datos, equipándolos con nuevas habilidades que probablemente sean útiles al reanudar sus roles anteriores.
Para aprovechar al máximo una mala situación, Moak decidió crear una nueva herramienta para permitir que el equipo de operaciones de Embark escriba los cuatro años de datos de conducción de la compañía. Por ejemplo, el software sirve a los conductores de camiones de Embark con imágenes de diferentes escenarios en el camino y luego les pide que determinen si son notables y cómo manejarán cada uno según su experiencia.
Aurora Innovation, una empresa con sede en Palo Alto que desarrolla tecnología de conducción autónoma, ha adoptado un enfoque similar para encontrar actividades para trabajadores subutilizados. Los operadores de vehículos unieron fuerzas con los equipos de clasificación y etiquetado para extraer datos de conducción tanto manuales como autónomos para eventos de carretera notables que se transformarán en pruebas en un entorno simulado.
“Esto tiene el beneficio adicional de aumentar la exposición de nuestros operadores a cómo se usan los datos recopilados sin conexión, [which] les ofrece un mejor contexto en nuestro proceso de desarrollo general y los ayudará a ser aún mejores en su trabajo a medida que volvemos a la carretera “, escribió el cofundador y CEO Chris Urmson en un correo electrónico a MIT Technology Review.
Las empresas también han encontrado formas creativas de superar el obstáculo de la separación física de sus productos.
Urmson, quien anteriormente dirigió el proyecto de auto sin conductor de Google, agregó que su equipo está utilizando su tubería de “hardware en el circuito” para detectar problemas de software que surgirían en el hardware de Aurora y no en laptops para desarrolladores o instancias en la nube.
Boarding, por su parte, invirtió en software capaz de probar componentes de hardware fuera de línea. Una prueba se refiere al sistema de control del vehículo: los algoritmos responsables del envío de comandos físicos, como la velocidad de rotación del volante. “A la larga, esta será una buena inversión para nosotros, pero a corto plazo, hemos tenido que dar un gran salto para construir toda esta nueva infraestructura”, dijo Moak.
Cruise, propiedad de General Motors, ha relegado 200 vehículos a San Francisco y Phoenix en el garaje. La compañía confía en sus simuladores avanzados para continuar probando el software del automóvil, una práctica habitual incluso antes de la pandemia, pero el SVP del ingeniero Mo Elshenawy dice que están mejorando los detalles sobre cómo se marcan los automóviles durante su salir en sims como una forma de evaluar mejor la competencia en situaciones inusuales, como cuando se trata de ambulancias o camiones de reparto.
Alexandr Wang, fundador y CEO de la compañía de anotación de datos Scale AI, trabaja con compañías como Lyft, Toyota y Nuro, así como con Embark y Aurora. Durante la pandemia, Scale trabajó en el etiquetado detallado de los datos antiguos de la empresa simulando la nube de puntos, utilizando mapas 3D del entorno alrededor de un vehículo para codificar a qué corresponde cada punto (peatón, señal de stop, ventana , arbusto, silla de paseo). El equipo también está codificando el comportamiento de los conductores, peatones y ciclistas con una tecnología que incluye “detección de la mirada”, que tiene como objetivo indicar si un conductor podría ceder el paso o un avión peatonal para cruzar la carretera.
Sin embargo, no importa cuántas empresas inviertan en sus simuladores, no hay forma de evitar la necesidad de volver a la carretera. Y cuando Estados Unidos vuelva a abrir, esto comenzará a suceder. Un portavoz de Waymo escribió en un correo electrónico que un día de conducción simulado es similar a “conducir más de 100 años en el mundo real”, en parte gracias a la potencia informática de la empresa matriz Alphabet. Sin embargo, la compañía ha comenzado sus operaciones de conducción en Phoenix y reiniciará a partir del 11 de mayo.
Sin embargo, Wang afirma ver un cambio en la forma en que las compañías de vehículos autónomos están trabajando, avanzando hacia enfoques más innovadores y experimentación a largo plazo.
“Quienes adoptan este punto de vista”, dice, “son los que finalmente darán un paso adelante y se encontrarán en una mejor posición”.
