Självkörande bilar tränas i virtuella världar medan den riktiga är i kaos

Ett av Cruises autonoma fordon på resande fot.

Brandon Moak kändes som om ett godståg hade träffat honom.

Det var mitten av mars och medgrundaren och CTO för startupen Embark Trucks för autonoma lastbilstransporter hade hållit koll på framväxten av covid-19. När en beställning på plats trädde i kraft i hela San Francisco Bay Area, där Embark är baserat, tvingades Moak och hans team att jorda nästan alla sina 13 självkörande semi-lastbilar (några stannade kvar på vägen och flyttade väsentligt frakt men inte var i autonomt läge) och skickade hem majoriteten av sin arbetsstyrka, utan en aning om hur lång tid det skulle ta innan de kunde återvända.

Moak och Embark var inte ensamma. Av säkerhetsskäl har autonoma fordon vanligtvis två operatörer. Det är en no-go i en ålder av social distansering, och ledare för autonoma fordonsföretag visste att de skulle behöva mala över sina flottor. Plötsligt var hela den begynnande industrin i trubbel. Autonoma fordon är fortfarande experimentella, och verkliga tester är guldstandarden för att samla in data och förbättra bilarnas förmåga att fungera säkert. Om det inte gick att ta sig ut på vägen, riskerade självkörande verksamhet att bli kontantintensiva gambits utan någon väg mot att lägga fram en produkt när som helst snart.

När de kämpade med den här nya verkligheten, strömmade uppsägningar genom outfits för autonom körning som Zoox, Ike och Kodiak Robotics, såväl som den autonoma divisionen på Lyft.

Men det visar sig att allt kanske inte är förlorat. Flera företag har bytt vägtester för att gå djupt in i sina algoritmer och simulatorer och hitta nya användningsområden för oräkneliga timmar med data de har samlat. De fördubblar insatser som detaljerad datamärkning, 3D-kartläggning och att identifiera förbisedda scenarier från tidigare vägsessioner som kan användas för att träna deras system. Vissa har till och med hjälpt fordonsoperatörer att övergå till datamärkning och utrustat dem med nya färdigheter som sannolikt kommer väl till pass när de återupptar sina tidigare roller.

För att göra det bästa av en dålig situation bestämde sig Moak för att bygga ett nytt verktyg så att Embarks driftteam kan kommentera företagets fyra år av kördata. Till exempel förser programvaran Embarks lastbilschaufförer med bilder av olika scenarier på väg och ber dem sedan avgöra om de är anmärkningsvärda – och hur de skulle hantera var och en baserat på sin egen erfarenhet.

Aurora Innovation, ett Palo Alto-baserat företag som utvecklar självkörande teknik, tog ett liknande tillvägagångssätt för att hitta uppgifter för underutnyttjade arbetare. 'Våra fordonsoperatörer, som inte alla kan vara på väg just nu, har gått samman med våra triage- och märkningsteam för att utvinna vår massiva samling av manuell och autonom körning för ytterligare intressanta händelser på vägen som kan förvandlas till virtuella tester, skrev medgrundaren och VD:n Chris Urmson i ett mejl till MIT Technology Review. Detta har ytterligare fördelen av att öka exponeringen av våra operatörer för hur data de samlar in används offline, [vilket] ger dem bättre sammanhang i vår övergripande utvecklingsprocess och kommer att hjälpa dem att bli ännu bättre på sitt jobb när vi kommer tillbaka på väg, tillade han.

Företag har också hittat kreativa sätt att övervinna hindret att vara fysiskt åtskilda från sina produkter.

Urmson, som tidigare ledde Googles projekt för självkörande bilar, sa att hans team använder sin pipeline för hårdvara i slingan för att 'fånga upp mjukvaruproblem som skulle visa sig på Aurora-hårdvara och inte på utvecklare bärbara datorer eller molninstanser.' Rörledningen kan till exempel flagga ett fall där ett fordons sensorer skulle vara långsammare att göra observationer om dess miljö än vad simulerade tester på en utvecklares bärbara dator föreslår.

Embark, å sin sida, investerade i mjukvara som kunde testa hårdvarukomponenter offline. Ett test involverar fordonets kontrollsystem - de algoritmer som är ansvariga för att skicka fysiska kommandon, som hur snabbt man vrider på ratten. I det långa loppet kommer det här att vara en bra investering för oss, men på kort sikt var vi tvungna att göra ett stort steg för att bygga all den här nya infrastrukturen, sa Moak.

General Motors-ägda Cruise har degraderat 200 fordon i San Francisco och Phoenix till stor del till garaget, även om de använder en del för att göra matleveranser till lokala hjälporganisationer. Företaget förlitar sig på sina avancerade simulatorer för att fortsätta sätta bilarnas programvara genom dess takter – ett regelbundet övningssätt även före pandemin, men SVP of engineering Mo Elshenawy säger att de förbättrar detaljerna om hur bilar får poäng under sina möten i sims som ett sätt att bättre bedöma kompetens i ovanliga situationer, som när de handlar med ambulanser eller budbilar.

Alexandr Wang, grundare och VD för dataannoteringsföretaget Scale AI, arbetar med företag som Lyft, Toyota och Nuro, samt Embark och Aurora. Under pandemin har Scale arbetat med detaljerad märkning av företags gamla data via punktmolnsegmentering – med hjälp av 3D-kartor över miljön runt ett fordon för att koda vad varje punkt motsvarar (fotgängare, stoppskylt, fönster, buske, barnvagn). Teamet kodar också beteendet hos förare, fotgängare och cyklister med teknik inklusive blickdetektering, som syftar till att indikera om en förare kan ge efter eller om en fotgängare planerar att korsa gatan.

Oavsett hur mycket företag investerar i sina simulatorer, men det går inte att komma runt behovet av att så småningom komma tillbaka på vägen. Och när USA öppnar igen, börjar det hända. En talesperson för Waymo skrev i ett e-postmeddelande att en dag med simulerad körning liknar att köra mer än 100 år i den verkliga världen, delvis tack vare moderbolaget Alphabets datorkraft. Trots det fick företaget sin körverksamhet i Phoenix igång igen den 11 maj.

Ändå säger Wang att han ser en förändring i hur autonoma fordonsföretag arbetar, som går mot mer innovativa metoder och långsiktiga experiment.

De som har den här åsikten, säger han, är de som i slutet av detta kommer att komma ut och vara på en bättre plats.

Korrektion : Den här artikeln ändrades för att korrekt tillskriva ytterligare citat till Urmson. Ett exempel på användningen av pipelinen 'hårdvara-i-slingan' lades också till. En hänvisning till att Cruise förvisade sina fordon till garaget ändrades för att återspegla det faktum att vissa faktiskt används , och 'point-cloud simulation' ändrades till 'point-cloud segmentation' i diskussionen om Scale AI.

Dölj