Una pequeña startup, HyprLabs, está ampliando los límites del desarrollo de software para vehículos autónomos (AV) entrenando rápidamente sistemas utilizando un enfoque novedoso. Durante el último año y medio, la compañía ha estado probando su tecnología en Tesla Model 3 modificados en San Francisco, con el objetivo de determinar qué tan rápido una empresa puede crear software AV confiable en la actualidad.
El desafío del desarrollo de vehículos autónomos
La industria audiovisual se ha enfrentado durante mucho tiempo a un “punto muerto de desilusión”, en el que no se cumplieron plazos ambiciosos y el progreso se estancó. Sin embargo, los avances en el aprendizaje automático ahora están reduciendo el costo y la mano de obra humana necesarios para entrenar sistemas de conducción autónoma. A pesar de esto, lograr una automatización verdaderamente segura y confiable sigue siendo un obstáculo importante. El cofundador de HyprLabs, Tim Kentley-Klay, lo reconoce: “No puedo decirles, con la mano en el corazón, que esto funcionará, pero lo que hemos construido es una señal realmente sólida”.
Enfoque de HyprLabs: aprendizaje en tiempo de ejecución
HyprLabs, dirigido por el cofundador de Zoox, Tim Kentley-Klay, está adoptando un enfoque único. El software de la empresa, llamado Hyprdrive, tiene como objetivo optimizar la formación audiovisual. A diferencia de los métodos tradicionales que se basan en conjuntos de datos masivos o costosos conjuntos de sensores, HyprLabs utiliza una técnica de “aprendizaje en tiempo de ejecución”.
El sistema utiliza un modelo de transformador y aprende en tiempo real, guiado por supervisores humanos. Solo se envían a la empresa datos nuevos y relevantes para su ajuste, lo que reduce la carga computacional. Hasta la fecha, los dos vehículos de la startup han recopilado sólo 4.000 horas de datos de conducción (aproximadamente 65.000 millas), con sólo 1.600 horas utilizadas para entrenamiento, significativamente menos que competidores como Waymo, que ha registrado más de 100 millones de millas autónomas.
La evolución del entrenamiento AV
Durante años, la industria audiovisual se dividió entre sistemas de sólo cámaras (como Tesla) y aquellos que utilizan una combinación de sensores (como Waymo y Cruise). Los enfoques basados únicamente en cámaras tenían como objetivo ahorrar dinero, pero se basaban en grandes cantidades de datos de vehículos no totalmente autónomos. Los sistemas multisensor invirtieron en hardware más caro, pero utilizaron conjuntos de datos más pequeños con un etiquetado humano extenso. HyprLabs busca combinar la eficiencia de los sistemas basados en cámaras con la precisión de los datos etiquetados, aprendiendo en el trabajo con una mínima intervención.
Planes futuros: más allá de los automóviles
Si bien HyprLabs aún no está listo para su implementación comercial, planea otorgar licencias de su software a otras empresas de robótica. La compañía también está desarrollando su propio robot, descrito por Kentley-Klay como “el hijo del amor de R2-D2 y Sonic the Hedgehog”, cuyo lanzamiento está previsto para el próximo año. El objetivo a largo plazo es crear una nueva categoría de robots que actualmente no existe.
El éxito de HyprLabs dependerá de escalar su tecnología y al mismo tiempo garantizar la seguridad y confiabilidad. El enfoque de capacitación rápida de la startup tiene el potencial de revolucionar la industria audiovisual, pero la implementación en el mundo real requerirá pruebas y validación rigurosas.
