Mały start-up HyprLabs przesuwa granice rozwoju oprogramowania pojazdów autonomicznych (AV), szybko szkoląc systemy przy użyciu nowego podejścia. Firma testowała swoją technologię na zmodyfikowanych Teslach Model 3 w rejonie San Francisco przez ostatnie półtora roku, próbując ustalić, jak szybko można dziś stworzyć niezawodne oprogramowanie AV.
Wyzwanie związane z rozwojem pojazdów autonomicznych
Branża AV od dawna znajduje się w „dolinie rozczarowań”, gdzie nie dotrzymywano ambitnych terminów, a postęp utknął w martwym punkcie. Jednak postępy w uczeniu maszynowym zmniejszają obecnie koszty i siłę roboczą wymaganą do szkolenia systemów autonomicznych. Mimo to osiągnięcie naprawdę bezpiecznej i niezawodnej automatyzacji pozostaje główną przeszkodą. Współzałożyciel HyprLabs, Tim Cantley-Clay, przyznaje: „Nie mogę z całkowitą pewnością powiedzieć, że to zadziała, ale to, co zbudowaliśmy, jest bardzo dobrym sygnałem”.
Podejście HyprLabs: nauka w czasie rzeczywistym
HyprLabs, kierowane przez współzałożyciela Zoox Tima Cantley-Claya, przyjmuje unikalne podejście. Oprogramowanie firmy o nazwie Hyprdrive ma za zadanie ułatwić szkolenie AV. W przeciwieństwie do tradycyjnych metod, które opierają się na ogromnych zbiorach danych lub drogich systemach czujników, HyprLabs wykorzystuje technikę „uczenia się w czasie rzeczywistym”.
System wykorzystuje model transformatora i uczy się w czasie rzeczywistym pod okiem operatorów. Tylko nowe i istotne dane są wysyłane z powrotem do firmy w celu dostrojenia, co zmniejsza obciążenie obliczeniowe. Jak dotąd dwa pojazdy start-upu zebrały dane dotyczące zaledwie 4000 godzin jazdy (około 65 000 mil), z czego tylko 1600 godzin wykorzystano na szkolenia – czyli znacznie mniej niż konkurenci tacy jak Waymo, który przejechał ponad 160 milionów mil jazdy autonomicznej.
Ewolucja treningu AV
Przez wiele lat branża AV była podzielona na systemy wykorzystujące wyłącznie kamery (takie jak Tesla) i te, które wykorzystują kombinację czujników (takie jak Waymo i Cruise). Podejścia wykorzystujące wyłącznie kamerę miały na celu zaoszczędzenie pieniędzy, ale opierały się na ogromnych ilościach danych z pojazdów, które nie były w pełni autonomiczne. W systemach wielosensorowych inwestowano w droższy sprzęt, ale korzystano z mniejszych zestawów danych z obszernym ręcznym etykietowaniem. Celem HyprLabs jest połączenie wydajności systemów kamer z dokładnością oznakowanych danych, ucząc się poprzez działanie przy minimalnej interwencji.
Plany na przyszłość: więcej niż tylko samochody
Chociaż HyprLabs nie jest jeszcze gotowy do komercyjnego wdrożenia, firma planuje udzielać licencji na swoje oprogramowanie innym firmom zajmującym się robotyką. Firma opracowuje także własnego robota, opisanego przez Cantley-Clay jako „dziecko R2-D2 i Sonica”, którego premiera ma nastąpić w przyszłym roku. Celem długoterminowym jest stworzenie nowej kategorii robotów, która obecnie nie istnieje.
Sukces HyprLabs będzie zależał od skalowania technologii przy jednoczesnym zapewnieniu bezpieczeństwa i niezawodności. Podejście startupu polegające na szybkim uczeniu się może potencjalnie zakłócić branżę AV, ale wdrożenie w świecie rzeczywistym będzie wymagało rygorystycznych testów i walidacji.
