Небольшой стартап HyprLabs расширяет границы разработки программного обеспечения для автономных транспортных средств (AV), быстро обучая системы с помощью нового подхода. Последние полтора года компания тестирует свою технологию на модифицированных Tesla Model 3 в районе Сан-Франциско, стремясь определить, насколько быстро сегодня можно создать надежное ПО для AV.
Проблема Разработки Автономных Транспортных Средств
Отрасль AV долгое время находилась в “долине разочарования”, где амбициозные сроки не были соблюдены, а прогресс застопорился. Однако достижения в машинном обучении сейчас снижают стоимость и трудозатраты, необходимые для обучения беспилотных систем. Несмотря на это, достижение действительно безопасной и надежной автоматизации остается серьезным препятствием. Сооснователь HyprLabs Тим Кентли-Клей признает это: “Я не могу со всей уверенностью сказать, что это сработает, но то, что мы построили, — это очень хороший сигнал”.
Подход HyprLabs: Обучение в Реальном Времени
HyprLabs, возглавляемая сооснователем Zoox Тимом Кентли-Клеем, применяет уникальный подход. Программное обеспечение компании, называемое Hyprdrive, призвано упростить обучение AV. В отличие от традиционных методов, которые полагаются на огромные наборы данных или дорогие сенсорные комплексы, HyprLabs использует технику “обучения в реальном времени”.
Система использует трансформерную модель и учится в режиме реального времени под руководством операторов. Только новые и релевантные данные отправляются обратно в компанию для тонкой настройки, что снижает вычислительную нагрузку. На данный момент два автомобиля стартапа собрали всего 4000 часов данных о вождении (приблизительно 65 000 миль), при этом для обучения было использовано только 1600 часов — значительно меньше, чем у конкурентов, таких как Waymo, которая провела более 100 миллионов миль автономного вождения.
Эволюция Обучения AV
На протяжении многих лет отрасль AV была разделена между системами, использующими только камеры (например, Tesla), и теми, кто использует комбинацию датчиков (например, Waymo и Cruise). Подходы, основанные только на камерах, были направлены на экономию средств, но полагались на огромные объемы данных от не полностью автономных автомобилей. Многосенсорные системы инвестировали в более дорогое оборудование, но использовали меньшие наборы данных с обширной ручной разметкой. HyprLabs стремится объединить эффективность камерных систем с точностью размеченных данных, обучаясь на практике с минимальным вмешательством.
Будущие Планы: Больше, Чем Просто Автомобили
Хотя HyprLabs еще не готова к коммерческому внедрению, компания планирует лицензировать свое программное обеспечение другим компаниям, занимающимся робототехникой. Компания также разрабатывает собственного робота, описанного Кентли-Клеем как “ребенка R2-D2 и Соника”, который должен выйти в следующем году. Долгосрочная цель — создать новую категорию роботов, которых сейчас не существует.
Успех HyprLabs будет зависеть от масштабирования ее технологий при обеспечении безопасности и надежности. Быстрый подход к обучению, используемый стартапом, имеет потенциал разрушить индустрию AV, но развертывание в реальных условиях потребует строгих испытаний и проверки.
