Невеликий стартап HyprLabs розширює межі розробки програмного забезпечення для автономних автомобілів (AV), швидко навчаючи системи за допомогою нового підходу. Протягом останніх півтора років компанія тестувала свою технологію на модифікованих Tesla Model 3s в районі Сан-Франциско, намагаючись визначити, наскільки швидко сьогодні можна створити надійне AV-програмне забезпечення.
Проблема розробки автономних транспортних засобів
AV-індустрія довгий час перебувала в «долині розчарування», де амбітні терміни не були дотримані, а прогрес зупинився. Однак прогрес у машинному навчанні тепер зменшує вартість і робочу силу, необхідні для навчання систем самостійного керування. Незважаючи на це, досягнення справді безпечної та надійної автоматизації залишається серйозною перешкодою. Співзасновник HyprLabs Тім Кентлі-Клей визнає це: «Я не можу з повною впевненістю сказати, що це спрацює, але те, що ми створили, є дуже хорошим сигналом».
Підхід HyprLabs: навчання в реальному часі
HyprLabs під керівництвом співзасновника Zoox Тіма Кентлі-Клея використовує унікальний підхід. Програмне забезпечення компанії під назвою Hyprdrive розроблено, щоб полегшити навчання AV. На відміну від традиційних методів, які покладаються на величезні набори даних або дорогі сенсорні системи, HyprLabs використовує техніку «навчання в реальному часі».
Система використовує модель трансформатора та навчається в режимі реального часу під керівництвом операторів. Лише нові та актуальні дані надсилаються назад до компанії для точного налаштування, що зменшує обчислювальне навантаження. Наразі два автомобілі стартапу зібрали лише 4000 годин водіння (приблизно 65 000 миль), із лише 1600 годин, використаних для навчання — значно менше, ніж конкуренти, такі як Waymo, який проїхав понад 100 мільйонів миль автономного водіння.
Еволюція AV навчання
Протягом багатьох років індустрія AV була розділена на системи, які використовують лише камери (наприклад, Tesla), і ті, які використовують комбінацію датчиків (наприклад, Waymo та Cruise). Підходи лише з використанням камери мали на меті заощадити гроші, але покладалися на величезні обсяги даних від не зовсім автономних транспортних засобів. Мультисенсорні системи інвестували в дорожче обладнання, але використовували менші набори даних із широким ручним маркуванням. HyprLabs прагне поєднати ефективність систем камер із точністю позначених даних, навчаючись на практиці з мінімальним втручанням.
Плани на майбутнє: більше, ніж просто автомобілі
Хоча HyprLabs ще не готова до комерційного впровадження, компанія планує ліцензувати своє програмне забезпечення іншим робототехнічним компаніям. Компанія також розробляє власного робота, якого Кантлі-Клей описав як «дитина R2-D2 і Соніка», який має вийти наступного року. Довгострокова мета — створити нову категорію роботів, яких зараз не існує.
Успіх HyprLabs залежатиме від масштабування своєї технології, забезпечуючи при цьому безпеку та надійність. Підхід до швидкого навчання стартапу може підірвати галузь AV, але розгортання в реальному світі вимагатиме ретельного тестування та перевірки.
