El momento de los camiones autónomos

Raquel Urtasun, la antigua profesora de IA de Toronto que fundó la startup Waabi de camiones autónomos, no es dada a la exageración. Su carrera abarca años de investigación fundamental en aprendizaje automático, liderazgo del Grupo de Tecnologías Avanzadas de Uber, y ahora la construcción de uno de los programas de camiones autónomos más ambiciosos técnicamente del mundo. Cuando dice que los camiones autónomos Level-4 se acercan a la viabilidad comercial, la declaración tiene un peso que afirmaciones más especulativas en el espacio de vehículos autónomos no tienen.

En una entrevista extendida con IEEE Spectrum, Urtasun esbozó el enfoque técnico de Waabi, su progreso hacia el despliegue comercial, y su visión de cómo la IA generativa ha cambiado fundamentalmente la línea de tiempo para lograr el tipo de autonomía robusta y generalizable que hace del transporte de larga distancia una aplicación viable para la tecnología de conducción completamente autónoma. Su argumento no es que el problema se haya vuelto fácil, sino que las herramientas disponibles para resolverlo han mejorado dramáticamente.

La autonomía Level-4 — la capacidad de manejar todas las tareas de conducción dentro de un dominio de diseño operativo definido sin intervención humana — es el umbral que separa la tecnología de demostración del producto comercial. Para aplicaciones de transporte, el dominio relevante es principalmente la conducción en carreteras en rutas definidas, un ambiente sustancialmente más limitado que los complejos entornos urbanos que han desafiado los programas de autonomía de vehículos de pasajeros durante años.

La ventaja de la IA generativa

El argumento central de Urtasun es que los enfoques de IA generativa para la conducción autónoma — que utilizan modelos grandes entrenados en enormes cantidades de datos de conducción para aprender comportamientos de conducción generalizables en lugar de codificar reglas explícitas — han producido mejoras cualitativas en la solidez de los sistemas autónomos de formas que enfoques anteriores no pudieron lograr. Las mismas dinámicas de escala que produjeron GPT-4 y sus sucesores ahora se aplican al problema de la conducción, con resultados comparables de cambio de paso en la capacidad.

La arquitectura de Waabi se centra en lo que la empresa llama un modelo de mundo generativo — un ambiente de simulación aprendido que puede generar escenarios de conducción realistas incluyendo casos extremos raros y peligrosos que serían demasiado peligrosos o costosos para encontrar y registrar en la recopilación de datos del mundo real. Esta capacidad de simulación aborda uno de los cuellos de botella más fundamentales en el desarrollo de vehículos autónomos: la necesidad de datos de entrenamiento que cubran la distribución completa de situaciones que el sistema podría encontrar en el despliegue, incluidos eventos de baja probabilidad que tienen implicaciones de seguridad desproporcionadas.

La capacidad de usar simulación aprendida para probar estrés sistemas autónomos contra una variedad prácticamente ilimitada de escenarios generados significa que Waabi y programas de arquitectura similar pueden cubrir una mayor parte de la distribución de riesgo de cola que programas dependientes de datos grabados en el mundo real. Para certificación de seguridad y aprobación regulatoria, esto no es meramente una ventaja de eficiencia de desarrollo — es un enfoque fundamentalmente diferente para demostrar que un sistema está listo para el despliegue.

Por qué camiones antes de vehículos de pasajeros

La industria de vehículos autónomos ha en ciertos aspectos dado una vuelta completa sobre la cuestión de qué aplicación priorizar. El entusiasmo temprano se enfocó en robótaxis de pasajeros en ambientes urbanos, pero la complejidad de la conducción en ciudad — peatones, ciclistas, zonas de construcción, situaciones de tráfico ambiguas — ha demostrado ser más resistente a la automatización de lo que muchos proyectaron. El transporte de larga distancia presenta un perfil de problema diferente: principalmente conducción en carreteras, rutas predecibles, operadores comerciales que pueden capacitarse para manejar la tecnología, y economía que favorece fuertemente la automatización.

La economía del transporte autónomo es convincente de formas que la economía de robótaxis ha demostrado ser elusiva. Un conductor de camión humano hoy en día gana salarios sustanciales, está limitado por regulaciones de horas de servicio a aproximadamente 11 horas de conducción por día, y enfrenta una industria con una escasez estructural persistente de conductores calificados. Un camión autónomo puede operar continuamente en rutas de larga distancia con supervisión humana solo en puntos finales de terminal, potencialmente transformando la economía unitaria del transporte de carga.

El modelo comercial de Waabi se construye alrededor de un paradigma de centro a centro en el que camiones autónomos operan en corredores de carreteras definidos entre centros logísticos principales, con conductores humanos manejando la entrega de última milla en cada extremo. Esta arquitectura mantiene el segmento autónomo dentro del dominio de diseño operativo de carreteras donde la capacidad Level-4 es alcanzable hoy, mientras usa conductores humanos donde su juicio y flexibilidad son verdaderamente necesarios.

Récord de seguridad y progreso regulatorio

Urtasun abordó el récord de seguridad del programa de pruebas de Waabi, señalando que la empresa ha acumulado millas de carreteras sustanciales sin desenganche crítico para la seguridad — una métrica que la industria usa para rastrear qué tan a menudo se necesita supervisión humana para prevenir situaciones inseguras. Fue cuidadosa en no afirmar perfección, sino notando en cambio que la pregunta es si el sistema autónomo es más seguro que la línea base humana para el dominio de diseño operativo específico y tipos de rutas siendo servidos, una comparación que ella argumenta ya es favorable para el sistema de Waabi en sus corredores probados.

El compromiso regulatorio ha avanzado en paralelo con el desarrollo técnico. Varios estados de EE.UU. han desarrollado marcos para operaciones de camiones autónomos comerciales, y FMCSA ha estado desarrollando directrices federales para sistemas de conducción automatizada en vehículos comerciales. La línea de tiempo regulatoria generalmente ha estado adelantada de la línea de tiempo tecnológica en los últimos años, lo que significa que el factor de control primario para el despliegue comercial es ahora la preparación técnica en lugar del permiso regulatorio.

La empresa ha anunciado asociaciones comerciales con operadores logísticos que se han comprometido a desplegar la tecnología de Waabi a medida que logra la certificación comercial completa. Estas asociaciones proporcionan tanto visibilidad de ingresos como datos operativos del mundo real que se retroalimentan en la mejora continua del sistema — un ciclo virtuoso que Urtasun ve como esencial para lograr el desempeño requerido para despliegue comercial generalizado.

Cómo se ve el éxito

El éxito para transporte autónomo Level-4 significa algo específico y medible: camiones que operan en rutas definidas sin supervisión humana, a escala comercial, durante períodos sostenidos sin incidentes de seguridad atribuibles al sistema autónomo. La visión de Urtasun es que este umbral es alcanzable para aplicaciones en carreteras en el corto plazo, y que la pregunta más interesante es qué tan rápido puede extenderse para cubrir una mayor proporción de la red de carga a medida que la tecnología y su infraestructura operativa maduran.

Las implicaciones se extienden más allá de la industria del transporte. El éxito comercial en transporte autónomo de larga distancia validaría el enfoque de IA generativa para conducción a escala, informaría marcos regulatorios para vehículos comerciales autónomos de manera más amplia, y crearía plantillas operativas y financieras para expandir autonomía Level-4 a dominios adyacentes. Para una industria que ha estado prometiendo transporte autónomo transformador durante más de una década, el despliegue comercial verdadero a escala significativa representaría un verdadero punto de inflexión.

Este artículo se basa en informes de IEEE Spectrum. Lea el artículo original.