Le moment des camions autonomes
Raquel Urtasun, l'ancienne professeure d'IA de Toronto qui a fondé la startup Waabi de camions autonomes, n'est pas portée sur l'exagération. Sa carrière s'étend sur des années de recherche fondamentale en apprentissage automatique, la direction du groupe des Technologies Avancées d'Uber, et maintenant la construction de l'un des programmes de camions automoteurs les plus ambitieux techniquement au monde. Quand elle dit que les camions autonomes Level-4 se rapprochent de la viabilité commerciale, la déclaration porte un poids que les affirmations plus spéculatives dans l'espace des véhicules autonomes n'ont pas.
Dans une interview approfondie avec IEEE Spectrum, Urtasun a décrit l'approche technique de Waabi, sa progression vers le déploiement commercial, et sa vision de la façon dont l'IA générative a fondamentalement changé la chronologie pour atteindre le type d'autonomie robuste et généralizable qui rend le transport longue distance une application viable pour la technologie de conduite entièrement autonome. Son argument n'est pas que le problème est devenu facile, mais que les outils disponibles pour le résoudre se sont améliorés dramatiquement.
L'autonomie Level-4 — la capacité à gérer toutes les tâches de conduite dans un domaine de conception opérationnel défini sans intervention humaine — est le seuil qui sépare la technologie de démonstration du produit commercial. Pour les applications de transport routier, le domaine pertinent est principalement la conduite sur autoroute sur des itinéraires définis, un environnement substantiellement plus restreint que les cadres urbains complexes qui ont défié les programmes d'autonomie des véhicules de passagers pendant des années.
L'avantage de l'IA générative
L'argument central d'Urtasun est que les approches d'IA générative à la conduite autonome — qui utilisent de grands modèles entraînés sur de vastes quantités de données de conduite pour apprendre des comportements de conduite généralisables au lieu d'encoder des règles explicites — ont produit des améliorations qualitatives dans la robustesse des systèmes autonomes d'une manière que les approches précédentes n'ont pas pu réaliser. Les mêmes dynamiques de mise à l'échelle qui ont produit GPT-4 et ses successeurs sont maintenant appliquées au problème de la conduite, avec des résultats comparables de changement de pas en capacité.
L'architecture de Waabi se concentre sur ce que l'entreprise appelle un modèle de monde générique — un environnement de simulation appris qui peut générer des scénarios de conduite réalistes incluant des cas extrêmes rares et dangereux qui seraient trop dangereux ou coûteux pour rencontrer et enregistrer dans la collecte de données du monde réel. Cette capacité de simulation aborde l'un des goulets d'étranglement les plus fondamentaux du développement des véhicules autonomes : le besoin de données d'entraînement couvrant la distribution complète des situations que le système pourrait rencontrer au déploiement, y compris les événements de faible probabilité qui ont des implications disproportionnées pour la sécurité.
La capacité d'utiliser la simulation apprise pour tester les systèmes autonomes contre une variété pratiquement illimitée de scénarios générés signifie que Waabi et les programmes architecturés de manière similaire peuvent couvrir une bien plus grande partie de la distribution des risques de queue que les programmes dépendant des données enregistrées dans le monde réel. Pour la certification de la sécurité et l'approbation réglementaire, ce n'est pas seulement un avantage d'efficacité du développement — c'est une approche fondamentalement différente pour démontrer qu'un système est prêt pour le déploiement.
Pourquoi les camions avant les véhicules de passagers
L'industrie des véhicules autonomes a en quelque sorte fait le tour complet de la question de savoir quelle application prioriser. L'enthousiasme initial s'est concentré sur les robotaxis de passagers dans les environnements urbains, mais la complexité de la conduite en ville — piétons, cyclistes, zones de construction, situations de circulation ambiguës — s'est avérée plus résistante à l'automatisation que ne l'imaginaient beaucoup. Le transport longue distance présente un profil de problème différent : conduite principalement sur autoroute, itinéraires prévisibles, opérateurs commerciaux qui peuvent être formés pour gérer la technologie, et économique qui favorise fortement l'automatisation.
L'économique du transport autonome est convaincante de manière que l'économique des robotaxis s'est avérée insaisissable. Un conducteur de camion humain aujourd'hui commande des salaires substantiels, est limité par les réglementations de temps de service à environ 11 heures de conduite par jour, et fait face à une industrie avec une pénurie structurelle persistante de conducteurs qualifiés. Un camion autonome peut fonctionner continuellement sur les itinéraires longue distance avec supervision humaine uniquement aux points de terminal, transformant potentiellement l'économie unitaire du transport de marchandises.
Le modèle commercial de Waabi est construit autour d'un paradigme pôle-à-pôle dans lequel les camions autonomes fonctionnent sur des couloirs d'autoroute définis entre les grands pôles logistiques, les conducteurs humains traitant la dernière livraison à chaque extrémité. Cette architecture maintient le segment autonome dans le domaine de conception opérationnel d'autoroute où la capacité Level-4 est réalisable aujourd'hui, tout en utilisant des conducteurs humains où leur jugement et leur flexibilité sont vraiment nécessaires.
Dossier de sécurité et progrès réglementaire
Urtasun a abordé le dossier de sécurité du programme de test de Waabi, notant que l'entreprise a accumulé un nombre substantiel de miles d'autoroute sans désengagement critique pour la sécurité — une métrique que l'industrie utilise pour suivre la fréquence à laquelle la supervision humaine est nécessaire pour prévenir les situations dangereuses. Elle a été prudente en ne revendiquant pas la perfection, notant plutôt que la question est de savoir si le système autonome est plus sûr que la ligne de base humaine pour le domaine de conception opérationnel spécifique et les types d'itinéraires desservis, une comparaison qu'elle soutient est déjà favorable au système de Waabi sur ses couloirs testés.
L'engagement réglementaire a progressé parallèlement au développement technique. Plusieurs États américains ont développé des cadres pour les opérations autonomes de camions commerciaux, et FMCSA a développé une orientation fédérale pour les systèmes de conduite automatisée dans les véhicules commerciaux. L'échéancier réglementaire a généralement devancé l'échéancier technologique au cours des dernières années, ce qui signifie que le facteur limitant primaire pour le déploiement commercial est maintenant la maturité technique plutôt que l'autorisation réglementaire.
L'entreprise a annoncé des partenariats commerciaux avec des opérateurs logistiques qui se sont engagés à déployer la technologie Waabi dès qu'elle atteindra la certification commerciale complète. Ces partenariats fournissent à la fois la visibilité des revenus et les données opérationnelles réelles qui s'alimentent en retour dans l'amélioration continue du système — un cycle vertueux que Urtasun considère comme essentiel pour atteindre les performances requises pour le déploiement commercial généralisé.
À quoi ressemble le succès
Le succès du transport autonome Level-4 signifie quelque chose de spécifique et de mesurable : des camions qui fonctionnent sur des itinéraires définis sans supervision humaine, à l'échelle commerciale, pendant des périodes soutenues sans incidents de sécurité attribuables au système autonome. La vision d'Urtasun est que ce seuil est réalisable pour les applications d'autoroute à court terme, et que la question plus intéressante est la rapidité avec laquelle il peut être étendu pour couvrir une plus grande proportion du réseau de fret à mesure que la technologie et son infrastructure opérationnelle mûrissent.
Les implications s'étendent bien au-delà de l'industrie du transport routier. Le succès commercial du transport autonome longue distance validerait l'approche de l'IA générative à la conduite à l'échelle, informerait les cadres réglementaires pour les véhicules commerciaux autonomes plus largement, et créerait des modèles opérationnels et financiers pour étendre l'autonomie Level-4 aux domaines adjacents. Pour une industrie qui promet le transport autonome transformateur depuis plus d'une décennie, le déploiement commercial réel à une échelle significative représenterait un véritable point d'inflexion.
Cet article est basé sur les reportages de IEEE Spectrum. Lire l'article original.
