Le Moment des Camions Autonomes
Raquel Urtasun, l'ancienne professeure d'IA de Toronto qui a fondé la startup de camions autonomes Waabi, n'est pas portée sur le battage médiatique. Sa carrière s'étend sur des années de recherche fondamentale en apprentissage automatique, la direction du Groupe des technologies avancées (Advanced Technologies Group) d'Uber, et maintenant la construction de l'un des programmes de camions autonomes les plus ambitieux techniquement au monde. Quand elle dit que les camions autonomes de niveau 4 approchent de la viabilité commerciale, cette déclaration porte un poids que les affirmations plus spéculatives dans l'espace des véhicules autonomes n'ont pas.
Dans une entrevue approfondie avec IEEE Spectrum, Urtasun a décrit l'approche technique de Waabi, ses progrès vers le déploiement commercial, et sa vision de la façon dont l'IA générative a fondamentalement changé le calendrier pour atteindre le type d'autonomie robuste et généralisable qui rend le transport longue distance une application viable pour la technologie complètement autonome. Son argument n'est pas que le problème est devenu facile, mais que les outils disponibles pour le résoudre se sont améliorés de manière spectaculaire.
L'autonomie de niveau 4 — la capacité à gérer toutes les tâches de conduite dans un domaine de conception opérationnel défini sans aucune intervention humaine — est le seuil qui sépare la technologie de démonstration du produit commercial. Pour les applications de transport de fret, le domaine pertinent est principalement la conduite sur autoroute sur des itinéraires définis, un environnement nettement plus contraint que les environnements 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 plutôt que d'encoder des règles explicites — ont produit des améliorations qualitatives de la robustesse des systèmes autonomes d'une manière que les approches précédentes ont lutté pour réaliser. Les mêmes dynamiques d'échelle qui ont produit GPT-4 et ses successeurs sont maintenant appliquées au problème de la conduite, avec des résultats comparables de changement de capacité.
L'architecture de Waabi s'articule autour de ce que l'entreprise appelle un modèle de monde générative — un environnement de simulation appris qui peut générer des scénarios de conduite réalistes, y compris les cas extrêmes rares et dangereux qui seraient trop dangereux ou trop coûteux à rencontrer et à enregistrer dans la collecte de données du monde réel. Cette capacité de simulation résout l'un des goulots 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 lors du déploiement, y compris les événements à faible probabilité qui ont des implications de sécurité disproportionnées.
La capacité à utiliser la simulation apprise pour tester les systèmes autonomes par rapport à une variété pratiquement illimitée de scénarios générés signifie que Waabi et les programmes architectes de manière similaire peuvent couvrir bien plus de la distribution des risques extrêmes que les programmes dépendant des données enregistrées du monde réel. Pour la certification de sécurité et l'approbation réglementaire, ce n'est pas simplement un avantage d'efficacité de 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, à certains égards, fait un tour complet sur la question de l'application à prioriser. L'enthousiasme initial s'est concentré sur les robotaxis de passagers dans les environnements urbains, mais la complexité de la conduite urbaine — piétons, cyclistes, zones de construction, situations de circulation ambiguës — s'est avérée plus résistante à l'automatisation que beaucoup ne l'avaient projeté. Le transport longue distance présente un profil de problème différent : principalement la conduite sur autoroute, des itinéraires prévisibles, des opérateurs commerciaux qui peuvent être formés pour gérer la technologie, et une économie qui favorise fortement l'automatisation.
L'économie du transport de fret autonome est attrayante d'une manière que l'économie du robotaxi s'est avérée insaisissable. Un chauffeur de camion humain aujourd'hui commande des salaires substantiels, est limité par les réglementations sur les heures 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 une supervision humaine seulement aux points terminaux finaux, transformant potentiellement l'économie unitaire du transport de fret.
Le modèle commercial de Waabi est construit autour d'un paradigme hub-to-hub dans lequel les camions autonomes opèrent sur des couloirs d'autoroute définis entre les grands centres logistiques, les conducteurs humains gérant la livraison du dernier kilomètre et la prise en charge à chaque extrémité. Cette architecture maintient le segment autonome dans le domaine de conception opérationnel des autoroutes où la capacité de niveau 4 est réalisable aujourd'hui, tout en utilisant des conducteurs humains là où leur jugement et leur flexibilité sont véritablement nécessaires.
Bilan de Sécurité et Progrès Réglementaires
Urtasun a abordé le bilan de sécurité du programme de test de Waabi, notant que l'entreprise a accumulé un kilométrage autoroutier substantiel sans désengagements critiques de 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 n'affirmant 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 opérationnel spécifique et les types d'itinéraires desservis, une comparaison qu'elle soutient est déjà favorable pour le 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 de transport de fret autonome commercial, et la FMCSA développe une orientation fédérale pour les systèmes de conduite automatisés dans les véhicules commerciaux. Le calendrier réglementaire a généralement précédé le calendrier technologique au cours des dernières années, ce qui signifie que le facteur de limitation principal pour le déploiement commercial est maintenant la préparation technique plutôt que la permission réglementaire.
L'entreprise a annoncé des partenariats commerciaux avec des opérateurs logistiques qui se sont engagés à déployer la technologie de Waabi dès qu'elle atteint la certification commerciale complète. Ces partenariats fournissent à la fois la visibilité des revenus et les données opérationnelles du monde réel qui alimentent l'amélioration continue du système — un cycle vertueux que Urtasun considère comme essentiel pour atteindre les performances requises pour un déploiement commercial généralisé.
À Quoi Ressemble le Succès
Le succès du transport de fret autonome de niveau 4 signifie quelque chose de spécifique et de mesurable : des camions qui opèrent sur des itinéraires définis sans supervision humaine, à l'échelle commerciale, pendant des périodes prolongées 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 la 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 arrivent à maturité.
Les implications s'étendent bien au-delà de l'industrie du transport de fret. Le succès commercial du transport longue distance autonome validerait l'approche de l'IA générative à la conduite à grande échelle, informerait les cadres réglementaires des véhicules commerciaux autonomes plus largement, et créerait des modèles opérationnels et financiers pour l'expansion de l'autonomie de niveau 4 vers les 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 rapports de IEEE Spectrum. Lire l'article original.
Originally published on spectrum.ieee.org
