Waabi CEO：Level-4自動運転トラックが間もなく到来

自動運転トラックの時代

トロント出身のAI教授でありWaabi自動運転トラック企業の創業者であるRaquel Urtasunは、過大広告の傾向がない。彼女のキャリアは、機械学習の基礎研究の年数、Uberの先進技術グループの指導、そして現在世界で最も技術的に野心的な自動運転トラックプログラムの1つを構築することにまたがっています。彼女がLevel-4自動運転トラックが商用実現性に接近していると言うとき、その声明は自動車技術分野のより投機的な主張が持たない重みを持ちます。

IEEE Spectrumとの詳細なインタビューで、Urtasunはabout Wabiの技術的アプローチ、商用展開への進捗、および生成型AIがどのように長距離トラック運搬を完全自動運転技術の実行可能なアプリケーションにする堅牢で一般化可能な自動性を達成するためのタイムラインを根本的に変えたかについての彼女の見解を説明しました。彼女の主張は問題が簡単になったということではなく、それを解決するために利用可能なツールが劇的に改善されたということです。

Level-4自動性—人間の介入なしに定義された運用設計領域内のすべての運転タスクを処理する機能—は、デモンストレーション技術を商用製品から分離するしきい値です。トラック運搬アプリケーションの場合、関連する領域は主に定義されたルート上の高速道路運転であり、年間多くの乗客車両自動化プログラムに課題を与えてきた複雑な都市環境よりも実質的に制限された環境です。

生成型AIの利点

Urtasunの中心的な議論は、生成型AIアプローチから自己運転へ—明示的なルールをエンコードするのではなく、膨大な量の運転データで訓練された大規模モデルを使用して一般化可能な運転行動を学ぶ—は、以前のアプローチが達成するのに苦しんだ方法で自動システムの堅牢性の質的改善を生み出したということです。GPT-4とその後継者を生み出した同じスケーリングダイナミクスが運転問題に適用されており、能力の比較可能なステップチェンジ結果があります。

Wabiのアーキテクチャは、企業が生成型ワールドモデルと呼ぶものに焦点を当てています—現実的な運転シナリオを生成できる学習シミュレーション環境。実世界のデータ収集で遭遇し記録するには危険すぎるまたはコストが高すぎる稀で危険なエッジケースを含みます。このシミュレーション能力は、自動車の開発における最も基本的なボトルネックの1つに対処します：展開時にシステムが遭遇する可能性のある状況の完全な分布をカバーするトレーニングデータの必要性。不均衡な安全上の影響を持つ低確率イベントを含みます。

学習シミュレーションを使用して、実質的に無制限の生成シナリオの多様性に対する自動システムのストレステストを実行する能力は、WabiおよびSimilary-architectured プログラムが、記録された実世界データに依存するプログラムよりも大幅により多くのテールリスク分布を覆うことができることを意味します。安全認証と規制承認の場合、これは単なる開発効率の利点ではありません—それはシステムがデプロイメント準備ができていることを実証するための根本的に異なるアプローチです。

乗客車両の前にトラック運搬である理由

自動車産業は、どのアプリケーションを優先するかの問題についてある意味で完全な円を作りました。初期の熱意は都市環境での乗客ロボタクシーに焦点を当てていましたが、都市運転の複雑さ—歩行者、サイクリスト、建設地帯、曖昧な交通状況—多くのプロジェクトよりも自動化に対してより耐性があることが判明しました。長距離トラック運搬は異なる問題プロフィールを提示します：主に高速道路運転、予測可能なルート、技術を管理するために訓練できる商用運営者、および自動化を強く支持する経済学。

自動トラック運搬の経済学は、ロボタクシー経済学が難しいことが判明した方法で説得力があります。人間のトラックドライバーは今日かなりの賃金を指令し、サービス時間規制により約1日11時間の運転に制限され、資格のあるドライバーの継続的な構造的不足がある業界に直面しています。自動トラックは、ターミナルエンドポイントでのみ人間の監視で長距離ルートで継続的に動作でき、貨物運搬の単位経済を可能性がある。

Wabiの商業モデルは、ハブツーハブのパラダイムの周りに構築されています。その中で、自動運転トラックは主要なロジスティクスハブ間の定義された高速道路の廊下で動作し、人間のドライバーが各端で最終マイルのピックアップと配信を処理します。このアーキテクチャは、自動セグメントをレベル4機能が今日達成可能である高速道路運用設計領域内に保つ一方で、判断と柔軟性が本当に必要な場所で人間のドライバーを使用します。

安全記録と規制進捗

Urtasunは、Wabiのテストプログラムの安全記録に対処し、同社が安全上重要な不具合なしで実質的な高速道路マイルを蓄積していると述べています。業界がトラックして人間の監視が安全でない状況を防ぐために必要とされる頻度のメトリック。彼女は完璧さを主張しないことに注意を払い、代わりに質問は自動システムが特定の運用設計領域および提供されるルートタイプのための人間のベースラインより安全かどうかであることを注記し、彼女は争う比較は試験されたコリドーのWabiのシステムに既に有利です。

規制の関与は技術開発と並行して進展しました。米国のいくつかの州は商用自動トラック運搬操作のためのフレームワークを開発し、FMCSAは商用車で自動化された運転システムのための連邦ガイダンスを開発しています。規制タイムラインは過去数年間で一般的に技術タイムラインをリードしており、商用展開の主要なゲーティング因子が現在規制許可ではなく技術的な準備ができていることを意味します。

同社は完全な商用認証を達成すると、Waabi技術の展開に専念している物流オペレーターとの商用パートナーシップを発表しました。これらのパートナーシップは、継続的なシステム改善に戻ってフィードバックする売上可視性と実世界の運用データの両方を提供します—Urtasunが広範な商用展開に必要なパフォーマンスを達成するために不可欠であると見なす美徳サイクル。

成功はどのように見えるか

Level-4自動トラック運搬の成功は何かの具体的で測定可能な意味：人間の監視なしで定義されたルートで動作し、商用規模で、安全でない自動システムに起因する安全事件なしで期間を継続するトラック。Urtasunの見方は、このしきい値は短期的に高速道路アプリケーションの場合に実現可能であり、より興味深い質問は技術とその運用インフラストラクチャが成熟するにつれてフレイトネットワークの大きい割合をカバーするため拡張できるとしています。

意味合いはトラック運搬業界を超えて拡張されます。自動長距離トラック運搬の商用成功は、規模での運転への生成型AIアプローチを検証し、より広くより商用自動車の規制フレームワークを知らせ、隣接する領域への改正レベル4自動性を拡張するための運用および財務テンプレートを作成します。自動運搬を変換する約束された一業界、意味のあるスケールでの本当の商用展開は、本当な変曲点を表すでしょう。

この記事はIEEE Spectrumからのレポーティングに基づいています。 オリジナル記事を読む.