自動運転トラックの時代

トロント出身のAI教授からWaabiという自動運転トラック・スタートアップを創業したRaquel Urtasunは、誇張癖がない人です。彼女のキャリアは、基礎的な機械学習研究の数年、Uberの先進技術部門（Advanced Technologies Group）のリーダーシップ、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及んでいます。彼女がレベル4自動運転トラックが商用的な実現可能性に近づいていると言うとき、この声明は自動運転車の分野で持ち出される、より投機的な主張よりもはるかに重みがあります。

IEEE Spectrumとの広範なインタビューで、Urtasunはエレベータの技術的アプローチ、商用導入に向けた進捗、および生成型AIがどのように完全自動運転技術の実行可能なアプリケーションとなる長距離トラック輸送を実現するために必要な、堅牢で一般化可能な自律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方について説明しました。彼女の論点は、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。

レベル4自動運転は、定義された運用設計ドメイン内のすべての運転タスクを人間の介入なしに処理する能力です。これは、デモンストレーション技術と商用製品を分ける閾値です。トラック輸送アプリケーションでは、関連するドメインは主に定義されたルート上の高速道路運転であり、乗客用車両の自動運転プログラムを長年挑戦してきた複雑な都市環境よりもはるかに制約されています。

生成型AIの利点

Urtasunの中心的な議論は、自動運転への生成型AIアプローチ（明示的なルールをコーディングするのではなく、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習する）が、以前のアプローチが達成するのに苦労した方法で自動システムの堅牢性に質的な改善をもたらしたというものです。GPT-4とその後継者を生成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、比較可能な段階的な能力の改善をもたらしています。

Waabiのアーキテクチャは、会社が生成型世界モデルと呼ぶもの（実際の世界のデータ収集で遭遇して記録するには危険すぎるか高すぎる稀で危険なエッジケースを含む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）を中心としています。このシミュレーション機能は、自動運転車開発における最も基本的なボトルネックの1つに対応します：展開中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訓練データの必要性、およびスケール外れの安全性への影響を持つ低確率イベント。

学習されたシミュレーションを使用して自動システムをほぼ無限の数の生成されたシナリオに対してストレステストできる能力は、Waabiおよび同様にアーキテクトされたプログラムが、記録された実世界のデータに依存するプログラムよりもはるかに尾部リスク分布をカバーできることを意味します。安全認証と規制承認については、これは単なる開発効率の利点ではなく、システムが展開の準備ができていることを示す根本的に異なるアプローチです。