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。
トラック輸送が乗客用車両より優先される理由
自動運転車産業は、どのアプリケーションを優先するかについての問題に関しては、ある意味で完全な循環を作成しています。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、工事区域、曖昧なトラフィック状況）は、多くの人が予想するよりもオートメーションに対する耐性がより高いことが証明されています。長距離トラック輸送は異なる問題プロファイルを提示します：主に高速道路運転、予測可能なルート、技術を管理するように訓練できる商用オペレータ、およびオートメーションを強く支持する経済学。
自動運転トラック輸送の経済学は、ロボタクシー経済学が難しいことが証明された方法では説得力があります。今日の人間のトラック運転手は相当な賃金を命じ、1日の運転を約11時間に制限する労働時間規制に制限されており、有資格ドライバーの継続的な構造的不足に直面している産業に直面しています。自動運転トラックは、端末エンドポイントでのみ人間の監督を伴い、長距離ルートにわたって継続的に運営でき、貨物輸送のユニット経済学を潜在的に変換できます。
Waabiの商業モデルは、自動運転トラックが主要なロジスティクスハブ間の定義されたハイウェイ回廊で運営し、人間のドライバーが各端の最後のマイル配送と配送を処理するハブ間パラダイムの周りに構築されています。このアーキテクチャは、自動運転セグメントを、レベル4の機能が今日達成可能なハイウェイ運用設計ドメイン内に保つと同時に、その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。
安全記録と規制上の進歩
Urtasunは、Waabiのテストプログラムの安全記録に対応し、同社が安全上重要な脱着なしでかなりのハイウェイマイレージを蓄積しており、業界が人間の監督がいかに頻繁に必要であるかを追跡するために使用するメトリックであることを指摘しました。彼女は完璧さを主張しないことに慎重でしたが、代わりに、質問は自動運転システムが提供されている特定の運用ドメインとルートタイプに対する人間のベースラインよりも安全かどうかであり、彼女はテスト済みの回廊でWaabiのシステムにとってすでに有利であると主張する比較です。
規制上の関与は技術開発と並行して進んでいます。複数の米国の州が商用自動運転トラック操作のためのフレームワークを開発しており、FMCSAは商用車での自動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のテクノロジータイムラインより前に一般的に追跡されており、商用導入の主要な制限要因は規制許可ではなく技術的準備です。
同社は、完全な商用認証を達成すると同時にWaabiのテクノロジーを展開することを約束したロジスティクス事業者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反食する、収益の可視性と実世界の運用データの両方を提供します。Urtasunは、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なと見なす仮想的なサイクル。
成功はどのようなものか
レベル4自動運転トラックの成功は、何か具体的で測定可能なことを意味します：定義されたルート上で人間の監督なしで運営され、商用規模で、自動運転システムに起因する安全インシデントなしで持続した期間にわたって運営されるトラック。Urtasunの見方は、この閾値は短期的には高速道路アプリケーションに対して達成可能であり、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、どのくらい迅速に貨物ネットワークのより大きな割合をカバーするために拡張できるかです。
含意はトラック輸送産業をはるかに超えています。自動運転長距離トラック輸送の商用上の成功は、スケールで運転するための生成型AIアプローチを検証し、より広く自動運転商用車の規制フレームワークを知らせ、隣接するドメインへのレベル4自動化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。10年以上の間、革新的な自動運転輸送を約束している業界にとって、意味のあるスケールでの実際の商用展開は、真の変曲点を表します。
この記事はIEEE Spectrumのレポートに基づいています。元のアーティクルを読む。
Originally published on spectrum.ieee.org
