O momento dos caminhões autônomos

Raquel Urtasun, a antiga professora de IA de Toronto que fundou a startup de caminhões autônomos Waabi, não é dada ao sensacionalismo. Sua carreira abrange anos de pesquisa fundamental em aprendizado de máquina, liderança do Grupo de Tecnologias Avançadas da Uber, e agora a construção de um dos programas de caminhões autônomos mais tecnicamente ambiciosos do mundo. Quando ela diz que caminhões autônomos Level-4 estão se aproximando da viabilidade comercial, a declaração tem um peso que afirmações mais especulativas no espaço de veículos autônomos não têm.

Em uma entrevista estendida com IEEE Spectrum, Urtasun descreveu a abordagem técnica da Waabi, seu progresso em direção à implantação comercial e sua visão de como a IA generativa mudou fundamentalmente o cronograma para alcançar o tipo de autonomia robusta e generalizável que torna o transporte de longa distância uma aplicação viável para tecnologia de condução totalmente autônoma. Seu argumento não é que o problema se tornou fácil, mas que as ferramentas disponíveis para resolvê-lo melhoraram dramaticamente.

Autonomia Level-4 — a capacidade de lidar com todas as tarefas de condução dentro de um domínio de design operacional definido sem intervenção humana — é o limite que separa tecnologia de demonstração de produto comercial. Para aplicações de transporte, o domínio relevante é principalmente dirigir na rodovia em rotas definidas, um ambiente substancialmente mais restrito do que os ambientes urbanos complexos que desafiaram os programas de autonomia de veículos de passageiros por anos.

A vantagem da IA generativa

O argumento central de Urtasun é que as abordagens de IA generativa para direção autônoma — que usam modelos grandes treinados em quantidades vastas de dados de direção para aprender comportamentos de direção generalizáveis em vez de codificar regras explícitas — produziram melhorias qualitativas na robustez dos sistemas autônomos de maneiras que as abordagens anteriores lutaram para alcançar. A mesma dinâmica de escala que produziu GPT-4 e seus sucessores está sendo aplicada ao problema de direção, com resultados de mudança de passo comparáveis em capacidade.

A arquitetura da Waabi se concentra no que a empresa chama de modelo de mundo generativo — um ambiente de simulação aprendido que pode gerar cenários de direção realistas, incluindo casos extremos raros e perigosos que seriam muito perigosos ou caros para encontrar e registrar na coleta de dados do mundo real. Essa capacidade de simulação aborda um dos gargalos mais fundamentais no desenvolvimento de veículos autônomos: a necessidade de dados de treinamento que cubram a distribuição completa de situações que o sistema pode encontrar na implantação, incluindo eventos de baixa probabilidade que têm implicações de segurança desproporcionais.

A capacidade de usar simulação aprendida para teste de estresse de sistemas autônomos contra uma variedade praticamente ilimitada de cenários gerados significa que Waabi e programas similarmente arquitetados podem cobrir muito mais da distribuição de risco de cauda do que programas dependentes de dados gravados no mundo real. Para certificação de segurança e aprovação regulatória, isso não é meramente uma vantagem de eficiência de desenvolvimento — é uma abordagem fundamentalmente diferente para demonstrar que um sistema está pronto para implantação.

Por que caminhões antes de veículos de passageiros

A indústria de veículos autônomos, de certa forma, fez uma volta completa sobre a questão de qual aplicação priorizar. O entusiasmo inicial se concentrou em robôs táxi de passageiros em ambientes urbanos, mas a complexidade da direção na cidade — pedestres, ciclistas, zonas de construção, situações de tráfego ambíguas — provou ser mais resistente à automação do que muitos projetos. O transporte de longa distância apresenta um perfil de problema diferente: principalmente direção em rodovia, rotas previsíveis, operadores comerciais que podem ser treinados para gerenciar a tecnologia, e economia que favorece fortemente a automação.

A economia dos caminhões autônomos é convincente de maneiras que a economia de robôs táxi se provou ilusória. Um motorista de caminhão humano hoje ganha salários substanciais, é limitado por regulações de horas de serviço a aproximadamente 11 horas de direção por dia, e enfrenta uma indústria com escassez estrutural persistente de motoristas qualificados. Um caminhão autônomo pode operar continuamente em rotas de longa distância com supervisão humana apenas nos pontos finais de terminal, transformando potencialmente a economia unitária do transporte de carga.

O modelo comercial da Waabi é construído em torno de um paradigma de hub-para-hub no qual caminhões autônomos operam em corredores de rodovia definidos entre grandes centros logísticos, com motoristas humanos gerenciando a entrega da última milha em cada extremidade. Essa arquitetura mantém o segmento autônomo dentro do domínio de design operacional de rodovia onde a capacidade Level-4 é alcançável hoje, enquanto usa motoristas humanos onde seu julgamento e flexibilidade são realmente necessários.

Registro de segurança e progresso regulatório

Urtasun abordou o registro de segurança do programa de teste da Waabi, observando que a empresa acumulou milhas de rodovia substanciais sem desengajamentos críticos de segurança — uma métrica que a indústria usa para rastrear com que frequência a supervisão humana é necessária para evitar situações inseguras. Ela foi cuidadosa em não reivindicar perfeição, observando em vez disso que a questão é se o sistema autônomo é mais seguro do que a linha de base humana para o domínio de design operacional específico e tipos de rota sendo servidos, uma comparação que ela argumenta é já favorável para o sistema da Waabi em seus corredores testados.

O engajamento regulatório progrediu em paralelo com o desenvolvimento técnico. Vários estados americanos desenvolveram marcos para operações de caminhões autônomos comerciais, e a FMCSA está desenvolvendo orientação federal para sistemas de condução automatizada em veículos comerciais. O cronograma regulatório geralmente ficou à frente do cronograma de tecnologia nos últimos anos, significando que o fator limitante primário para implantação comercial é agora a prontidão técnica em vez da permissão regulatória.

A empresa anunciou parcerias comerciais com operadores logísticos que se comprometeram em implantar a tecnologia da Waabi conforme ela alcança certificação comercial completa. Essas parcerias fornecem visibilidade de receita e dados operacionais do mundo real que alimentam a melhoria contínua do sistema — um ciclo virtuoso que Urtasun vê como essencial para alcançar o desempenho necessário para implantação comercial generalizada.

Como o sucesso se parece

O sucesso para transporte autônomo Level-4 significa algo específico e mensurável: caminhões que operam em rotas definidas sem supervisão humana, em escala comercial, por períodos sustentados sem incidentes de segurança atribuíveis ao sistema autônomo. A visão de Urtasun é que este limite é alcançável para aplicações em rodovia no curto prazo, e que a questão mais interessante é a rapidez com que pode ser estendido para cobrir uma proporção maior da rede de frete conforme a tecnologia e sua infraestrutura operacional amadurecem.

As implicações se estendem bem além da indústria de transporte. O sucesso comercial no transporte autônomo de longa distância validaria a abordagem de IA generativa para condução em escala, informaria marcos regulatórios para veículos comerciais autônomos de forma mais ampla, e criaria modelos operacionais e financeiros para expandir autonomia Level-4 em domínios adjacentes. Para uma indústria que vem prometendo transporte autônomo transformador por mais de uma década, a implantação comercial real em escala significativa representaria um verdadeiro ponto de inflexão.

Este artigo é baseado em relatórios de IEEE Spectrum. Leia o artigo original.