TuSimple y Waymo están a la cabeza en el sector emergente del transporte autónomo; El fundador de TuSimple, Xiaodi Hou, y el jefe de camiones de Waymo, Boris Sofman, tuvieron una discusión en profundidad sobre su industria y la tecnología que están construyendo en TC Mobility 2020. Curiosamente, aunque están resolviendo los mismos problemas, tienen antecedentes y enfoques muy diferentes. .
Hou y Sofman empezaron hablando de por qué buscaban el mercado de camiones en primer lugar. (Las citas se han editado ligeramente para mayor claridad).
“El mercado es enorme; Creo que en los Estados Unidos se gastan entre $ 700 y $ 800 mil millones al año en la industria del transporte por carretera. Continúa creciendo cada año ”, dijo Sofman, quien se unió a Waymo desde Anki el año pasado para liderar el esfuerzo en el transporte de mercancías. “Y hay una enorme escasez de conductores hoy, que solo aumentará durante el próximo período de tiempo. Es una necesidad tan clara. Pero no será de la noche a la mañana, todavía hay una larga lista de desafíos que no puede evitar. Entonces, la forma en que hablamos es que las cosas que son más difíciles son simplemente diferentes “.
“Es realmente el análisis de costos y recompensas, pensar en construir el sistema operativo”, dijo Hou. “El costo es la cantidad de funciones que desarrolla, y la recompensa es básicamente cuántas millas está conduciendo: se cobra por milla. A partir de ese análisis de costo-recompensa, el transporte por camión es simplemente el camino natural a seguir para nosotros. La cantidad total de problemas que necesita resolver es probablemente 10 veces menor, pero tal vez, ya sabe, cinco veces más difícil “.
“Sin embargo, es muy difícil cuantificar esos números”, concluyó, “pero entiendes mi punto”.
Los dos también discutieron la complejidad de crear un marco de percepción lo suficientemente bueno para conducir.
“Incluso si tiene un conocimiento perfecto del mundo, debe predecir lo que otros objetos y agentes van a hacer en ese entorno, y luego tomar una decisión usted mismo y la combinación es muy desafiante”, dijo Sofman.
“Lo que realmente nos ayudó es que la parte del automóvil de la empresa se dio cuenta hace muchos, muchos años de que para ayudarnos a resolver este problema de la manera más fácil posible y facilitar los desafíos posteriores, tuvimos que crear nuestros propios sensores ,” él continuó. “Por eso tenemos nuestro propio lidar, nuestro propio radar, nuestras propias cámaras, y tienen propiedades increíblemente únicas que fueron diseñadas a medida a través de cinco generaciones de hardware que intentan realmente apoyarse en el tipo de situaciones más desafiantes que simplemente no puedes. evitar en la carretera “.
Hou explicó que si bien muchos sistemas autónomos descienden de los enfoques utilizados en el famoso DARPA Grand Challenge hace 15 años, el de TuSimple es un poco más antropomórfico.
“Creo que estoy muy influenciado por mi experiencia, que tiene un tinte de neurociencia. Así que siempre estoy pensando en construir una máquina que pueda ver y pensar, como lo hacen los humanos ”, dijo. “En el desafío DARPA, la idea de la gente sería: Bien, escriba una ecuación de sistema dinámico y resuelva esta ecuación. Para mí, estoy tratando de responder a la pregunta de cómo reconstruimos el mundo. Lo que se trata más de comprender los objetos, comprender sus atributos, aunque algunos de los atributos pueden no contribuir directamente a todo el sistema de conducción autónoma “.
“Estamos combinando todas las características diferentes, aparentemente inútiles, para que podamos reconstruir los llamados ‘qualia’ de la percepción del mundo”, continuó Hou. “Al hacer eso, descubrimos que tenemos todos los ingredientes que necesitamos para hacer cualquier misión que tengamos”.
Los dos se encontraron en desacuerdo sobre la idea de que, debido a las grandes diferencias entre la conducción en carretera y la conducción a nivel de calle, hay esencialmente dos problemas distintos que resolver.
Hou opinó que “la superposición es bastante pequeña. La sociedad humana ha declarado ciertos tipos de reglas para conducir en la carretera… este es un sistema mucho más regulado. Pero para la conducción local en realidad no hay reglas para la interacción … de hecho, construcciones sociales implícitas muy diferentes para conducir en diferentes áreas del mundo. Estas son cosas que son muy difíciles de modelar “.
Sofman, por otro lado, consideró que si bien los problemas son diferentes, resolver uno contribuye sustancialmente a resolver el otro: “Si divide el problema en los muchos, muchos componentes básicos de un sistema AV, hay una ventaja bastante grande donde incluso si no resuelve el problema al 100%, elimina el 85% -90% de la complejidad. Usamos exactamente los mismos sensores, exactamente las mismas infraestructuras informáticas, el marco de simulación, el sistema de percepción se traslada, en gran medida, incluso si tenemos que volver a entrenar algunos de los modelos. El núcleo de todos nuestros algoritmos es que estamos trabajando para mantenerlos igual “.
Puedes ver el resto de ese último intercambio en el video de arriba. Este panel y muchos más de TC Sessions: Mobility 2020 están disponibles para ver aquí para los suscriptores de Extra Crunch.
Source link