samedi, 19 juin 2021

Ce que le lancement de Waabi signifie pour l’industrie de la voiture autonome

Ce n’est pas le meilleur moment pour les démarrages de véhicules autonomes. L’année précédente, de grandes entreprises technologiques ont obtenu des start-ups qui manquaient d’argent et des entreprises de covoiturage ont fermé des tâches coûteuses en matière de voitures autonomes sans aucune perspective de devenir prêtes pour la production de sitôt.

Au milieu de cette récession, Waabi, une start-up automobile autonome basée à Toronto, est tout simplement sortie de la clandestinité avec une quantité folle de 83,5 millions de dollars dans un tour de financement de série A dirigé par Khosla Ventures, avec une participation supplémentaire d’Uber, 8VC , Radical Ventures, OMERS Ventures, BDC et Aurora Development. Les bailleurs de fonds de l’entreprise incluent également Geoffrey Hinton, Fei-Fei Li, Peter Abbeel et Sanja Fidler, des chercheurs en intelligence artificielle avec un excellent impact dans la communauté universitaire et la communauté de l’IA appliquée.

Ce qui fait que Waabi a été approuvé pour de telles assistance? Selon le communiqué de presse de la société, Waabi vise à résoudre le défi « d’échelle » de la recherche sur les voitures autonomes et « apporter une innovation de conduite autonome commercialement pratique à la société ». Ce sont 2 difficultés essentielles du marché de l’automobile autonome et sont mentionnées à plusieurs reprises dans le communiqué.

Ce que Waabi appelle sa « nouvelle génération d’innovation en matière de conduite autonome » n’a pas encore passé le test de temps. Cependant, son plan d’exécution indique quelles instructions l’industrie de la voiture autonome pourrait suivre.

De meilleurs algorithmes et simulations d’apprentissage automatique

Selon le communiqué de presse de Waabi : « La technique traditionnelle d’ingénierie des voitures autonomes conduit à une pile d’applications logicielles qui ne maximise pas la puissance de l’IA, ce qui nécessite un réglage manuel complexe et fastidieux. Cela rend la mise à l’échelle coûteuse et techniquement difficile , en particulier lorsqu’il s’agit de corriger des scénarios de conduite moins réguliers et plus imprévisibles. »

Les principales entreprises automobiles autonomes ont en fait conduit leurs voitures et camions sur de véritables routes sur des millions de kilomètres pour former leurs conceptions d’apprentissage en profondeur. La formation sur route est coûteuse à la fois en termes de logistique et de personnel. Il est également semé d’obstacles juridiques, car les lois entourant les tests d’auto-conduite varient d’une juridiction à l’autre. Pourtant, malgré toute la formation, l’innovation automobile autonome a du mal à faire face aux cas difficiles, des situations rares qui ne sont pas incluses dans les informations de formation. Ces difficultés d’installation témoignent des limites de la technologie existante des véhicules autonomes.

Voici comment Waabi déclare résoudre ces obstacles (focus mien) : « Le développement de l’entreprise, l’approche d’abord par l’IA, développé par une équipe de technologues de renommée mondiale, tire parti de l’apprentissage en profondeur, du raisonnement probabiliste et de l’optimisation complexe pour produire une application logicielle formable de bout en bout, interprétable et efficace dans une réflexion vraiment complexe . Ceci, associé à un simulateur en boucle fermée révolutionnaire doté d’un niveau de fidélité inégalé, permet un dépistage à grande échelle à la fois des circonstances de conduite typiques et des cas extrêmes de sécurité. . Cette méthode réduit considérablement le besoin de parcourir des kilomètres de dépistage dans la vraie vie et offre une option plus sûre et moins chère. »

Il y a beaucoup de jargon là-dedans (dont une grande partie est probablement du o) qui doit être clarifié. Je me suis connecté à Waabi pour plus d’informations et je mettrai à jour ce message si j’ai de leurs nouvelles.

Par « méthode AI-first », je pense qu’ils veulent dire qu’ils mettront davantage l’accent sur la production d’un meilleur apprentissage automatique. conceptions et moins sur des innovations complémentaires telles que les lidars, les radars et les données cartographiques. L’avantage d’avoir une pile lourde de logiciels est le coût très faible de la mise à niveau de la technologie. Et il y aura beaucoup d’améliorations dans les années à venir alors que les scientifiques continueront de découvrir des moyens de contourner les limites de l’IA autonome.

La combinaison de « connaissance approfondie, pensée probabiliste et optimisation complexe » est intriguant, même s’il ne s’agit pas d’un développement. La majorité des systèmes d’apprentissage en profondeur utilisent un raisonnement non probabiliste. Ils fournissent une sortie, disons une catégorie ou une valeur prévue, sans fournir le niveau d’incertitude sur le résultat. D’un autre côté, l’apprentissage profond probabiliste offre également la fiabilité de ses inférences, ce qui peut être extrêmement utile dans des applications vitales telles que la conduite.

Les modèles d’apprentissage automatique « entraînables de bout en bout » ne nécessitent aucun manuel -fonctionnalités d’ingénierie. Cela implique que dès que vous avez établi l’architecture et compris les fonctions de perte et d’optimisation, tout ce que vous avez à faire est de fournir la conception d’apprentissage de l’appareil avec des exemples de formation. La majorité des conceptions de connaissances approfondies peuvent être entraînées de bout en bout. Certaines des architectures les plus complexes nécessitent une combinaison de fonctionnalités et de connaissances conçues à la main en plus d’éléments pouvant être entraînés.

« l’interprétabilité » et la « réflexion » sont 2 des obstacles cruciaux de la connaissance approfondie. Les réseaux de neurones profonds sont constitués de millions et de milliards de paramètres. Il est donc difficile de les dépanner en cas de problème (ou de découvrir des problèmes avant que quelque chose de grave ne se produise), ce qui peut être une réelle difficulté dans des circonstances importantes telles que la conduite de voitures. D’un autre côté, l’absence de pouvoir de raisonnement et de compréhension causale rend très difficile pour les conceptions de connaissance approfondie de faire face à des circonstances qu’ils n’ont jamais vues auparavant.

Selon la couverture de TechCrunch du lancement de Waabi, Raquel Urtasan, le PDG de l’entreprise, a décrit le système d’IA que l’entreprise utilise comme une « famille d’algorithmes ».

« Lorsqu’il est combiné, le concepteur peut retracer la procédure de décision du système d’IA et inclure l’anticipation afin qu’ils n’aient pas besoin pour tout enseigner au système d’IA à partir de zéro », a écrit TechCrunch.

L’environnement de simulation en boucle fermée remplace l’envoi de vrais véhicules sur de vraies routes. Dans une interview avec The Edge, Urtasan a déclaré que Waabi peut « tester l’ensemble du système » en simulation. « Nous pouvons entraîner tout un système à apprendre en simulation, et nous pouvons produire des simulations avec un niveau de fidélité incroyable, de sorte que nous pouvons vraiment corréler ce qui se passe en simulation avec ce qui se passe dans la vie réelle. »

Je suis un peu sur la clôture sur la partie simulation. La plupart des entreprises de véhicules autonomes utilisent des simulations dans le cadre du régime de formation de leurs modèles de connaissance approfondie. Cependant, créer des environnements de simulation qui sont des réplications spécifiques de la vie réelle est pratiquement difficile, c’est pourquoi les constructeurs de voitures autonomes continuent d’utiliser des tests routiers intensifs.

Waymo a au moins 20 milliards de kilomètres de conduite simulée à opter pour ses 20 millions de miles d’essais sur route réelle, ce qui est un record dans l’industrie. Et je ne sais pas exactement comment une start-up avec un financement de 83,5 millions de dollars peut surpasser les compétences, les informations, les calculs et les fonds d’une entreprise autonome avec plus d’un an d’histoire et le soutien d’Alphabet, parmi les plus affaires riches sur la planète.

D’autres astuces sur le système peuvent être découvertes dans le travail qu’Urtasan, qui est également enseignant au département d’informatique de l’Université de Toronto, effectue dans le cadre de la recherche universitaire. Le nom d’Urtasan apparaît sur de nombreux documents sur la conduite autonome. Cependant, l’un, en particulier, soumis sur le serveur de préimpression arXiv en janvier, est fascinant.

Intitulé « MP3 : A Unified Design to Map, Perceive, Predict and Strategy », le document présente une méthode pour auto-conduite qui est extrêmement proche de la description dans le communiqué de presse de lancement de Waabi.

Les chercheurs expliquent le MP3 comme « une technique de bout en bout à la conduite sans carte qui est interprétable, ne n’encourent aucune perte de détails et des facteurs d’imprévisibilité dans les représentations intermédiaires. » Dans l’article, les scientifiques discutent également de l’utilisation de « couches spatiales probabilistes pour concevoir les parties fixes et dynamiques de l’environnement ».

Le MP3 peut être entraîné de bout en bout et utilise l’entrée lidar pour produire des représentations de scènes, prévoir les états futurs , et les trajectoires stratégiques. La conception d’apprentissage de l’appareil évite d’avoir besoin de données cartographiques finement complètes que des entreprises comme Waymo utilisent dans leurs véhicules autonomes.

Raquel a publié une vidéo sur son YouTube qui offre une brève explication du fonctionnement du MP3. C’est un travail fascinant, même si de nombreux scientifiques souligneront qu’il ne s’agit pas d’un grand progrès en tant que combinaison intelligente de méthodes existantes.

Il existe également un grand écart entre la recherche en IA scolastique et l’IA appliquée. Il reste à voir si le MP3 ou une variante de celui-ci est le modèle utilisé par Waabi et comment il fonctionnera dans des contextes pratiques.

Une approche plus conservatrice de la commercialisation

La première application de Waabi ne sera pas l’automobile que vous pouvez commander avec votre application Lyft ou Uber.

« Le groupe se concentrera dans un premier temps sur la sortie du logiciel de Waabi dans la logistique, notamment le camionnage long-courrier, un marché où l’innovation en matière de conduite autonome devrait avoir l’impact le plus important et le plus rapide en raison d’un manque chronique de chauffeurs et de problèmes de sécurité répandus », indique le communiqué de presse de Waabi.

Ce que le communiqué ne traite pas, néanmoins, c’est que Les paramètres d’autoroute sont un problème plus simple à résoudre car ils sont beaucoup plus prévisibles que les emplacements en ville. Cela les rend moins sujets aux cas marginaux (comme un piéton qui court devant la voiture) et beaucoup plus faciles à imiter. Les camions autonomes peuvent transporter des marchandises entre les villes, tandis que les chauffeurs humains s’occupent de la livraison à l’intérieur des villes.

Avec Lyft et Uber cessant de travailler pour introduire leurs propres services de taxi robot, et avec Waymo encore loin d’être un , son service de VTC entièrement autonome, en une organisation évolutive et gratifiante, la méthode de Waabi semble bien acceptée.

Avec des applications plus complexes encore hors de portée, nous pouvons anticiper l’innovation en matière d’auto-conduite pour faire des percées dans des contextes plus spécifiques tels que le camionnage, les complexes industriels et les usines.

Waabi ne fait pas non plus mention d’un calendrier dans le communiqué de presse. Cela semble également refléter les échecs de l’industrie automobile autonome au cours des dernières années. Les hauts dirigeants du secteur des véhicules et des véhicules autonomes ont constamment fait des déclarations fermes et proposé des dates d’échéance concernant l’expédition de la technologie entièrement sans conducteur. Aucun de ces délais n’a été réellement respecté.

Que Waabi finisse par réussir de manière indépendante ou qu’il finisse par rejoindre le portefeuille d’acquisitions parmi les géants de la technologie, son plan semble être une vérité d’examiner le marché de l’automobile autonome . L’industrie a besoin d’entreprises capables d’établir et de vérifier de nouvelles technologies sans trop de bruit, d’accueillir les changements à mesure qu’elles tirent parti de leurs erreurs, d’apporter des améliorations incrémentielles et d’économiser leur argent pour une longue course.

.

Toute l’actualité en temps réel, est sur L’Entrepreneur

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici