La startup Waabi punta tutte le sue carte sugli ambienti simulati per far acquisire ai veicoli autonomi la capacità di affrontare le situazioni insolite che potrebbero trovarsi di fronte sulle strade reali
di Will Douglas Heaven
La costruzione di auto autonome rappresenta un’attività lenta e costosa. Dopo anni di tentativi e miliardi di dollari di investimenti, la tecnologia è ancora bloccata nella fase pilota. Ma Raquel Urtasun pensa di poter fare di meglio. L’anno scorso, ha lasciato Uber, dove ha guidato per quattro anni la ricerca sulla guida autonoma dell’azienda di trasporto passeggeri, per fondare Waabi.
Negli ultimi sei mesi la sua azienda ha allestito un ambiente virtuale super realistico, chiamato Waabi World, in cui il pilota AI si addestra all’interno di un ambiente simulato e il test sui veicoli reali rappresenta solo l’ultima fase del training. Il problema è che affinché l’AI impari a gestire il caos delle vere strade, deve essere esposta all’intera gamma di eventi che potrebbe incontrare. Ecco perché le aziende che progettano auto senza conducente hanno trascorso l’ultimo decennio percorrendo migliaia di km in tutto il mondo.
Alcune, come Cruise e Waymo, hanno iniziato a testare veicoli autonomi in tranquilli ambienti urbani negli Stati Uniti, ma i progressi sono ancora lenti. “Perché questo tipo di veicoli non sono ovunque?” si chiede Urtasun. La fondatrice di Waabo spera di costruire un driver di intelligenza artificiale più rapidamente ed economicamente rispetto ai suoi concorrenti, dando all’intero settore la spinta decisiva.
Waabi non è la prima azienda a sviluppare mondi virtuali realistici per testare il software di guida autonoma. Negli ultimi anni, la simulazione è diventata un pilastro per le aziende di auto autonome. Ma la domanda è se la simulazione da sola sarà sufficiente per aiutare l’industria a superare le ultime barriere tecniche che le hanno impedito di avere successo. “Nessuno ha ancora costruito Matrix per le auto a guida autonoma”, afferma Jesse Levinson, cofondatore e CTO di Zoox, una startup di veicoli autonomi acquistata da Amazon nel 2020.
In effetti, quasi tutte le aziende di veicoli autonomi ora utilizzano la simulazione in qualche modo in quanto accelera i test, esponendo l’AI a una gamma più ampia di scenari rispetto a quanto accadrebbe sulle strade reali e riduce i costi. Ma la maggior parte delle aziende combina la simulazione con i test nel mondo reale.
Waabi World porta l’uso della simulazione a un altro livello. Il mondo stesso è generato e monitorato dall’AI, allo stesso tempo controllore e controllato, che identifica i punti deboli del pilota virtuale e riorganizza l’ambiente. Il training avviene in continuità e senza input umani, spiega Urtasun.
Eventi rari
Le aziende di auto senza conducente utilizzano la simulazione per testare come le reti neurali che controllano i veicoli gestiscono situazioni impreviste (un corriere in bicicletta che arriva contromano, un camion che blocca la strada o un animale che attraversa la strada) e si comportano di conseguenza. “Per trovarsi di fronte a un evento insolito, ci vogliono migliaia di chilometri di test“, afferma Sid Gandhi, che lavora sulla simulazione presso Cruise, un’azienda che ha iniziato a testare veicoli completamente autonomi su un numero limitato di strade a San Francisco.
Ogni volta che Cruise aggiorna il suo software, esegue centinaia di migliaia di simulazioni per testarlo. Secondo Gandhi, l’azienda genererà migliaia di scenari basati su specifiche situazioni del mondo reale con cui le loro auto hanno problemi, modificando i dettagli per coprire una gamma di potenziali scenari. Può anche utilizzare i dati della telecamera del mondo reale dalle sue auto per rendere le simulazioni più realistiche.
Gli ingegneri possono quindi modificare i layout delle strade, scambiare diversi tipi di veicoli o modificare il numero di pedoni e utilizzare gli algoritmi di guida autonoma per controllare altri veicoli nella simulazione in modo che reagiscano in modo realistico. Il test con questo tipo di dati sintetici è 180 volte più veloce e costa milioni di dollari in meno rispetto all’utilizzo di dati reali, afferma Gandhi.
Cruise sta anche sperimentando repliche virtuali di città degli Stati Uniti diverse da San Francisco, afferma Gandhi, per testare il suo software di guida autonoma su strade simulate molto prima che le sue auto reali si trovino realmente in quei luoghi. Altre aziende concordano sul fatto che la simulazione è una parte cruciale della formazione e del test dell’AI per la guida autonoma. “Per molti versi la simulazione è in realtà più utile della guida reale“, sostiene Levinson.
Wayve, un’azienda di veicoli autonomi con sede nel Regno Unito, alterna test in simulazione e su strade reali. Ha testato le sue auto su strade trafficate di Londra, ma con un essere umano in macchina in ogni momento. La simulazione non solo accelera lo sviluppo di veicoli autonomi, ma li rende più affidabili, afferma Jamie Shotton, scienziato capo di Wayve.
Come Cruise, Waabi basa il suo mondo virtuale su dati presi da sensori reali, inclusi lidar e fotocamere, che utilizza per creare gemelli digitali di ambientazioni del mondo reale. Waabi simula quindi i dati del sensore visti dal conducente dell’AI, inclusi i riflessi su superfici lucide, che possono confondere le telecamere, e i gas di scarico o la nebbia, che possono vanificare il lidar, per rendere il mondo virtuale il più realistico possibile. Ma il punto di forza di Waabi World è la poliedricità dell’AI che mentre impara a navigare in una vasta gamma di ambienti, individua i suoi punti deboli e genera scenari specifici per testarli.
In effetti, Waabi World gioca un’AI contro un’altra: da una parte l’istruttore che mette alla prova il guidatore e dall’altra il pilota impegnato a superare le sfide. I progressi sono costanti. Man mano che l’AI del driver migliora, diventa più difficile trovare casi in cui fallirà, afferma Urtasun. A suo parere, l’addestramento del conducente in una simulazione ricca replica da vicino il modo in cui le persone apprendono nuove abilità.
Allenare l’AI in una simulazione mettendola contro se stessa o contro un avversario, milioni e milioni di volte, è diventata una tecnica diffusa. È così che DeepMind ha addestrato la sua AI per giocare a Go e Starcraft; è anche il modo in cui i robot di intelligenza artificiale imparano in campi da gioco virtuali come XLand di DeepMind e Hide & Seek di OpenAI , che insegnano abilità di base con sistemi a tentativi ed errori.
Ma lo svantaggio di dare libero sfogo all’AI in una simulazione è che può imparare a sfruttare scappatoie non praticabili nel mondo reale. I bot Hide & Seek di OpenAI hanno imparato a collaborare in team per nascondersi o trovare gli altri. Ma hanno anche trovato soluzioni che sfidano le leggi fisiche, lanciandosi in aria o spingendo oggetti attraverso i muri.
Waabi dovrà assicurarsi che la sua simulazione sia sufficientemente accurata da impedire al suo driver di intelligenza artificiale di evitare comportamenti simili. Le reti neurali impareranno sempre a sfruttare le discrepanze tra il mondo virtuale e quello reale, afferma Urtasun: “Sanno come imbrogliare”.
Quanto lontano può arrivare Waabi usando la sola simulazione dipenderà dal livello di realismo di Waabi World. “Le simulazioni stanno migliorando sempre di più, quindi ci sono sempre meno cose che fanno parte della vita reale che non si possono imparare nella simulazione“, afferma Levinson. “Ma ci vorrà tempo”. “È importante mantenere un sano equilibrio tra simulazione e test nel mondo reale”, afferma Shotton. “Il test finale per qualsiasi azienda di guida autonoma è quello di implementare la propria tecnologia in sicurezza su strada”.
Qualunque cosa accada, Urtasun è fermamente convinta che lo status quo non possa continuare. “Tutti continuano a fare la stessa cosa, ma il problema rimane irrisolto”, spiega. “Serve qualcosa che acceleri il processo. Dobbiamo andare fino in fondo con questo nuovo modo di pensare”.
(rp)
