Highway Stars: cómo el transporte autónomo se convirtió en el héroe improbable del desarrollo de vehículos autónomos

30

En la primera mitad de 2021, los inversores regalaron a los desarrolladores de camiones autónomos como Plus y TuSimple un récord de $ 5.6 mil millones. Eso es más de $ 4.2 mil millones en todo 2020, según la firma de investigación Pitchbook. 

Los camiones comerciales de clase 8, los remolques de tractor con los que pasa todos los días en la carretera, generalmente registran kilómetros astronómicos en rutas largas con condiciones relativamente predecibles. Ese es un entorno ideal para desarrollar y probar la tecnología de conducción autónoma. 

“El tipo de conducción más estructurada que hacen los camiones en la carretera es realmente donde brilla la tecnología autónoma”, dice el cofundador y director de operaciones de Plus, Shawn Kerrigan. El desarrollador de vehículos autónomos actualmente implementa camiones autónomos de nivel 4 en los EE. UU. Y China.

“Los casos comerciales son claros en términos de reducción de costos, utilización de activos y especialmente seguridad”, dice Kerrigan. 

Después de años de esperar en robotaxis y automóviles de pasajeros autónomos, muchos inversores ven que los avances en el transporte autónomo tienen un potencial real para aliviar la escasez de mano de obra, generar eficiencias operativas y, sobre todo, mejorar la seguridad en un período de tiempo más corto que los automóviles. 

Pero si bien las carreteras controladas son una buena placa de Petri para desarrollar algoritmos de inteligencia artificial, el desafío de la autonomía total sigue siendo un gran impulso para los automóviles o camiones.

“Hay dos problemas que todo desarrollador de vehículos autónomos tiene que resolver”, dice Kerrigan. “Primero, hay que desarrollar tecnología que sea mucho más segura que un conductor humano. En segundo lugar, debe demostrar esa seguridad a los reguladores y al público antes de poder implementar a gran escala “.

“Nuestra opinión ha sido que la única forma de abordar realmente ambos problemas es recopilar cantidades masivas de datos. La conducción autónoma es realmente un gran problema de datos “.

Seguridad frente a Big Data

La seguridad es el principal desafío para todos los desarrolladores de AV, dice Kerrigan, pero también es uno de los mayores obstáculos del transporte por carretera en general. Según la Administración Nacional de Seguridad del Tráfico en las Carreteras, cada año ocurren más de 500,000 accidentes de camiones en los EE. UU. En 2017, poco menos de 5,000 de ellos involucraron muertes. Los vehículos autónomos, dice Kerrigan, realmente pueden redefinir la seguridad. 

“Esta es una tecnología que no se distrae, no se adormece y siempre sigue las reglas”, dice.

Como la mayoría de los desarrolladores de AV, Plus prueba sus algoritmos en simulaciones por computadora y en el mundo real, lo que, debido a la escala del procesamiento y los datos requeridos, significa un gran apetito por la computación y el almacenamiento en la nube, así como desafíos logísticos en la recolección y redespliegue de datos para vehículos de prueba. 

“Tenemos una gran necesidad de capacidad de computación en la nube, tanto para la simulación como para el procesamiento de datos”, dice Kerrigan. “La simulación es de vital importancia, ya que le permite realizar pruebas frente a situaciones que ha visto en el mundo real o que ha concebido como algo que podría suceder allí. 

“Pero además de la simulación, es necesario contar con una amplia recopilación de datos del mundo real para asegurarse de tener suficientes escenarios de cola larga capturados en sus simulaciones”. 

Además, dice Kerrigan, la experiencia del mundo real es la mejor manera de demostrar la seguridad de su sistema en el mundo real.
Sin embargo, un gran obstáculo es acumular todos los kilómetros necesarios para identificar todas las situaciones de cola larga y demostrar la eficacia del sistema. 

“Estamos aplicando nuestra tecnología de Nivel 4 en camiones con conductores que supervisan el sistema, como un sistema de asistencia al conductor de muy alto funcionamiento con límites sobre cuándo y dónde puede operar”, dice Kerrigan. Los escenarios de cola larga y los datos recopilados en estos camiones con conductor se retroalimentan luego en la IA de conducción para mejorarla.

Para manejar la cantidad de datos recolectados de operaciones en el mundo real, Plus confía en Amazon Web Services (AWS) para su computación en la nube. “El equipo de AWS aceptó el desafío con una solución que coincide con la escala que necesitamos para nuestro sistema de conducción”, dice Kerrigan.

“Utilizamos el servicio de almacenamiento de objetos a escala de petabytes de AWS, Simple Storage Service (S3), y su servicio de cómputo administrado, Elastic Cloud Compute (EC2). También empleamos algunos servicios de nivel superior, incluido FSx para Lustre, un sistema de archivos de alto rendimiento para alimentar de manera más eficiente nuestros datos a nuestra infraestructura EC2 para su procesamiento, y Elastic Kubernetes Service (EKS) para orquestar y administrar nuestras flotas de instancias EC2. Estos servicios nos permiten procesar más fácilmente todos nuestros datos y, en última instancia, reducir nuestro tiempo de obtención de resultados, lo que acelera el desarrollo de nuestro sistema de conducción “.

Esos cálculos ya han producido un sistema de conducción listo para producción, dice Kerrigan. E incluso con la solución para el conductor a bordo, existen verdaderas ventajas en materia de seguridad.

 “Obtienes conductores mucho más felices porque esto hace que su experiencia de conducción sea mucho menos exigente”, dice. “Si conduce 11 horas al día con esta tecnología para manejar el tráfico y el viento y todas estas otras condiciones, lo hace mucho más manejable”.

Construyendo la industria de camiones del mañana

Las ganancias en seguridad son el beneficio más valioso de todas las aplicaciones de tecnología autónoma, pero el caso comercial es más sólido para los camiones autónomos que para otros sectores. 

“El transporte por carretera es la columna vertebral de toda la economía, y hay una escasez de conductores de camiones justo en un momento en que el comercio electrónico ha despegado”, dice Michael Fleming, cofundador y director ejecutivo de Torc Robotics, que se convirtió en una subsidiaria independiente de Daimler. Camiones en 2019.  

La escasez de conductores en el transporte por camión ha aumentado desde la década de 1980 debido al envejecimiento de la fuerza laboral, los efectos dañinos para la salud de los viajes largos y la rotación industrial históricamente alta. Los camiones autónomos pueden hacer mucho más que aliviar la escasez de mano de obra.

“Los conductores de camiones están limitados por la cantidad de horas que pueden conducir por día”, dice Fleming, “por lo que ahora tenemos camiones sin usar y muchos remolques esperando ser recogidos. A medida que cambiamos a camiones autónomos, la mayor optimización y ganancias de eficiencia que vemos es poder hacer funcionar camiones 20 o 22 horas al día en lugar de 11 o 12 “.  

Una de las lecciones más importantes en los 16 años de historia de Torc, dice Fleming, “es que la única forma de comercializar de forma segura la tecnología de conducción autónoma es asociándose con un fabricante. Deben comprometerse a reinventar el chasis para aplicaciones de conducción autónoma ”.

 En la búsqueda del socio más adecuado, Torc se alió con Daimler, cuyos productos representan el 40% de los nuevos camiones Clase 8 vendidos en los EE. UU. Cada año. 
Para construir la próxima generación de camiones Daimler, la matriz de sensores de Torc debe integrarse desde el principio en un chasis que también integre sistemas redundantes como el frenado y la dirección asistidos. Pero a medida que crece la cantidad de sensores y sistemas, también lo hacen los datos y la complejidad. Para estar al tanto de lo que está sucediendo en la carretera, el controlador virtual de Torc se basa en un conjunto de sensores compuesto por cámaras, sensores de radar y lidar que proporcionan redundancias. 

El controlador virtual combina las entradas de los tres tipos de sensores principales en tiempo real. 

“Imagínese subirse a un vehículo oscuro por la noche cuando está lloviendo”, dice Fleming. “Detectar lo que se ve con las cámaras es difícil debido a las condiciones de iluminación. Los sensores Lidar funcionan mejor con poca luz, pero su alcance puede verse reducido por la lluvia. Sin embargo, el radar tiene un rendimiento más sólido en condiciones climáticas adversas “. 

La complejidad de resolver todas las situaciones, incluida esa, es el factor determinante de las necesidades computacionales de los algoritmos de conducción. Este es un ejemplo del uso de todas las fortalezas de los sensores.

 “Cada vez que probamos los vehículos de Torc Robotics en la carretera, generamos datos importantes y valiosos”, dice Fleming. “Estos datos deben transferirse, almacenarse y analizarse. Los escenarios de prueba en simulación también crean una gran carga computacional “. 

Esta no es una hazaña menor, señala Fleming. “El problema que estamos tratando de resolver es uno de los más difíciles de nuestra generación. Para resolver eso, debe asociarse con los mejores “. 

Los grandes volúmenes de datos generados por los camiones de prueba de Torc se transfieren a Amazon S3 mediante AWS Direct Connect. Los servicios patentados de Torc analizan los datos y los ponen a disposición de cualquier ubicación bajo demanda. La monitorización y otros datos de los vehículos de conducción autónoma se transmiten de forma segura en tiempo real mediante AWS IoT Core. 

“Estamos superando los límites de la capacidad del hardware para recopilar datos en tiempo real”, dice Fleming. “Estamos transmitiendo datos 500 veces más rápido que un dispositivo USB de estado sólido en cada camión, y estamos usando muchos camiones”. 
Los datos utilizados para mejorar los algoritmos de conducción también informan los cambios de hardware y mantenimiento que serán necesarios en las generaciones futuras de vehículos. 

“Los conductores de camiones experimentados han afinado sus cerebros para que sirvan como sensores precisos”, dice Fleming. “Si una llanta explota o falla un cojinete de rueda, podemos sentirlo y localizar rápidamente el problema. Una máquina no puede. 
“Podríamos desarrollar algoritmos de aprendizaje profundo para diagnosticar esas fallas, pero estamos resolviendo un producto, no un proyecto de investigación. A veces, miramos nuestros datos y descubrimos que es más fácil integrar un sensor en algún lugar “. 

Cuando los camiones comerciales autónomos comienzan a salir de la línea, Fleming dice: “Tendremos que reconsiderar el mantenimiento preventivo del camión porque ahora tendremos muchos más datos de los que tenemos hoy. Una de las maravillas de la tecnología verdaderamente innovadora es que comienza a crear nuevos mercados que no existen en la actualidad “. 

En la carretera de nuevo

Se espera que el movimiento de carga en Estados Unidos aumente de 17.400 millones de toneladas en 2015 a 25.500 millones de toneladas en 2045, según un informe de la consultora Deloitte. Algunos desarrolladores de AV ya están aprovechando ese crecimiento. 

“Lanzamos nuestra red de carga en julio pasado”, dice Jason Wallace, director de marketing de TuSimple, la startup de camiones AV. “Desde entonces, hemos abierto una terminal de carga de propiedad absoluta en Alliance, Texas, y hemos trazado un mapa de las carreteras desde Phoenix hasta Orlando”. 

La versión de TuSimple del camión de próxima generación será construida por el socio Navistar. Su flota de 52 camiones opera como vehículos de Nivel 4 con conductores, pero la red de carga, dice Wallace, ayuda a demostrar la tecnología a los clientes mientras genera ingresos para la empresa.

“Más recientemente, el tema candente entre los nuevos clientes ha sido la distribución de alimentos”, dice. “A través de la pandemia, hubo mucha demanda de bancos de alimentos y una necesidad real de distribuir alimentos de manera más eficiente. Hicimos una carrera desde Nogales, Arizona, a Oklahoma City usando uno de nuestros camiones con un equipo de dos conductores y redujimos 10 horas del viaje “.

Para allanar el camino para sus camiones, TuSimple utiliza una flota de SUV equipados con cámaras y sensores para trazar un mapa de las carreteras dentro de la red, luego crea un modelo digital del entorno para los camiones. A medida que se implementan los camiones, dice Wallace, los datos se recopilan a través de dispositivos AWS como Snowball Edge, un dispositivo de almacenamiento que se utiliza para transferir los datos a la nube. En el mundo físico, los camiones mantienen los mapas actualizados y actualizados, escaneando, volviendo a escanear y actualizando los cambios.

TuSimple tiene sus propios servidores grandes. Pero al igual que con Plus, sus grandes necesidades de datos eventualmente exigieron la escala de los servicios de AWS. La accesibilidad de los datos también hace posible revisar las unidades grabadas y diferenciar entre conducción humana y mecánica.

“Lo que buscas es frenar bruscamente o tomar curvas”, dice Wallace, algo que es mucho más común en un ser humano. El sistema autónomo mantendrá el vehículo centrado a unos 5 centímetros del centro del carril y administra el acelerador con mucha más precisión que un humano. Puede producir hasta un 10 por ciento más de ahorro de combustible, dice Wallace.

La gestión de datos de los camiones en el campo también permite a los operadores realizar un mejor seguimiento de sus flotas. 

Por ahora, TuSimple todavía se encuentra en el Nivel 4, pero Wallace dice que “a largo plazo, el objetivo es eliminar el controlador y el año que viene demostraremos las operaciones sin controlador”. 

Escala y simbiosis

“El transporte por carretera es la punta de lanza”, dijo a Automotive News un portavoz del desarrollador de camiones autónomos Aurora. El sistema Aurora Driver de la compañía promete ofrecer eficiencias similares a los productos de otros desarrolladores de AV, con más horas de funcionamiento, eficiencias de combustible y mantenimiento y seguridad mejorada. El controlador, sin embargo, está diseñado para una aplicación más amplia.

“El transporte por camión nos permite movernos rápida y eficientemente hacia verticales adyacentes, como el transporte compartido”, dijo el funcionario de Aurora. “El transporte por camión es un negocio de más de $ 700 mil millones en los EE. UU. Al salir primero al mercado con un camión autónomo, podemos construir una base sólida y escalable de productos e ingresos. Esa experiencia y escala serán heredadas por nuestro producto de transporte compartido “.

Aurora tiene un par de socios de fabricación, Paccar y Volvo, que combinados representan más del 40% de todos los camiones Clase 8 vendidos en los Estados Unidos. Eso aclara el camino hacia los ingresos de la implementación de Aurora Driver. 

A diferencia de otros desarrolladores de AV, Aurora está aprovechando lo que aprende del transporte por camión y aplicándolo a otros casos de uso y tipos de vehículos, incluido el transporte compartido, mediante el desarrollo de un “núcleo común” de software, hardware, infraestructura y herramientas de desarrollo.

La asociación con los fabricantes permite a los desarrolladores de AV aprovechar la experiencia de fabricación y hardware de esos fabricantes, y pone las relaciones existentes de esos fabricantes al alcance de la mano de Aurora.

“Los OEM tienen relaciones con grandes transportistas y transportistas porque son actores serios que necesitan operar con tanta eficiencia y velocidad, por lo que el valor de la confianza entre los dos es alto”, dice la compañía.

“Reconocimos desde el principio que si no teníamos el respaldo de un fabricante, eso afectaría nuestra capacidad para lanzar pilotos comerciales con grandes redes este año y, en última instancia, lanzar un camión autónomo sin conductor de seguridad para fines de 2023”.

Sin embargo, esta no es la única relación simbiótica que tienen los desarrolladores de AV. 

Manejar la escala de computación de las necesidades de Aurora requiere una potencia de computación que pueda escalar y adaptarse a equipos geográficamente dispersos que manejan grandes cantidades de datos. “En junio de 2021, superamos los 5 mil millones de millas virtuales ya que nuestras herramientas de desarrollo virtual mejoradas y un equipo ampliado permitieron a nuestros ingenieros recorrer un promedio de más de 22 millones de millas cada día en nuestro conjunto de pruebas virtuales”, dice la compañía.

Para manejar esos datos, muchos desarrolladores de AV recurren a AWS. 

“Durante el desarrollo, las compañías de AV han distribuido geográficamente flotas de prueba que recolectan decenas de terabytes por vehículo todos los días”, dice Vijitha Chekuri, líder de desarrollo comercial global para vehículos autónomos en AWS. “Esos datos se escalan rápidamente a petabytes para empresas con flotas con docenas o incluso cientos de vehículos de prueba”.

“El procesamiento y el uso de los datos del vehículo requiere canalizaciones que sean lo suficientemente ágiles como para permitir iteraciones impredecibles sobre modelos de conducción y algoritmos para acelerar el tiempo de comercialización”, dice James Barr, especialista en desarrollo de negocios AV en AWS. “Los equipos de desarrollo de vehículos autónomos también requieren una gestión inteligente de datos, capacitación, simulación, verificación y validación. La implementación de estas funciones requiere mecanismos rentables para aprovechar miles de instancias informáticas estándar y especializadas para desarrollar e implementar la funcionalidad de autocontrol. 

“Si compra hardware y usa almacenamiento y computación locales, ha pagado por ello, ya sea que lo esté usando o no para un conjunto de cargas de trabajo altamente impredecibles. Una de las propuestas de valor clave de la nube es poner en marcha lo último en potencia informática cuando lo necesita y apagarlo y no pagarlo cuando no lo necesita. Este concepto es clave cuando se considera la naturaleza iterativa del desarrollo audiovisual “. 

La flexibilidad, la seguridad, la privacidad y la complejidad de las necesidades de datos, tanto en términos de escala como de gestión, también desalientan el hardware de producción propia, dice Chekuri. AWS ofrece soluciones de transporte de datos en línea y fuera de línea que pueden recopilar rápidamente datos de vehículos AV y cargarlos en “lagos de datos” en la nube, donde se pueden almacenar y administrar a largo plazo. El uso de lagos de datos autónomos en AWS brinda a los clientes de AV la capacidad de almacenar de manera rentable los datos, buscar, analizar, visualizar y ser aprovechado por diversos equipos de desarrollo para cargas de trabajo posteriores como la simulación y la capacitación.

“El almacenamiento es uno de los mayores impulsores de costos para el desarrollo AV”, dice Chekuri. AWS ofrece seis clases de almacenamiento para un archivado y una accesibilidad rentables. Las funciones de organización en niveles inteligentes de AWS permiten que los datos se muevan automáticamente entre clases según el uso, lo que permite acceder rápidamente a la información a un nivel de precio o archivarla a largo plazo a un costo mucho menor. 

“Puede ser que los reguladores requieran de 10 a 15 años de retención de datos”, dice Chekuri, “por lo que las soluciones de archivo de bajo costo como Amazon S3 Glacier y S3 Glacier Deep Archive son esenciales para las empresas AV.

“Una vez que se cargan los datos, se pueden utilizar productos como AWS Glue para rastrear, descubrir y catalogar datos para su análisis”. Eso ayuda a identificar escenarios inusuales que pueden ser difíciles de diagnosticar, como una falla repetida del sensor en un lugar específico o errores repetitivos en una situación de conducción determinada.

Según estimaciones de Synergy Research, AWS representó el 32% del mercado de infraestructura en la nube en el primer trimestre de 2021. Esa escala significa que puede ofrecer soluciones que otros proveedores no pueden, algo que muchos desarrolladores de AV son conscientes. 

“Las compañías de AV Toyota, Mobileye, Aurora, Torc Robotics y Lyft están construyendo modelos de conducción autónoma y mapas HD sobre AWS”, dice Barr. La larga historia de la compañía de ayudar a estos desarrolladores con una constelación de necesidades la convierte en un socio altamente capacitado. 

“Tenemos arquitecturas de referencia, código fuente abierto, socios y mejores prácticas para las diversas fases del flujo de trabajo de desarrollo AV”, dice Barr.

Debido a la frecuencia con la que los desarrolladores han solicitado a AWS soluciones de nicho, también ofrece una variedad de herramientas altamente especializadas. AWS SageMaker Ground Truth proporciona servicios de etiquetado administrados de primera mano en 2D y 3D. SageMaker, por ejemplo, permite a los desarrolladores y científicos de datos construir, entrenar e implementar rápidamente modelos de aprendizaje automático a escala, simplificando el flujo de trabajo y permitiendo una iteración más rápida.

 “Nuestros clientes necesitan una infraestructura a gran escala que sea segura, global y que cumpla con sus necesidades específicas”, dice Jon Jones, director de AWS Compute y servicios AI / ML, incluidos los vehículos autónomos.

“Estamos ayudando a los líderes en tecnología de camiones autónomos de larga distancia con sus necesidades de infraestructura, inteligencia artificial y aprendizaje automático, al igual que ellos están ayudando a sus socios fabricantes a construir los camiones del futuro”.