Brandon Moak sentiu como se um comboio de carga o tivesse atingido.
Eram meados de março, e o co-fundador e CTO da startup de camiões autónomos Embark Trucks estava a acompanhar a expansão da Covid-19. Quando o isolamento entrou em vigor em toda a área da Baía de São Francisco, onde a Embark se encontra, Moak e a sua equipa foram forçados a paralisar quase todos os seus 13 semirreboques automáticos (alguns ficaram na estrada a transportar mercadorias essenciais, mas não estavam no modo autónomo) e enviaram para casa a maior parte da força de trabalho, sem ideia de quanto tempo levaria até que pudessem retornar.
Moak e Embark não estavam sozinhos. Por razões de segurança, veículos autónomos normalmente têm dois operadores cada. Essa é uma situação complicada na era do distanciamento social, e os líderes de empresas de veículos autónomos sabiam que teriam de congelar as suas frotas. De repente, toda a indústria emergente estava em problemas. Os veículos autónomos ainda são experimentais, e os testes no mundo real são essenciais para recolher dados e melhorar a capacidade dos carros de operar com segurança. Incapazes de usar a estrada, as operações de direção autónoma corriam o risco de se tornarem um desperdício de dinheiro, sem uma rota clara para o lançamento do produto em breve.
Enquanto lutavam com essa nova realidade, as demissões abalaram empresas de direção automática como Zoox, Ike e Kodiak Robotics, bem como a divisão autónoma da Lyft.
Mas, como estamos a ver, nem tudo parece estar perdido. Várias empresas trocaram testes em estradas para investigar profundamente os seus algoritmos e simuladores, encontrando novos usos para as inúmeras horas de dados que já tinham reunido. Estão a reforçar esforços para identificação detalhada de dados, mapeamento 3D e identificação de cenários de sessões de rotas anteriores que podem ser usadas para treinar os seus sistemas. Alguns até ajudaram os operadores de veículos a aprenderem a rotular dados, equipando-os com novas habilidades que provavelmente serão úteis quando retomarem as suas funções.
Para tirar o melhor proveito de uma má situação, Moak decidiu criar uma nova ferramenta para permitir que a equipa de operações da Embark possa rotular os quatro anos de dados da direção da empresa. Por exemplo, o software fornece aos motoristas de camião Embark imagens de diferentes cenários na estrada e, em seguida, pede que determinem se são significativos – e como lidariam com cada um com base na sua própria experiência.
A Aurora Innovation, empresa localizada em Palo Alto que desenvolve tecnologia de direção autónoma, adotou uma abordagem semelhante para encontrar tarefas para trabalhadores subutilizados. “Como nem todos os nossos operadores de veículos podem estar na estrada no momento, [eles] uniram forças com as nossas equipas de triagem e rotulagem para extrair da nossa enorme coleção de dados de direção, manuais e independentes, situações notáveis na estrada para testes num ambiente simulado”, escreveu o co-fundador e CEO Chris Urmson num e-mail para a MIT Technology Review americana. “Isso tem o benefício adicional de aumentar a exposição dos operadores à maneira como os dados que colecionam são usados offline, [o que] lhes proporciona um melhor contexto no processo geral de desenvolvimento e os ajudará a melhorar ainda mais o seu trabalho à medida que voltarmos à estrada”, acrescentou.
As empresas também encontraram maneiras criativas de superar o obstáculo de estarem fisicamente separadas dos seus produtos.
Urmson, que anteriormente liderou o projeto de carros autónomos da Google, disse que a sua equipa está a utilizar a simulação Hardware-In-the-Loop (HIL) para “capturar problemas de software que se manifestaram no hardware Aurora e não nos laptops dos desenvolvedores ou na nuvem”. A simulação pode sinalizar, por exemplo, um caso em que os sensores do veículo fossem mais lentos para fazer observações sobre o seu ambiente do que os testes simulados no computador pudessem sugerir.
A Embark, por sua vez, investiu em softwares que poderiam testar componentes de hardware offline. Um teste envolve o sistema de controlo do veículo – os algoritmos responsáveis pelo envio de comandos físicos, como a rapidez com que o volante é girado. “A longo prazo, será um bom investimento, mas, a curto prazo, tivemos que dar um grande salto para construir toda esta nova infraestrutura”, disse Moak.
Cruise, pertencente à General Motors, confinou em garagens cerca de 200 veículos em São Francisco e Phoenix, embora esteja a usar alguns para fazer entregas de alimentos para organizações de assistência local, a empresa está a confiar nos seus simuladores avançados para continuar a testar o software dos carros – uma prática regular mesmo antes da pandemia, mas o vice-presidente sénior de engenharia da Mo Elshenawy diz que estão a melhorar os detalhes de como os carros são pontuados nos seus simuladores como uma maneira de melhor avaliar a competência em situações incomuns, como quando se lida com ambulâncias ou camiões de entrega.
Alexander Wang, fundador e CEO da empresa de rotulação de dados Scale AI, trabalha com empresas como Lyft, Toyota e Nuro, além de Embark e Aurora. Durante a pandemia, a Scale trabalhou na rotulagem detalhada dos dados antigos das empresas através da segmentação de nuvens de pontos – usando mapas 3D do ambiente em torno do veículo para codificar o que cada ponto corresponde (pedestre, sinal de STOP, janela, arbusto, carrinho). A equipa também está a codificar o comportamento de motoristas, pedestres e ciclistas com tecnologia, incluindo “detecção de olhar”, que visa indicar as intenções do motorista ou se um pedestre pretende atravessar a rua.
Porém, não importa o quanto as empresas invistam nos seus simuladores, não há como evitar a necessidade de voltar à estrada. E à medida que os Estados Unidos reabrem, está a começar a acontecer. Um porta-voz da Waymo escreveu num e-mail que um dia de condução simulada é semelhante a “conduzir mais de 100 anos no mundo real”, em parte graças ao poder de computação da empresa-mãe Alphabet. Contudo, a empresa iniciou as suas operações de direção em Phoenix e voltou a operar a partir de 11 de maio.
Ainda assim, Wang diz que vê uma mudança na maneira como as empresas de veículos autónomos trabalham – estão a alterar para abordagens mais inovadoras e de experimentação a longo prazo.
“Os que adotam essa visão”, diz ele, “são os que, no final, sairão à frente e estarão num lugar melhor”.
MIT Technology Review