Voor de laatste anderhalf jaar, twee witte hacks Teslamodel 3 sedans, elk beladen met vijf extra camera’s en een draagbare supercomputer, reden stilletjes rond San Francisco. In een stad en tijdperk vol vragen over de mogelijkheden en grenzen van kunstmatige intelligentie, probeert de startup achter aangepaste Tesla’s een antwoord te geven op een simpele vraag: hoe snel kan een bedrijf vandaag de dag software voor autonome voertuigen bouwen?
Het heet de startup, die vandaag zijn bedrijf voor het eerst openbaar maakt HyprLabs. Het team van 17 mensen (slechts acht voltijds) is verdeeld over Parijs en San Francisco, en het bedrijf wordt geleid door een veteraan van een autonoom voertuigbedrijf, Dierentuin medeoprichter Tim Kentley-Klay, die kwam plotseling naar buiten het bedrijf is nu in 2018 eigendom van Amazon. Hypr heeft relatief weinig financiering ontvangen, 5,5 miljoen dollar vanaf 2022, maar de ambities reiken ver. Uiteindelijk is het van plan zijn eigen robots te bouwen en te gebruiken. “Denk aan het liefdeskind van R2-D2 en Sonic the Hedgehog”, zegt Kentley-Klay. “Het zal een nieuwe categorie definiëren die momenteel niet bestaat.”
Maar voorlopig kondigt de startup zijn softwareproduct Hyprdrive aan, dat het een doorbraak noemt in de manier waarop ingenieurs voertuigen trainen om zelf te rijden. Dit soort doorbraken vinden plaats in de robotica-ruimte, dankzij de vooruitgang op het gebied van machinaal leren die belooft de kosten van het trainen van autonome voertuigsoftware en de hoeveelheid menselijke arbeid die daarmee gepaard gaat te verminderen. Deze evolutie van training heeft nieuwe beweging gebracht in een ruimte die al jaren bestaat geleden door een “put van desillusie“, omdat technologiefabrikanten de deadlines voor het gebruik van robots in de openbare ruimte niet haalden. Nu robotaxis in steeds meer steden betalende passagiers ophalenen autofabrikanten doen hierover ambitieuze nieuwe beloften breng autonoom rijden in de persoonlijke auto’s van klanten.
Maar het inzetten van een klein, wendbaar, kosteneffectief team om van ‘redelijk goed rijden’ naar ‘veel veiliger rijden dan een mens’ te gaan, is een lange hindernis. “Ik kan je niet in alle oprechtheid vertellen dat het zal werken”, zegt Kentley-Klay. “Maar wat we hebben gebouwd is een heel solide signaal. Het moet alleen worden opgeschaald.”
Oude technologie, nieuwe trucs
De softwaretrainingtechniek van HyprLabs wijkt af van de benadering van andere robotica-startups om hun systemen te leren zichzelf te besturen.
Eerst wat achtergrondinformatie: Jarenlang leek de grote strijd in autonome voertuigen te gaan tussen degenen die alleen camera’s gebruikten om hun software te trainen: Tesla! – en degenen die ook afhankelijk waren van andere sensoren – Waymo, Cruise! – inbegrepen lidar ooit duur en radar. Maar bredere filosofische verschillen roerden zich onder de oppervlakte.
Aanhangers van alleen camera’s zoals Tesla wilden geld besparen terwijl ze van plan waren een gigantische vloot robots te lanceren; Al tien jaar lang is het plan van CEO Elon Musk om met een software-update plotseling alle auto’s van zijn klanten in zelfrijdende auto’s te veranderen. Het positieve was dat deze bedrijven over heel veel data beschikten, omdat hun nog niet zelfrijdende auto’s overal waar ze reden beelden verzamelden. Deze informatie werd door middel van versterking ingevoerd in wat een ‘end-to-end’ machine learning-model wordt genoemd. Het systeem verkrijgt afbeeldingen:een fiets—en spuugt rijcommando’s—Beweeg het stuur naar links en geef voorzichtig gas om te voorkomen dat u het raakt. “Het is alsof je een hond traint”, zegt Philip Koopman, software- en veiligheidsonderzoeker voor autonome voertuigen aan de Carnegie Mellon University. “Uiteindelijk zeg je: ‘Slechte hond’ of ‘Goede hond’.”
