ジョンP.デズモンド、AIトレンドエディター
Raquel Urtasunは、8月83.5日に起業家として活動を開始し、自動運転ソフトウェア会社Waabiを発表し、XNUMX万ドルの支援を受けました。
Urtasunは、コンピューターサイエンティストとして長い実績があり、特に自動運転車のソフトウェアにAIを適用することに取り組んでいます。 Uberは、2017年XNUMX月に彼女を雇い、トロントを拠点とする同社の自動運転車プログラムの研究チームを率いました。 （見る AIトレンド, 29年2018月XNUMX日）
「自動運転は、私たちの世代で最もエキサイティングで重要なテクノロジーのXNUMXつです。 大規模に解決されると、私たちが知っているように世界を変えるでしょう」とウルタスンはワアビの打ち上げで述べました プレスリリース. 「Waabiは、商業的に実行可能な自動運転技術を社会にもたらすための私の人生の成果の集大成です。この大胆なビジョンの実行に等しく取り組んでいる並外れた科学者、エンジニア、技術者のチームが参加できることを光栄に思います。」
自動運転車業界が軌道に乗ろうとしている状況を考えると、Waabiの発売には懐疑的な見方がありました。 しかし、ウルタサンは彼女が何をしているのか知っています。
最新の資金調達ラウンドはKhoslaVenturesが主導し、Urtasunの元雇用主であるUberと、昨年UberATGを買収したAVスタートアップのAuroraが追加で参加した。 ベルジェ。 からも資金が調達されました レポートによると、8VC、Radical Ventures、Omers Ventures、BDC、AIの著名人であるGeoffrey Hinton、Fei-Fei Li、Pieter Abbeel、SanjaFidlerなどがいます。
Waabiは当初、トラック業界に焦点を当て、商用配送ルートでの運転を自動化するソフトウェアを提供します。 その理由のXNUMXつは、業界ではトラック運転手が不足していることです。 第二に、高速道路は自動運転車がナビゲートするために街の通りよりも単純です。
Wasabiの技術的アプローチは、Urtasanが彼女の研究で開発した技術を使用して、シミュレーションに大きく依存します。 同社のシミュレーションアプローチにより、自動運転の競合他社が記録した実際の道路や高速道路での何マイルものテストの必要性が減少します。
「シミュレーションでは、システム全体をテストできます」とウルタスンは述べています。 はじまり。 「システム全体をトレーニングしてシミュレーションで学習することができます。また、シミュレーションで発生することと現実の世界で発生することを実際に関連付けることができるように、信じられないほどの忠実度でシミュレーションを作成できます。」
技術を開発し、CEOである女性によって自動運転車のスタートアップを設立することは珍しいことです。 ウルタサンは、他の女性が業界に参加するように刺激することを望んでいます。 「これは白人が非常に支配している分野です」と彼女は言いました。 「統合された知識を構築する方法は、多様な視点でテクノロジーを構築することです。お互いに挑戦することで、より良いものを構築できるからです。」
トヨタ、ユーバーでの初期のキャリア
ウルタスンは、自動運転車の機械知覚に関する研究を追求するために、2017年XNUMX月にUberでスタートしました。 この作業には、機械学習、コンピュータービジョン、ロボット工学、リモートセンシングが含まれます。 大学に来る前、ウルタスンはシカゴの豊田工業大学で働いていました。 Uberは数十人の研究者を雇うことを約束し、Urtasunが共同設立したトロントのVectorInstituteに数年から数百万ドルの約束をしました。
Urtasanは、自動運転車は、パルスレーザーを使用して可変距離を測定するリモートセンシング手法であるLidar（Light Detection and Ranging）から離れる必要があると主張しています。 彼女の調査によると、車両は通常のカメラから世界に関する同様の3Dデータを取得できます。これは、数千ドルのLidarユニットよりもはるかに安価です。
「今すぐ信頼性の高い自動運転車を作りたいのなら、可能な限りすべてのセンサーを使用する必要があります」とウルタスンはワイヤードに語った。 2017年XNUMX月に公開されたインタビュー。 「長期的には、問題は、高価ではない自動運転車のフリートをどのように構築できるかということです。」
同社の技術的な「AIファーストアプローチ」は、Lidar、レーダー、マッピングデータなどの補完的なテクノロジーではなく、より優れた機械学習モデルに重点を置くことを意味します。 TechTalks。 「ソフトウェアを多用するスタックを持つことの利点は、テクノロジーの更新にかかるコストが非常に低いことです。 そして、今後数年間で多くの更新があります」と、レポートの作成者でTechTalksの創設者であるBenDicksonは述べています。
ウルタスンは、同社が「アルゴリズムのファミリー」として使用しているAIシステムについて、 TechCrunchの。 その閉ループシミュレーション環境は、実際の道路に実際の車を送る代わりになります。
「私はシミュレーションコンポーネントに少しばかり気を配っています」とディクソン氏は述べています。「ほとんどの自動運転車会社は、ディープラーニングモデルのトレーニング体制の一部としてシミュレーションを使用しています。 しかし、現実世界を正確に再現したシミュレーション環境を作成することは事実上不可能です。そのため、自動運転車会社は引き続き過酷な道路試験を使用しています。」
Waymoがシミュレートされた実際のテストマイルでリード
ディクソン氏によると、ウェイモは、業界で記録的な20万マイルの実道テストに対応するために、少なくとも20億マイルの模擬運転を行っています。 ワービの技術についてより多くの洞察を得るために、彼はトロント大学でのウルタスンの最近の学術研究のいくつかを調べました。 彼女の名前は、自動運転に関する多くの論文に掲載されています。 XNUMX月にarXivプレプリントサーバーにアップロードされたXNUMXつは、Dicksonの注目を集めました。
題し 「MP3：マッピング、認識、予測、計画するための統合モデル」 この論文では、Waabiの発表プレスリリースの説明に近い自動運転へのアプローチについて説明しています。
研究者は、MP3を「解釈可能で、情報の損失が発生せず、中間表現の不確実性に関する理由である、マップレス運転へのエンドツーエンドのアプローチ」と説明しています。 この論文では、研究者は「環境の静的および動的部分をモデル化するための確率的空間レイヤー」の使用についても説明しています。
MP3はエンドツーエンドでトレーニング可能です。 Lidar入力を使用して、シーン表現を作成し、将来の状態を予測し、軌道を計画します。 「機械学習モデルにより、Waymoなどの企業が自動運転車で使用する詳細なマッピングデータが不要になります」とDickson氏は述べています。
ウルタスンはビデオを投稿しました、 自動運転車の未来、MP3がどのように機能するかについての簡単な説明を提供する彼女のYouTubeチャンネルで。 一部の研究者は、それが既存の技術の巧妙な組み合わせであるとコメントしました。 「アカデミックAI研究と応用AIの間にもかなりのギャップがあります」とDickson氏は述べています。 Waabiモデルが実際の設定でどのように機能するかは注目に値します。
ソースの記事と情報を読む AIトレンド, ワービの打ち上げ プレスリリースで ベルジェで TechTalksで TechCrunchの そしてYouTubeビデオでは、 自動運転車の未来.
PlatoAi。 Web3の再考。 データインテリジェンスが強化されました。
無料トライアルはこちらをクリックしてください。
出典：https：//www.aitrends.com/selfdrivingcars/raquel-urtasuns-waabi-autonomous-vehicle-software-company-is-launched/
