Voor het laatste anderhalf jaar, twee gehackt wit Tesla-model 3 sedans, elk beladen met vijf extra camera’s en een supercomputer ter grootte van een handpalm, hebben stilletjes rondgereden San Francisco. In een stad en een tijdperk dat wemelt van vragen over de mogelijkheden en grenzen van kunstmatige intelligentie, probeert de startup achter de aangepaste Tesla’s een antwoord te vinden op een simpele vraag: hoe snel kan een bedrijf vandaag de dag autonome voertuigsoftware bouwen?
De startup, die vandaag voor het eerst haar activiteiten openbaar maakt, wordt gebeld HyprLabs. Het team van zeventien personen (waarvan 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 plotseling verlaten het bedrijf dat nu eigendom is van Amazon in 2018. Hypr heeft relatief weinig financiering binnengehaald, 5,5 miljoen dollar sinds 2022, maar de ambities zijn breed. Uiteindelijk is het van plan zijn eigen robots te bouwen en te exploiteren. “Denk aan het liefdeskind van R2-D2 en Sonic the Hedgehog”, zegt Kentley-Klay. “Het gaat een nieuwe categorie definiëren die momenteel niet bestaat.”
Maar voorlopig kondigt de startup zijn softwareproduct Hyprdrive aan, dat het beschouwt als een sprong voorwaarts in de manier waarop ingenieurs voertuigen trainen om zichzelf te besturen. Dit soort sprongen zijn overal in de robotica-ruimte te vinden, 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 ermee gemoeid is, omlaag te brengen. Deze trainingsevolutie heeft jarenlang nieuwe beweging gebracht in een ruimte die al jaren bestaat geleden door een “dal van desillusie”, omdat technologiebouwers er niet in slaagden hun eigen deadlines te halen om robots in de openbare ruimte te besturen. Nu, robotaxis in steeds meer steden betalende passagiers ophalenen autofabrikanten doen nieuwe ambitieuze beloften over zelfrijdende auto’s naar de persoonlijke auto’s van klanten brengen.
Maar het inzetten van een klein, wendbaar en goedkoop team om van ‘redelijk goed rijden’ naar ‘veel veiliger rijden dan een mens’ te komen, is zijn eigen lange hindernis. “Ik kan niet met de hand op mijn hart zeggen dat dit 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 aanpak 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! – inclusief ooit dure lidar en radar. Maar onder de oppervlakte woedden grotere filosofische verschillen.
Aanhangers van alleen camera’s zoals Tesla wilden geld besparen terwijl ze plannen maakten om 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 om te zetten in zelfrijdende auto’s. Het voordeel 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 een zogenaamd “end-to-end” machine learning-model. Het systeem neemt beelden op—een fiets-en spuugt rijcommando’s uit-beweeg het stuur naar links en accelereer rustig om te voorkomen dat u het raakt. “Het is alsof je een hond traint”, zegt Philip Koopman, onderzoeker naar software en veiligheid voor autonome voertuigen aan de Carnegie Mellon University. “Aan het einde zeg je: ‘Slechte hond’ of ‘Goede hond.'”
