Uber, otonom araç endüstrisinin en inatçı darboğazı olan uç durumları çözmek amacıyla filo ölçeğini bir veri ürününe dönüştürüyor. AV Labs’in lansmanı ile şirket, üçüncü taraf otonom sistemleri eğitmek için devasa filosundan nadir, uzun kuyruk sürüş senaryolarını toplamayı hedefliyor. Odak noktası, rekabet avantajının yazılım mimarisinde değil, simüle edilemeyen yüksek hacimli, gerçek dünya anormalliklerine erişimde yattığı algoritma merkezli geliştirmeden veri merkezli bir modele kayıyor.
Otonom araç sektörü şu anda kural tabanlı mantıktan, veri kalitesinin nicelikten daha ağır bastığı pekiştirmeli öğrenmeye doğru ilerliyor. Şirketler risklere karşı korunmak için sıklıkla simülasyonları kullansa da sentetik ortamlar gerçek kamu yollarının öngörülemezliğini kopyalamakta başarısız oluyor. Son operasyonel mücadeleler bu boşluğu vurguluyor. Waymo, on yıllık testlere rağmen, robotaksilerinin durmuş okul otobüslerini yasadışı bir şekilde geçmek gibi belirli gerçek dünya senaryolarıyla mücadele ettiğini gördü. Filo boyutu, herhangi bir tekil otonom araç şirketinin bağımsız olarak ne kadar veri yakalayabileceği konusunda fiziksel bir tavan oluşturuyor.
Uber, AV Labs’i bu boşluğu doldurmak için konumlandırıyor. Şirket, 2020’de bölümünü Aurora’ya sattıktan sonra çıktığı robotaksi geliştirmeye geri dönmüyor, bunun yerine Waymo, Waabi ve Lucid Motors gibi ortaklara bir altyapı katmanı sunuyor. Temel teklif, açıkça programlanması zor olan senaryoları yakalama yeteneğine sahip bir veri döngüsüdür. Milyonlarca tüketici aracından pasif veri toplamaya güvenen Tesla’nın aksine Uber, hedeflenmiş bir yaklaşım kullanmayı planlıyor. Yeni bölüm, ortak gereksinimlerine göre sensör yüklü araçları belirli konumlara konuşlandırabiliyor. Uber Mühendislik Başkan Yardımcısı Danny Guo, şirketin dağıtım için 600 şehirden seçim yapabileceğini ve ortakların ilgisine göre belirli konumları hedeflemelerine olanak tanıyacağını belirtti.
Bu operasyon şu anda basit bir prototip aşamasında bulunuyor. Ekip, araçları (şu anda bir Hyundai Ioniq 5 kullanılıyor) lidar, radar ve kameralarla manuel olarak donatıyor. Guo, ekibin bu manuel sensör kurulumlarının dayanıklılığını hala belirlemekte olduğunu ve projenin mevcut durumunu oldukça deneysel olarak nitelendirdiğini kabul etti. Teknik uygulama, doğrulama ekipleri için farklı bir kullanım durumu sunuyor: gölge modu. Bu yapılandırmada, bir ortağın otonom sürüş yazılımı, Uber filosundan insan tarafından kullanılan bir aracın arka planında sessizce çalışır. İnsan sürücünün eylemi yazılımın kararından ayrıştığında, sistem tutarsızlığı işaretler. Bu geri bildirim döngüsü iki işleve hizmet eder: koddaki eksiklikleri tanımlar ve modelin davranışını insan sürüş normlarıyla hizalamak için eğitim verileri sağlar.
Ortaklar ham veri akışları almayacaklar. Bunun yerine AV Labs, girdiyi gerçek zamanlı yol planlamasını iyileştirmek için tasarlanmış anlamsal bir anlayış katmanına işliyor. Uber’in stratejisi, doğrudan bir rakip olmak yerine otonomi ekosistemi için bir hizmet sağlayıcı olmaktır. Şirket, uç durum verilerine erişimi demokratikleştirerek daha geniş endüstriyi hızlandırmayı amaçlıyor. Otonom araç endüstrisi için bu iş birliği, Uber’in halihazırda sahip olduğu türden devasa bir doğrulama filosu oluşturmanın sermaye yoğun sürecini atlamanın bir yolunu sunuyor. Guo, Uber’in ekosistemin kilidini açma sorumluluğunu kabul etmesi gerektiğini, çünkü toplayabilecekleri veri hacminin bireysel ortakların bağımsız olarak üretebileceklerini çok aştığını savundu.
