A Uber quer capitalizar o surgimento de carros autónomos – não entregando o volante a condutores alimentados por IA, mas sim explorando a montanha de dados potencialmente valiosos que a empresa de transporte partilhado poderia recolher nos milhares de milhões de viagens que realiza todos os anos.
Uber esta semana anunciado uma nova iniciativa para coletar e analisar dados de câmeras e sensores de veículos para seus parceiros robotáxi. O objetivo: gerar dados de condução reais valiosos para empresas de veículos autônomos (AV).
A Uber disse à CBS Information que iniciará o esforço trabalhando com seus 50.000 parceiros de frota globais – indivíduos terceirizados ou empresas que possuem vários veículos e gerenciam motoristas que registram seus veículos na Uber. Os parceiros de frota começarão a equipar esses veículos com kits de sensores personalizados que rastreiam o clima e as obstruções nas estradas, de acordo com um porta-voz da Uber.
A Uber disse que os kits de sensores ficarão voltados para o exterior, não para dentro do carro, e se concentrarão no ambiente das vias públicas.
“Temos esta estratégia de plataforma, e trata-se de ajudar os nossos parceiros e acelerar o acesso equitativo a segurança [autonomous vehicles] em todo o mundo”, disse o porta-voz.
A Uber se recusou a divulgar quais dos seus mais de 20 parceiros, incluindo a Waymo, estão envolvidos no esforço. Empresa canadense de robotáxi Waabi na quarta-feira anunciado está fazendo parceria com a Uber para implantar 25.000 robotáxis na plataforma em um negócio avaliado em US$ 1 bilhão.
A Uber coletou anteriormente dados do mundo actual com seu parceiro de veículos autônomos, Nvidia, e hoje já tem veículos na estrada que coletam dados por meio de câmeras, disse a empresa de transporte compartilhado. disse anteriormente.
Em 2020, a Uber deixou de desenvolver os seus próprios veículos autónomos e vendido a unidade da empresa para a startup de carros autônomos Aurora. Esse acordo seguiu o morte de um pedestre atingido por um Uber autônomo em 2018.
Treinamento no mundo actual
Empresas e pesquisadores de direção autônoma confiaram amplamente em simulações e algoritmos para prever o tráfego no mundo actual e problemas de direção para desenvolver seus produtos. Por exemplo, pesquisadores da Universidade de Michigan desenvolveram IA para simular drivers terríveis, reduzindo os custos e a complexidade de testar a tecnologia.
A Uber disse à CBS Information que um de seus objetivos é rastrear eventos imprevisíveis, como latas de lixo explodindo em uma estrada ou um pedestre aparecendo repentinamente no escuro, que os modelos sintéticos são piores em prever.
“O maior gargalo para a autonomia não é mais o software program ou {hardware} – é o acesso a dados e modelos de treinamento superiores e reais”, disse o diretor de tecnologia da Uber, Praveen Neppalli Naga, à CBS Information em um comunicado.
Esses “dados de cauda longa”, como a Uber os chama, são potencialmente lucrativos para os operadores autónomos, dado que o potencial comercial do sector depende de os consumidores se sentirem seguros num AV. Também poderia fornecer um novo fluxo de receitas para a Uber, que eventualmente planeja cobrar de seus parceiros uma taxa pelos dados da empresa de transporte compartilhado.
“Isso é realmente algo que podemos oferecer para impulsionar o advento desta tecnologia… estamos muito otimistas e entusiasmados com isso porque os dados podem ser muito valiosos neste momento”, disse o porta-voz da Uber. “AVs em grande escala são uma enorme oportunidade de trilhões de dólares para a Uber.”
Estrada difícil pela frente?
Zachary Greenberger, ex-diretor de negócios da Lyft, rival do Uber, também vê oportunidades na convergência de IA e tráfego. Ele agora é CEO da Nexar, que desenvolve ferramentas para capturar e analisar dados de direção autônoma. Mas acelerar rapidamente provavelmente será um desafio para o Uber, disse Greenberger à CBS Information.
Greenberger também destacou que os motoristas de frota – ou seja, o alvo inicial da Uber para a nova tecnologia – são profissionais e menos propensos do que um motorista inexperiente a entrar em “situações malucas” que produzem dados que as simulações não conseguem, como uma criança inesperadamente rolando uma bola na rua.
“[T]A realidade é que a matemática é bastante brutal. Eles precisariam implantar centenas de milhares de sensores em veículos, e precisariam fazer isso muito rapidamente para poder fornecer dados a essas empresas de uma forma que fosse útil”.
