El cofundador y CTO de la start-up de camiones autónomos Embark Trucks, Brandon Moak, se sintió como si lo hubiera atropellado un tren.  Era mediados de marzo y ya llevaba tiempo siguiendo el desarrollo de la expansión del coronavirus (COVID-19). Cuando entró en vigor la orden del confinamiento en el Área de la Bahía de San Francisco (EE. UU.), donde Embark tiene su sede, Moak y su equipo se vieron obligados a paralizar la mayoría de sus 13 semirremolques autónomos (algunos se quedaron en la carretera transportando carga de materiales esenciales pero nunca en modo autónomo) y a enviar a casa a la mayoría de su personal, sin tener ni idea de cuánto tiempo pasaría antes de que pudiera regresar. 

Moak y Embarque no eran los únicos. Por razones de seguridad, los vehículos autónomos suelen contar con dos operadores cada uno, algo prohibido en la era del alejamiento social. Los directivos de las empresas de vehículos autónomos sabían que tenían que paralizar sus flotas. De repente, toda esta naciente industria se veía envuelta en una situación problemática. Los vehículos autónomos siguen siendo experimentales, y los ensayos en el mundo real son el estándar de oro para recoger datos y mejorar la capacidad de los coches para operar de manera segura. Sin la posibilidad de salir a la carretera, las operaciones de conducción autónoma se enfrentaban al peligro de convertirse en un despilfarro de costes, sin una vía clara hacia el lanzamiento del producto en un corto plazo. 

Mientras luchaban con esta nueva realidad, los despidos sacudieron a los grupos de conducción autónoma como Zoox, Ike y Kodiak Robotics, así como la sección autónoma de Lyft. 

Pero parece que no todo está perdido. Varias empresas han dejado de lado los ensayos en las carreteras para centrarse en sus algoritmos y simuladores, encontrando nuevos usos para las innumerables horas de datos que han reunido. Están duplicando los esfuerzos en tareas como el etiquetado detallado de datos, el mapeo en 3D y la identificación de escenarios pasados de las anteriores sesiones de ruta que se podrían usar para entrenar sus sistemas. Algunos incluso han ayudado a los operadores de vehículos a aprender a etiquetar datos, equipándolos con nuevas habilidades que probablemente serán útiles cuando retomen sus trabajos anteriores. 

Para sacar lo mejor de esta mala situación, Moak decidió construir una nueva herramienta para permitir que el equipo de operaciones de Embark pueda etiquetar los cuatro años de datos de conducción de la compañía. Por ejemplo, el software ofrece a los conductores de camiones de Embark unas imágenes de diferentes escenarios en carretera y les pide que determinen si son significativos y cómo abordarían cada una de esas situaciones según su propia experiencia.

La compañía Aurora Innovation, que desarrolla tecnología de conducción autónoma, adoptó un enfoque similar para encontrar tareas para sus empleados sin posibilidad de trabajar. Los operadores de vehículos han unido sus fuerzas con los equipos de clasificación y etiquetado para extraer los datos de conducción, tanto los manuales como los autónomos, sobre las situaciones de la carretera destacables para convertirlos en pruebas en un entorno simulado. 

En un correo electrónico para MIT Technology Review, el cofundador y CEO, Chris Urmson, escribió: "Esto supone un beneficio adicional para nuestros operadores que podrán adentrarse aún más en cómo los datos que recogen se usan offline, [lo que] les dará un mejor contexto sobre nuestro proceso general de desarrollo y les ayudará a ser aún mejores en su trabajo cuando regresemos a la carretera".

Las empresas también han encontrado otras maneras creativas de superar el obstáculo de estar físicamente separados de sus productos.  Urmson, quien anteriormente había dirigido el proyecto de coches autónomos de Google, añadió que su equipo utilizaba su simulación de "hardware-in-the-loop (HIL)" para "detectar problemas de software que se manifestarían en el hardware de Aurora en lugar de en los ordenadores portátiles del desarrollador o en la nube".

Embark, por su parte, ha invertido en software para comprobar los componentes de hardware offline. Una prueba se centra en el sistema de control del vehículo, en los algoritmos responsables del envío de comandos físicos, como lo rápido que hay que girar el volante. Moak detalla: "A la larga, será una buena inversión para nosotros, pero a corto plazo hemos tenido que hacer un gran esfuerzo para construir toda esta nueva infraestructura".

Cruise, propiedad de General Motors, ha confinado sus 200 vehículos de San Francisco y Phoenix (EE. UU.) en el garaje. La compañía confía en sus avanzados simuladores para seguir sometiendo a prueba el software de los coches, una práctica habitual incluso antes de la pandemia, pero el vicepresidente sénior de Ingeniería, Mo Elshenawy, afirma que están mejorando los detalles sobre cómo se puntúan los coches en sus simuladores, como una forma de evaluar mejor su capacidad de reacción en situaciones inusuales, por ejemplo, cuando se encuentran con ambulancias o camiones de reparto. 

El fundador y CEO de la empresa de etiquetado de datos Scale AI, Alexandr Wang, trabaja con compañías como Lyft, Toyota y Nuro, así como con Embark y Aurora. Durante la pandemia, Scale ha estado trabajando en el etiquetado detallado de los datos antiguos de las empresas a través de la simulación con nubes de puntos, utilizando mapas 3D del entorno alrededor de un vehículo para codificar a qué corresponde cada punto (peatón, señal de alto, ventana, arbusto, cochecito). El equipo también está codificando el comportamiento de los conductores, peatones y ciclistas con la tecnología que incluye la "detección de la mirada", que tiene como objetivo indicar si un conductor puede ceder el paso o si un peatón quiere cruzar la calle.

Sin embargo, por mucho que las empresas inviertan en sus simuladores, no hay forma de evitar la necesidad de volver a la carretera. Un portavoz de Waymo escribió en un correo electrónico que un día de conducción simulada es similar a "conducir más de 100 años en el mundo real", en parte gracias a la potencia informática de la empresa matriz Alphabet. No obstante, el pasado 11 de mayo la compañía ya reactivó sus operaciones de conducción en Phoenix.

Aun así, Wang destaca que nota un cambio en el funcionamiento de las empresas de vehículos autónomos, que se inclinan hacia algunos enfoques más innovadores y experimentación a largo plazo. Y concluye: "Los que están adoptando este planteamiento serán los que saldrán adelante al final de todo esto y estarán mejor posicionados".