自動運転プロジェクトを終了してから何年も経ち、ウーバーは別の方法で自動運転車の世界に戻ろうとしている。それは、世界中の何百万人ものオンライン配車ドライバーの車両を、自動運転会社や他の現実世界のAIモデルにデータを提供するモバイル「センサーアレイ」に変えることだ。

ウーバーの最高技術責任者プラビーン・ネパリ・ナーガ氏はインタビューで長期ビジョンを明らかにし、今年1月末に発表した同社の新プロジェクトAV Labsの「自然な延長」であると説明した。同氏は、ウーバーの最終的な方向性は、近い将来、人間のドライバーの自家用車にさまざまなセンサーを設置して、実際の道路シーンのデータを収集することだと述べた。ナガ氏はまた、この措置を講じる前に、同社はさまざまなセンサーキットの機能と動作方法を徹底的に理解し、「センサーとは何か、データを共有する方法」について米国の州がより明確な規制指針を与えるのを待つ必要があると強調した。

現在、AV Labs は依然として、Uber 自身が運営するセンサーを備えた限られた専用車両で運行しており、毎日乗車するドライバーのグループとは独立しています。しかし、Uber の説明から、これは単なる出発点にすぎないことがわかります。Uber には世界中に数百万人のドライバーがおり、たとえ少数の車両にセンサーが搭載されていたとしても、単一の自動運転会社が匹敵するのは難しい道路データ収集ネットワークを構築するには十分です。ナガ氏は、自動運転技術の進化を制限するボトルネックは、もはや基礎となるアルゴリズムやコンピューティング能力ではなく、高品質で十分に多様な現実世界のデータであると考えています。 「ボトルネックはデータです」と彼は言いました。 「Waymo のような企業は、さまざまなシナリオに対応するために、常に外に出てデータを収集する必要があります。」

同氏のビジョンでは、自動運転企業は、「モデルをトレーニングするために特定の期間にサンフランシスコの学校前の交差点で交通状況を収集する」という要件など、Uberのネットワークを通じて非常に詳細なトレーニングデータをオンデマンドでカスタマイズできるという。本当の問題は、ほとんどの自動運転会社には、こうしたロングテール シナリオを高密度でカバーするために自社のフリートを大規模に世界中に展開するのに十分な資本がないことです。 Uber が既存のドライバーと車両のリソースを活用できれば、業界全体のデータ供給層となり、自動運転技術に「燃料」を安定的に供給できると期待されています。

外の世界では、ウーバーが自社の自動運転車の製造を断念したことで将来的に自動運転会社に「バイパス」されるのではないか、あるいは旅行エコシステムの中で疎外されるのではないかと長年疑問を抱いてきた。共同創設者のトラビス・カラニック氏も、自動運転を放棄するのは「大きな間違い」だと公に述べている。現在、Uber は AV Labs を通じて、その役割を自動運転車の開発者からこの分野のインフラストラクチャおよびデータ プラットフォームに転換しようとしています。その広範なドライバー ネットワークと注文フローを活用して、すべての参加者に基礎的な機能を提供します。

ウーバーは現在、ロンドンで事業を展開するウェイブなどの企業を含む、世界中の自動運転会社25社と提携している。これに基づいて、同社はいわゆる「AV クラウド」を構築しています。これは、パートナーが独自の自動運転モデル​​をトレーニングするために取得して呼び出すことができる、完全に注釈が付けられたマルチモーダル センサー データ ウェアハウスです。ナガ氏は、パートナー企業は、Uber プラットフォーム上で実際の注文に対して「シャドウ モード」推論を実行することもできる、つまり、自動運転車を実際に道路に走らせることなく、自社の自動運転システムが実際の走行データに基づいてどのように意思決定を行うかをシミュレーションすることもできると述べた。

外観から判断すると、ウーバーはこのプラットフォームを「業界公共施設」としてパッケージ化しようとしている。 「私たちの目標は、このデータからお金を稼ぐことではなく、データを民主化することです」とナーガ氏は語った。しかし、自動運転やより広範な AI 分野における高品質データの商業的価値と希少性を考慮すると、そのような位置付けが将来も維持できるかどうかは依然として疑問です。実際、ウーバーは近年、多くの自動運転企業に株式投資を行っており、同社が保有する大規模で差別化されたトレーニングデータがパートナーの中核的能力の一部になれば、これらの企業に対するウーバーの交渉力はさらに強化される可能性が高い。

このアイデアの背景には、Uber のロジックが「車の構築」から「プラットフォームの構築」に移行しつつあることがある。一方で、同社は独自の旅行および食品配達ネットワークを通じてエンドユーザー レベルでの参入優位性を維持し続けている。その一方で、自動運転会社や、物理世界からのトレーニング データを必要とする他の大規模なモデル会社にサービスを提供するために、実際の旅程とドライバーの車両のシーンを構造化データ資産に集約しようとします。自動運転のハードウェアとソフトウェアのスタックの製造を止めて久しい企業にとって、これは次の輸送技術の変化に参加し続け、そこでの存在感を維持するための新しい方法となるかもしれない。