A Rivian compra uma startup para transformar 400.000 clipes diários em simulações 3D

A Rivian deseja recriar as estradas pelas quais seus clientes dirigem como mundos de teste em 3D para seu sistema autônomo, e acabou de adquirir uma startup britânica com 15 funcionários chamada Third Dimension para fazer isso, conforme relatado pela primeira vez pelo TechCrunch.

A startup foi fundada em 2024 por um ex-engenheiro de simulação do Autopilot da Tesla e um experiente membro da equipe de simulador neural da Wayve. A Rivian não divulgou o valor pago.

Uma ferramenta de videogame, reaproveitada

A Third Dimension se posicionou como uma ferramenta de IA generativa capaz de criar ambientes em 3D prontos para motores de jogos. Quando arrecadou 7 milhões de dólares em uma rodada inicial liderada pela Felicis em outubro de 2024, seus clientes-alvo eram estúdios de jogos, indústria cinematográfica, exército dos EUA e empresas de veículos autônomos.

Os currículos dos fundadores mostram em quais desses aspectos a Rivian se preocupava. O CEO Tolga Kart passou mais de dois anos na Tesla trabalhando na simulação do Autopilot, após cinco anos como diretor sênior no Call of Duty da Activision, e depois liderou o setor de engenharia na empresa de dados sintéticos Parallel Domain. O cofundador Piotr Sokólski trabalhou quatro anos na Wayve desenvolvendo simuladores neurais fotorrealistas para carros autônomos.

Toda a equipe se junta ao grupo de autonomia e IA da Rivian, sob a liderança de James Philbin. A maioria deles está no Reino Unido, o que também amplia a presença da Rivian em Londres.

400.000 clipes por dia, poucos casos extremos

A Rivian coleta imagens de direção dos proprietários de R1S, R1T, R2 e de vans comerciais que optam por compartilhar os dados das câmeras. Philbin disse ao TechCrunch que a frota envia mais de 400.000 sequências por dia.

Mas a grande maioria dessas imagens é entediante. Os eventos que realmente causam problemas nos sistemas autônomos, como um colchão na pista rápida, um policial liberando o tráfego no sinal vermelho ou uma criança correndo entre carros estacionados, são raros. É preciso esperar meses para que a frota registre o suficiente desses casos, ou então é possível recriar cenas reais em 3D e alterar as variáveis por conta própria. Essa é a proposta aqui.

A Rivian não é a primeira. A Waymo apresentou seu Waymo World Model, desenvolvido com base no Genie 3 da Google DeepMind, em fevereiro, para gerar cenários que seus carros nunca viram. A Tesla também mostrou seu próprio “simulador de mundo” neural para o FSD.

O cronômetro do Uber está correndo

A Rivian precisa que isso funcione rapidamente. Em março, o Uber concordou em investir até 1,25 bilhão de dólares na Rivian para implementar os robô-táxis R2, mas apenas 300 milhões serão pagos antecipadamente. O restante está vinculado a marcos de autonomia, começando com 10.000 unidades R2 sem motorista na rede do Uber em São Francisco e Miami a partir de 2028.

No lado do consumidor, o cronograma já foi adiado uma vez. A funcionalidade de direção ponto a ponto da Rivian será disponibilizada para um pequeno grupo de proprietários do Autonomy+ ainda este ano, e esses testadores precisam assinar um acordo de confidencialidade. A direção “sem supervisão”, que RJ Scaringe prometeu para 2026 em janeiro de 2025, agora tem como meta o ano de 2027, com nível 4 previsto para 2028 no hardware Gen 3 apresentado pela Rivian em seu Dia de IA e Autonomia.

Ponto de vista da Electrek

Não temos todos os detalhes, mas isso parece ser uma boa oferta. É algo pequeno e direcionado, que envolve a contratação de uma equipe que já realizou exatamente esse tipo de trabalho na Tesla e na Wayve. Para uma empresa com uma fração da frota da Tesla, obter o máximo de cada gravação coletada é a aposta certa, e o fato da Waymo seguir pelo mesmo caminho mostra que os líderes concordam.

Mas a simulação é uma ferramenta de treinamento e teste. Não é prova alguma. Um sistema pode superar milhões de casos extremos gerados e ainda assim cometer erros em uma rua real, e a única maneira de o público saber como ele realmente se sai é quando a empresa compartilha dados do mundo real.

No entanto, esta é a melhor maneira de fazer uma “simulação”, pois ela não cria um mundo falso com física simulada; ela reconstrói uma cena do mundo real com base em dados reais. Ainda é uma simulação e não é tão boa quanto a real, mas é o mais próximo que se pode chegar disso.