9.º Foro Anual de ADAS, AV e IA de Evercore de Rivian Automotive, Inc. Class A Common Stock

Sí. Bueno, primero, muchas gracias por recibirnos hoy. Es estupendo estar aquí y poder hablar con los inversionistas. En cuanto a las áreas clave, puedo hablar un poco y luego, James, te cedo la palabra sobre autonomía. Pero realmente, lo primero en lo que se están enfocando nuestros inversionistas ahora es... Disculpen, estoy oyendo algo de retorno de audio. Todo gira en torno al aumento de producción del R2 en este momento. Es nuestro SUV mediano, que lanzamos en junio. Como se imaginarán, este T3 será el primer trimestre en el que realmente tendremos un trimestre completo de producción. Sin duda hablaremos de muchas preguntas sobre cómo avanza el aumento de producción desde la perspectiva de la producción y la cadena de suministro, así como sobre los objetivos que presentamos en la llamada de resultados del T2.

Luego, por supuesto, hay mucho interés en la autonomía y en nuestro camino en ese ámbito.

Sí. El equipo se ha enfocado por completo en tener listo el sistema punto a punto este año. Así que estamos muy encaminados para el despliegue inicial hacia finales de este año. Emprendimos este camino hacia la autonomía con el lanzamiento de la Gen 2. La Gen 2 se diseñó en torno a la idea de integración vertical y un ciclo de datos muy sólido, para que podamos recopilar datos de los clientes y de sus sensores junto con las acciones de conducción. Eso es lo que realmente nos ha permitido impulsar el desarrollo de la autonomía. Lanzamos Universal Hands-Free el año pasado, hacia finales de año. Es el sistema manos libres de mayor escala que se puede encontrar en el país. Realmente creemos que el sistema punto a punto será el siguiente paso importante en nuestro camino hacia la autonomía, sí, mientras avanzamos gradualmente hacia niveles más altos de autonomía en la pila tecnológica.

Sí. Creemos firmemente en la multimodalidad. Creemos que, incluso si aceptamos la premisa de que las cámaras pueden alcanzar una percepción comparable a la humana, hay muchos casos en los que eso no basta, porque las personas también cometen errores. Creemos que, para que la autonomía se adopte ampliamente, el estándar social casi con certeza tendrá que ser superior al nivel humano. Por esas razones, creemos que la multimodalidad realmente ayuda en la práctica. También nos ayuda a acelerar nuestro progreso. Lo que vemos es que, cuando combinamos radares con cámaras, el sistema realmente mejora mucho. Cuando agregamos LIDAR, vuelve a mejorar.

Esta es realmente una forma de acelerar nuestro progreso mientras ampliamos la escala con el R2, además de proporcionar a nuestros clientes un conjunto de sensores que ofrece capacidades seguras, de alto rendimiento y robustas.

Sí. Empezamos, a ver, hace tres años, cuando incorporamos internamente toda la pila tecnológica de conducción autónoma. Desde los controladores de cámara y los ISP de nivel más bajo hasta los modelos de percepción que se ejecutan en el vehículo. La Gen 1 tenía un sistema de Mobileye. Con la Gen 2, cuando la lanzamos, retiramos ese sistema y lo reemplazamos. Luego, mientras recopilábamos esos datos y desarrollábamos nuestros modelos de percepción, fuimos mejorando las cosas de forma constante. Primero, con nuestra función Highway Assist; luego, Universal Hands-Free; y ahora el enfoque principal es el sistema punto a punto.

Sí. La autonomía realmente tiene que ver con los casos límite. Para nosotros, un enfoque importante ha sido no preguntarnos cómo podemos acumular más kilómetros rutinarios en carretera, que no aportan mucha información al modelo. El gradiente que se obtiene al entrenar con esos datos es muy pequeño. La pregunta es cómo podemos encontrar casos más interesantes, que realmente provoquen distintos comportamientos del modelo al conducir. El gradiente es grande. Como parte de ese trabajo, desarrollamos este sistema de cuadrículas que nos permite ampliar la recopilación de casos límite mediante VLM y técnicas modernas de IA. Actualmente tenemos un conjunto de 3,000 consultas sobre casos límite muy poco frecuentes que se ejecutan constantemente contra la flota de clientes, y luego usamos esos datos para entrenar el modelo.

Creo que una parte importante del proceso de desarrollo consiste en obtener esos casos límite, encontrar situaciones nuevas que el modelo aún no haya visto, para que pueda perfeccionar su comportamiento al conducir.

Sí. Comenzaremos el despliegue del sistema punto a punto a finales de año, probablemente con nuestros clientes pioneros, y luego continuaremos el despliegue el próximo año, con el objetivo de que esté disponible para toda la flota de clientes de Autonomy+ un poco más adelante ese año. A medida que lo desplegamos, seguimos desarrollando y mejorando el sistema. Lograremos mejores tasas de desconexión y un mejor manejo de más situaciones. También habrá algunas funciones que probablemente queden fuera del ODD en la primera versión y que procuraremos agregar, por ejemplo, los estacionamientos. Luego, un enfoque importante es la alianza con Uber Robotaxi, en la que seguimos iterando sobre ese sistema para llevar su rendimiento al nivel de conducción totalmente autónoma. Eso abarca tanto el modelo como la validación.