Wayve és végponttól végpontig vezető modellek
A Wayve egy brit cég, amely önvezető rendszereket épít egyetlen tanult neurális hálózattal, amely a kamera pixeleit közvetlenül a vezetési vezérlőelemekhez rendeli hozzá – kézzel kódolt szabályok vagy HD-térképek nélkül.
Áttekintés
Azért számít, mert ez a végponttól végpontig megközelítés olyan autókat ígér, amelyek általánosítanak új városokra anélkül, hogy drága újratérképezést igényelnének.
Mély merülés
A 2017-ben Cambridge-ben alapított Wayve elutasítja azt a hagyományos önvezető receptet, amely különálló modulokból áll az észleléshez, előrejelzéshez és tervezéshez, amelyeket kézzel írt kód ragaszt össze. Ehelyett egy nagy neurális hálózatot képez végpontokig: az olcsó kamerák videója bemegy, a kormányzás és a gyorsítás jön ki, az emberi vezetési bemutatókból tanulva. A Wayve híresen kerüli a költséges LiDAR-t és az előre elkészített HD-térképeket, és arra tippel, hogy a tanulás általánossá teszi az emberi járművezetők módját. A GAIA-1 és a későbbi GAIA-2 generatív világmodellek, amelyek valósághű vezetési videót szimulálnak a szabályzat betanítása és tesztelése érdekében. 2024-ben a Wayve több mint 1 milliárd dollárt gyűjtött össze a SoftBank, az Nvidia és az Microsoft vezetésével, és az Egyesült Királyság több tucat városában tesztelt autókat, és megkezdte terjeszkedését az Egyesült Államokban és Japánban.
Technikai betekintés
A végpontok közötti tanulás a moduláris csővezetékeket egy differenciálható hálózattal váltja fel, amelyet az emberi vezetés utánzatos tanulásával képeznek ki, amelyet gyakran megerősítő tanulással finomítanak. A Wayve világmodelljei, mint például a GAIA-2, olyan generatív videómodellek, amelyek cselekvésektől függő jövőbeli képkockákat jósolnak meg, lehetővé téve a csapat számára, hogy a szimuláció során olcsón generáljon ritka forgatókönyveket (jaywalkers, köd). A másik oldal az értelmezhetőség: egyetlen feketedoboz-házirendet nehezebb hibakeresni és hitelesíteni, mint egy folyamatot, ahol minden modul kimenete ellenőrizhető.
Stratégiai hatás
Szállítói stratégia
A szállítói ütemterv befolyásolja, hogy csapata milyen funkciókat építhet fel legközelebb.
Költség és költségvetés
A kereskedelmi feltételek és a telepítési lehetőségek befolyásolják a hosszú távú költségeket és kockázatokat.
Kockázat és biztonság
A vállalati ösztönzők alakítják a termék alapértelmezett beállításait, a biztonsági testtartást és a nyitottságot.
A Wayve és az end-to-end vezetési modellek jövője
A Wayve az autógyártók számára engedélyezi a „megtestesült mesterséges intelligencia” szoftverét, ahelyett, hogy saját robottengelyt építene ki, amelynek célja a vezetői segítségnyújtás és végül az autonómia szállítása számos járműmárka számára. Az alapmodell technikákkal való szorosabb integrációra, a nagyobb multimodális világmodellekre, valamint arra kell törekedni, hogy bebizonyítsák, hogy a kamera-első, térkép nélküli rendszerek biztonságban megfelelnek a térképes riválisoknak. A tanult, kevésbé értelmezhető rendszerek szabályozási elfogadása továbbra is a fő akadály.
Valós megvalósítás
Térkép nélküli városi vezetés ismeretlen egyesült királyságbeli városokban, csak kamerabemenettel és tanult irányelvekkel
A GAIA-2 világmodell szintetikus éldobozos videót generál (kerékpárosok, időjárás), hogy tesztelje a vezetési hálózatot
Az AV2.0 szoftver licencelése az autógyártók számára, hogy a meglévő járműkamera-csomagok fejlettebb vezetési támogatást kapjanak
A flottatanulás, ahol a sok ember által hajtott autóból származó adatok egyetlen megosztott neurális vezetési modellt javítanak
Kockázatok és védőkorlátok
Az indítási bejelentések meghaladhatják a valódi termelési munkafolyamatok stabilitását.
Az API-árazás vagy az irányelvváltások egyik napról a másikra megdönthetik a feltételezéseket.
Az egyszállítótól való függőség növeli a bezárási és migrációs költségeket.
Végrehajtási ütemterv
Értékelje a szolgáltatókat saját feladatai és adatkészletei segítségével.
Az integráció előtt tekintse át az adatvédelmi, biztonsági és jogi feltételeket.
Tartsa fenn a tartalék tervet a modellek vagy szállítók között.
Figyelje a kiadási megjegyzéseket, hogy az ütemterv változásai ne lepjék meg a csapatokat.
Folytassa a felfedezést
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Wayve and End-to-End Driving Models quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Következő útmutató
Wayve LINGO vezetési nyelvi modellek
Gyakran ismételt kérdések
Mi az a Wayve és a végpontig vezető modellek?
A Wayve egy brit cég, amely önvezető rendszereket épít egyetlen tanult neurális hálózattal, amely a kamera pixeleit közvetlenül a vezetési vezérlőelemekhez rendeli hozzá – kézzel kódolt szabályok vagy HD-térképek nélkül. Ez azért fontos, mert ez a teljes körű megközelítés olyan autókat ígér, amelyek költséges újratervezés nélkül általánosíthatók az új városokra.
Mi a Wayve végponttól végpontig terjedő vezetési megközelítésének meghatározó jellemzője?
Az end-to-end azt jelenti, hogy egy tanult hálózat a nyers kamerabeviteltől a kormányzásig és a gyorsításig terjed, ahelyett, hogy kézzel épített modulokat láncolna.
Melyik érzékelési stratégiáról ismert Wayve?
A Wayve az olcsó kamerákra és a tanult általánosításokra tippel, szándékosan elkerülve a költséges LiDAR-t és az előre elkészített HD-térképeket.
Mi az a GAIA-2 a Wayve veremében?
A GAIA-1 és a GAIA-2 generatív világmodellek, amelyek valósághű vezetési videót készítenek a vezetési politika betanításához és teszteléséhez.
Hogyan tervezi elsősorban a Wayve technológiájának kereskedelmi forgalomba hozatalát?
A Wayve „testesült mesterségesintelligencia”-szoftver-szolgáltatóként pozicionálja magát, vezetési intelligenciáját a járműgyártók számára engedélyezve.
Mi az egyetlen végpontok közötti vezetési hálózat fő hátránya?
A monolitikus tanult szabályzat egy fekete doboz, ami megnehezíti az ellenőrzést, a hibakeresést és a tanúsítást, mint egy ellenőrizhető modulkimenetekkel rendelkező folyamat.