개요
Wayve는 손으로 코딩한 규칙이나 HD 지도 없이 카메라 픽셀을 운전 제어 장치에 직접 매핑하는 단일 학습 신경망을 사용하여 자율 주행 시스템을 구축하는 영국 회사입니다. 이 엔드투엔드 접근 방식은 값비싼 재매핑 없이 새로운 도시에 일반화되는 자동차를 약속하기 때문에 중요합니다.
Wayve 및 엔드투엔드 주행 모델은 전략, 모델 액세스, 플랫폼 결정 및 생태계 파트너십의 맥락에서 가장 잘 이해됩니다.
심층 분석
2017년 케임브리지에서 설립된 Wayve는 인식, 예측, 계획을 위해 별도의 모듈을 손으로 작성한 코드로 결합하는 전통적인 자율주행 방식을 거부합니다. 대신 하나의 대규모 신경망을 엔드 투 엔드로 훈련합니다. 저렴한 카메라의 비디오가 입력되고 조향 및 가속이 출력되며 인간의 운전 시연을 통해 학습됩니다. Wayve는 비용이 많이 드는 LiDAR와 사전 구축된 HD 지도를 피하는 것으로 유명하며, 학습이 인간 운전자의 방식을 일반화한다고 확신합니다. GAIA-1 및 이후 버전의 GAIA-2는 정책을 훈련하고 테스트하기 위해 현실적인 운전 비디오를 시뮬레이션하는 생성 세계 모델입니다. 2024년 Wayve는 SoftBank, Nvidia 및 Microsoft가 주도하여 10억 달러 이상을 모금했으며 영국의 수십 개 도시에서 자동차를 테스트하고 미국과 일본으로 확장을 시작했습니다.
기술적 통찰력
엔드투엔드 학습은 모듈식 파이프라인을 인간 운전에 대한 모방 학습으로 훈련된 차별화 가능한 네트워크로 대체하며, 종종 강화 학습으로 개선됩니다. GAIA-2와 같은 Wayve의 세계 모델은 행동에 따라 미래 프레임을 예측하는 생성적 비디오 모델로, 팀이 시뮬레이션에서 희귀한 시나리오(무단횡단자, 안개)를 저렴하게 생성할 수 있도록 해줍니다. 반대 측면은 해석 가능성입니다. 단일 블랙박스 정책은 각 모듈의 출력을 검사할 수 있는 파이프라인보다 디버그 및 인증하기가 더 어렵습니다.
Wayve 및 End-to-End 주행 모델 익히기
Wayve는 손으로 코딩한 규칙이나 HD 지도 없이 카메라 픽셀을 운전 제어 장치에 직접 매핑하는 단일 학습 신경망을 사용하여 자율 주행 시스템을 구축하는 영국 회사입니다. 이 엔드투엔드 접근 방식은 값비싼 재매핑 없이 새로운 도시에 일반화되는 자동차를 약속하기 때문에 중요합니다. Wayve 및 엔드투엔드 주행 모델은 전략, 모델 액세스, 플랫폼 결정 및 생태계 파트너십의 맥락에서 가장 잘 이해됩니다. 깊은 이해를 구축하려면 Wayve 및 엔드투엔드 주행 모델을 단일 기능이 아닌 운영 모델로 취급하십시오. 원하는 결과를 정의하고, 가정을 명확히 하며, 시스템이 안정적으로 수행할 수 있는 작업과 여전히 전문가 판단이 필요한 작업을 분리하세요.
실제로 Wayve 및 엔드투엔드 추진 모델을 사용하는 강력한 팀은 커밋하기 전에 공급업체 전략, 로드맵 안정성 및 종속 위험을 평가합니다. 명시적인 성공 기준을 문서화하고, 현실적인 데이터 및 워크플로를 기준으로 테스트하며, 일회성 벤치마크 승리보다는 관찰된 실패 패턴을 기반으로 반복합니다. 이론적 이해가 제품, 정책, 운영 전반에 걸쳐 지속 가능한 역량으로 바뀌는 곳입니다.
공급업체 로드맵은 팀이 다음에 구축할 수 있는 기능에 영향을 미칩니다. 동시에 출시 발표는 실제 생산 워크플로의 안정성보다 앞설 수 있습니다. 가장 탄력적인 접근 방식은 실험 속도와 거버넌스 규율을 결합하는 것입니다. 즉, 파일럿 실행, 증거 캡처, 결정 로그 게시, 모델 동작, 사용자 기대 및 규제 요구 사항이 발전함에 따라 보호 장치를 지속적으로 업데이트합니다.
전략적 영향
공급업체 로드맵은 팀이 다음에 구축할 수 있는 기능에 영향을 미칩니다.
공급업체 로드맵은 팀이 다음에 구축할 수 있는 기능에 영향을 미칩니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
상업적 조건과 배포 옵션은 장기적인 비용과 위험에 영향을 미칩니다.
상업적 조건과 배포 옵션은 장기적인 비용과 위험에 영향을 미칩니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
회사 인센티브는 제품 기본값, 안전 태세 및 개방성을 형성합니다.
회사 인센티브는 제품 기본값, 안전 태세 및 개방성을 형성합니다. 고품질 배포에서는 이는 측정 가능한 운영 규칙, 소유권 경계 및 반복적인 검토 의식으로 변환되므로 팀은 모호성을 확장하는 대신 자신감을 확장할 수 있습니다.
실제 구현
카메라 입력과 학습된 정책만을 사용하여 낯선 영국 도시에서 지도 없는 도시 운전
운전 네트워크의 스트레스 테스트를 위해 합성 엣지 케이스 비디오(자전거 타는 사람, 날씨)를 생성하는 GAIA-2 세계 모델
자동차 제조업체에 AV2.0 소프트웨어 라이선스를 부여하여 기존 차량 카메라 제품군에 고급 운전 지원 기능 제공
인간이 운전하는 많은 자동차의 데이터가 단일 공유 신경 운전 모델을 개선하는 차량 학습
구현 패턴
실제 Wayve 및 End-to-End 주행 모델
카메라 입력과 학습된 정책만을 사용하여 익숙하지 않은 영국 도시에서 지도 없이 도시를 운전합니다.
카메라 입력과 학습된 정책만을 사용하여 지도 없이 낯선 영국 도시에서 도시 주행 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
실제 Wayve 및 End-to-End 주행 모델
운전 네트워크의 스트레스 테스트를 위해 합성 엣지 케이스 비디오(자전거 타는 사람, 날씨)를 생성하는 GAIA-2 세계 모델입니다.
운전 네트워크의 스트레스 테스트를 위해 합성 엣지 케이스 비디오(자전거 타는 사람, 날씨)를 생성하는 GAIA-2 세계 모델 팀은 일반적으로 품질 임계값을 미리 정의하고 엣지 케이스에 대한 인적 에스컬레이션 경로를 유지하며 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
실제 Wayve 및 End-to-End 주행 모델
자동차 제조업체에 AV2.0 소프트웨어 라이선스를 부여하여 기존 차량 카메라 제품군에 고급 운전 지원 기능을 제공합니다.
자동차 제조업체에 AV2.0 소프트웨어 라이선스를 부여하여 기존 차량 카메라 제품군에 고급 운전 보조 기능을 제공합니다. 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인적 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
실제 Wayve 및 End-to-End 주행 모델
인간이 운전하는 많은 자동차의 데이터가 단일 공유 신경 운전 모델을 개선하는 차량 학습입니다.
인간이 운전하는 많은 자동차의 데이터가 단일 공유 신경 주행 모델을 개선하는 차량 학습 팀은 일반적으로 품질 임계값을 미리 정의하고, 극단적인 경우에 대한 인간 에스컬레이션 경로를 유지하고, 시간이 지남에 따라 생산성 향상과 오류 비용을 모두 추적할 때 더 나은 결과를 얻습니다.
위험 및 가드레일
출시 발표는 실제 생산 워크플로의 안정성보다 앞설 수 있습니다.
API 가격 책정이나 정책 변경으로 인해 하룻밤 사이에 가정이 깨질 수 있습니다.
단일 공급업체 종속성은 종속 및 마이그레이션 비용을 증가시킵니다.
구현 로드맵
자체 작업과 데이터 세트를 사용하여 공급자를 평가합니다.
자체 작업과 데이터 세트를 사용하여 공급자를 평가합니다. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
통합하기 전에 개인정보 보호, 보안, 법적 약관을 검토하세요.
통합하기 전에 개인정보 보호, 보안, 법적 약관을 검토하세요. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
모델이나 공급업체 전반에 걸쳐 대체 계획을 유지합니다.
모델이나 공급업체 전반에 걸쳐 대체 계획을 유지합니다. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.
로드맵 변경으로 인해 팀이 놀라지 않도록 릴리스 노트를 모니터링하세요.
로드맵 변경으로 인해 팀이 놀라지 않도록 릴리스 노트를 모니터링하세요. 각 단계를 증거 게이트로 처리합니다. 기준이 충족되지 않으면 롤아웃을 일시 중지하고 간격을 좁힌 다음 사용을 확장합니다.