Modele jazdy Wayve i End-to-End
Wayve to brytyjska firma tworząca systemy samodzielnego prowadzenia z pojedynczą wyuczoną siecią neuronową, która odwzorowuje piksele kamery bezpośrednio na elementy sterujące jazdy – bez ręcznie kodowanych reguł ani map HD.
Przegląd
Ma to znaczenie, ponieważ to kompleksowe podejście zapewnia samochody, które będą uniwersalne dla nowych miast bez kosztownego ponownego mapowania.
Głębokie nurkowanie
Założona w Cambridge w 2017 roku firma Wayve odrzuca tradycyjny przepis na autonomiczną jazdę, składający się z oddzielnych modułów do percepcji, przewidywania i planowania sklejonych ze sobą ręcznie napisanym kodem. Zamiast tego trenuje kompleksowo jedną dużą sieć neuronową: przesyłany jest obraz wideo z niedrogich kamer, sprawdzane są układy kierownicze i przyspieszenie, wyciągnięte z demonstracji prowadzenia pojazdów przez ludzi. Wayve słynie z unikania kosztownych LiDAR i gotowych map HD, obstawiając, że uczenie się uogólnia sposób, w jaki robią to ludzie. Jego GAIA-1, a później GAIA-2, to generatywne modele świata, które symulują realistyczne wideo dotyczące jazdy w celu szkolenia i testowania zasad. W 2024 roku Wayve zebrał ponad 1 miliard dolarów pod przewodnictwem SoftBank, Nvidia i Microsoft, a także przetestował samochody w kilkudziesięciu miastach Wielkiej Brytanii i rozpoczął ekspansję na Stany Zjednoczone i Japonię.
Wgląd techniczny
Uczenie się od końca do końca zastępuje potoki modułowe zróżnicowaną siecią szkoloną poprzez uczenie się przez naśladownictwo w zakresie prowadzenia pojazdu przez człowieka, często udoskonalane poprzez uczenie się przez wzmacnianie. Modele świata Wayve, takie jak GAIA-2, to generatywne modele wideo, które przewidują przyszłe klatki w zależności od akcji, umożliwiając zespołowi tanie generowanie rzadkich scenariuszy (przechodnie, mgła) w symulacji. Drugą stroną jest interpretowalność: pojedyncza polityka czarnej skrzynki jest trudniejsza do debugowania i certyfikacji niż potok, w którym można sprawdzić dane wyjściowe każdego modułu.
Wpływ strategiczny
Strategia dostawcy
Plany dostawców wpływają na to, jakie funkcje Twój zespół będzie mógł dalej tworzyć.
Koszt i budżet
Warunki handlowe i opcje wdrożenia wpływają na długoterminowe koszty i ryzyko.
Ryzyko i bezpieczeństwo
Zachęty firmowe kształtują wady produktów, postawę bezpieczeństwa i otwartość.
Przyszłość Wayve i kompleksowych modeli jazdy
Wayve zamiast budować własną robotykę, udziela licencji na swoją „ucieleśnioną sztuczną inteligencję” jako oprogramowanie producentom samochodów, mając na celu zapewnienie wspomagania kierowcy i ostatecznie autonomii wielu markom pojazdów. Spodziewaj się ściślejszej integracji z technikami modelu podstawowego, większych multimodalnych modeli świata oraz wysiłków mających na celu udowodnienie, że systemy oparte na kamerach i niewymagające map mogą dorównać rywalom korzystającym z dużej liczby map pod względem bezpieczeństwa. Kluczową przeszkodą pozostaje akceptacja regulacyjna wyuczonych, trudniejszych do interpretacji systemów.
Implementacja w świecie rzeczywistym
Jazda miejska bez map w nieznanych miastach Wielkiej Brytanii, korzystając wyłącznie z sygnału z kamery i wyuczonych zasad
Model świata GAIA-2 generujący syntetyczne wideo z skrajnych przypadków (rowerzyści, pogoda) w celu przetestowania sieci drogowej
Licencjonowanie oprogramowania AV2.0 producentom samochodów, aby istniejące zestawy kamer samochodowych mogły uzyskać zaawansowane wspomaganie prowadzenia pojazdu
Uczenie się floty, w ramach którego dane z wielu samochodów kierowanych przez człowieka ulepszają pojedynczy, współdzielony model jazdy neuronowej
Zagrożenia i poręcze
Ogłoszenia o wprowadzeniu na rynek mogą przekroczyć stabilność w rzeczywistych przepływach pracy.
Ceny interfejsów API lub zmiany zasad mogą z dnia na dzień złamać założenia.
Zależność od jednego dostawcy zwiększa koszty uzależnienia i migracji.
Plan wdrożenia
Oceniaj dostawców, korzystając z własnych zadań i zbiorów danych.
Przed integracją przejrzyj warunki dotyczące prywatności, bezpieczeństwa i prawa.
Utrzymuj plan awaryjny dla różnych modeli i dostawców.
Monitoruj informacje o wersji, aby zmiany w planie działania nie zaskoczyły zespołów.
Odkrywaj dalej
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
Następny poradnik
Modele języka jazdy Wayve LINGO
Często zadawane pytania
Co to są modele jazdy Wayve i kompleksowe?
Wayve to brytyjska firma tworząca systemy samodzielnego prowadzenia z pojedynczą wyuczoną siecią neuronową, która odwzorowuje piksele kamery bezpośrednio na elementy sterujące jazdy – bez ręcznie kodowanych reguł ani map HD. Ma to znaczenie, ponieważ to kompleksowe podejście zapewnia samochody, które można zastosować w nowych miastach bez kosztownego ponownego mapowania.
Jaka jest cecha charakterystyczna kompleksowego podejścia Wayve do prowadzenia pojazdu?
Kompleksowość oznacza, że jedna wyuczona sieć przechodzi od sygnału wejściowego z kamery do sterowania i przyspieszania, zamiast łączyć ręcznie zbudowane moduły.
Z jakiej strategii wykrywania kładzie nacisk Wayve?
Wayve stawia na niedrogie kamery i nauczył się generalizacji, świadomie unikając kosztownych LiDAR-ów i gotowych map HD.
Co to jest GAIA-2 w stosie Wayve'a?
GAIA-1 i GAIA-2 to generatywne modele świata, które tworzą realistyczne filmy wideo dotyczące jazdy w celu szkolenia i testowania zasad jazdy.
W jaki sposób Wayve planuje przede wszystkim komercjalizację swojej technologii?
Wayve pozycjonuje się jako dostawca oprogramowania „wcielonej sztucznej inteligencji”, udzielając licencji producentom pojazdów na swoją inteligencję prowadzenia pojazdu.
Jaka jest kluczowa wada pojedynczej, kompleksowej sieci napędowej?
Monolityczna, wyuczona polityka to czarna skrzynka, co utrudnia inspekcję, debugowanie i certyfikację w porównaniu z potokiem z możliwymi do sprawdzenia wynikami modułów.