คู่มือบริษัท

รูปแบบการขับขี่ Wayve และ End-to-End

Wayve เป็นบริษัทในสหราชอาณาจักรที่สร้างระบบการขับขี่ด้วยตนเองด้วยโครงข่ายประสาทเทียมแบบเรียนรู้เดียวที่แมปพิกเซลของกล้องกับระบบควบคุมการขับขี่โดยตรง โดยไม่ต้องใช้กฎที่เขียนด้วยมือหรือแผนที่ HD

ภาพรวม

Wayve เป็นบริษัทในสหราชอาณาจักรที่สร้างระบบการขับขี่ด้วยตนเองด้วยโครงข่ายประสาทเทียมแบบเรียนรู้เดียวที่แมปพิกเซลของกล้องกับระบบควบคุมการขับขี่โดยตรง โดยไม่ต้องใช้กฎที่เขียนด้วยมือหรือแผนที่ HD สิ่งสำคัญคือเนื่องจากแนวทางแบบ end-to-end นี้สัญญาว่ารถยนต์จะใช้งานได้ทั่วไปในเมืองใหม่โดยไม่ต้องทำการรีแมปที่มีราคาแพง

โมเดลการขับขี่ Wayve และ End-to-End เป็นที่เข้าใจได้ดีที่สุดในบริบทของกลยุทธ์ การเข้าถึงโมเดล การตัดสินใจแพลตฟอร์ม และความร่วมมือในระบบนิเวศ

เจาะลึก

Wayve ก่อตั้งขึ้นในเคมบริดจ์ในปี 2560 โดยปฏิเสธสูตรการขับขี่ด้วยตนเองแบบดั้งเดิมของโมดูลที่แยกจากกันสำหรับการรับรู้ การทำนาย และการวางแผนที่ผสานเข้าด้วยกันด้วยโค้ดที่เขียนด้วยมือ แต่จะฝึกโครงข่ายประสาทเทียมขนาดใหญ่ตั้งแต่ต้นจนจบ นั่นคือ วิดีโอจากกล้องราคาไม่แพงเข้ามา การหมุนพวงมาลัยและการเร่งความเร็วออกมา ซึ่งเรียนรู้จากการสาธิตการขับขี่ของมนุษย์ Wayve มีชื่อเสียงในการหลีกเลี่ยง LiDAR ที่มีราคาแพงและแผนที่ HD ที่สร้างไว้ล่วงหน้า โดยพนันได้เลยว่าการเรียนรู้จะเป็นภาพรวมของวิธีที่มนุษย์ทำ GAIA-1 และ GAIA-2 รุ่นใหม่กว่านั้นเป็นโมเดลโลกเชิงสร้างสรรค์ที่จำลองวิดีโอการขับขี่ที่สมจริงเพื่อฝึกฝนและทดสอบนโยบาย ในปี 2024 Wayve ระดมทุนได้มากกว่า 1 พันล้านดอลลาร์ซึ่งนำโดย SoftBank, Nvidia และ Microsoft และได้ทำการทดสอบรถยนต์ในเมืองหลายสิบแห่งในสหราชอาณาจักร และเริ่มขยายไปยังสหรัฐอเมริกาและญี่ปุ่น

ข้อมูลเชิงลึกทางเทคนิค

การเรียนรู้แบบ end-to-end แทนที่ไปป์ไลน์แบบโมดูลาร์ด้วยเครือข่ายที่สร้างความแตกต่างซึ่งได้รับการฝึกฝนโดยการเรียนรู้แบบเลียนแบบในการขับขี่ของมนุษย์ ซึ่งมักจะได้รับการปรับปรุงด้วยการเรียนรู้แบบเสริมกำลัง โมเดลโลกของ Wayve เช่น GAIA-2 เป็นโมเดลวิดีโอเชิงสร้างสรรค์ที่คาดการณ์เฟรมในอนาคตที่มีเงื่อนไขตามการกระทำ ช่วยให้ทีมสร้างสถานการณ์ที่หายาก (คนข้ามถนน หมอก) ได้ในราคาถูกในการจำลอง ด้านพลิกคือความสามารถในการตีความ: นโยบายกล่องดำเดียวนั้นยากต่อการดีบั๊กและรับรองมากกว่าไปป์ไลน์ที่สามารถตรวจสอบเอาต์พุตของแต่ละโมดูลได้

การเรียนรู้ Wayve และโมเดลการขับขี่แบบ End-to-End

Wayve เป็นบริษัทในสหราชอาณาจักรที่สร้างระบบการขับขี่ด้วยตนเองด้วยโครงข่ายประสาทเทียมแบบเรียนรู้เดียวที่แมปพิกเซลของกล้องกับระบบควบคุมการขับขี่โดยตรง โดยไม่ต้องใช้กฎที่เขียนด้วยมือหรือแผนที่ HD สิ่งสำคัญคือเนื่องจากแนวทางแบบ end-to-end นี้สัญญาว่ารถยนต์จะใช้งานได้ทั่วไปในเมืองใหม่โดยไม่ต้องทำการรีแมปที่มีราคาแพง โมเดลการขับขี่ Wayve และ End-to-End เป็นที่เข้าใจได้ดีที่สุดในบริบทของกลยุทธ์ การเข้าถึงโมเดล การตัดสินใจแพลตฟอร์ม และความร่วมมือในระบบนิเวศ เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า Wayve และ End-to-End Driving Models เป็นรูปแบบการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ

ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ Wayve และ End-to-End Driving Models จะประเมินกลยุทธ์ของผู้จำหน่าย ความน่าเชื่อถือของแผนงาน และความเสี่ยงในการล็อคอินก่อนตัดสินใจ โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน

โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป ในขณะเดียวกัน การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง

ผลกระทบเชิงกลยุทธ์

โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป

โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว

ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง

สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ

อนาคตของ Wayve และโมเดลการขับขี่แบบ End-to-End

Wayve กำลังออกใบอนุญาต 'AI ที่เป็นตัวเป็นตน' เป็นซอฟต์แวร์ให้กับผู้ผลิตรถยนต์แทนที่จะสร้างหุ่นยนต์แท็กซี่ของตัวเอง โดยมีเป้าหมายเพื่อจัดส่งความช่วยเหลือผู้ขับขี่และในที่สุดก็มีอิสระในยานยนต์หลายยี่ห้อ คาดหวังการผสานรวมที่แน่นแฟ้นมากขึ้นกับเทคนิคแบบจำลองพื้นฐาน โมเดลโลกหลายรูปแบบที่ใหญ่กว่า และการผลักดันเพื่อพิสูจน์ว่าระบบที่เน้นกล้องเป็นหลักและไม่ใช้แผนที่สามารถเทียบเคียงกับคู่แข่งที่ต้องใช้แผนที่จำนวนมากในด้านความปลอดภัย การยอมรับตามกฎระเบียบของระบบที่เรียนรู้และตีความได้น้อยยังคงเป็นอุปสรรคสำคัญ

การใช้งานจริงในโลกแห่งความเป็นจริง

การขับขี่ในเมืองโดยไม่ใช้แผนที่ในเมืองที่ไม่คุ้นเคยในสหราชอาณาจักรโดยใช้เพียงข้อมูลจากกล้องและนโยบายที่เรียนรู้

แบบจำลองโลก GAIA-2 สร้างวิดีโอกรณีขอบสังเคราะห์ (นักปั่นจักรยาน สภาพอากาศ) เพื่อทดสอบความเครียดในเครือข่ายการขับขี่

การให้ลิขสิทธิ์ซอฟต์แวร์ AV2.0 แก่ผู้ผลิตรถยนต์ เพื่อให้ชุดกล้องติดรถยนต์ที่มีอยู่ได้รับการช่วยเหลือในการขับขี่ขั้นสูง

การเรียนรู้อย่างรวดเร็วโดยที่ข้อมูลจากรถยนต์ที่ขับเคลื่อนโดยมนุษย์จำนวนมากช่วยปรับปรุงโมเดลการขับขี่แบบนิวรัลที่ใช้ร่วมกันเพียงโมเดลเดียว

รูปแบบการดำเนินงาน

รูปแบบการขับขี่ Wayve และ End-to-End ในทางปฏิบัติ

การขับขี่ในเมืองโดยไม่ใช้แผนที่ในเมืองที่ไม่คุ้นเคยในสหราชอาณาจักรโดยใช้เพียงข้อมูลจากกล้องและนโยบายที่เรียนรู้

การขับขี่ในเมืองแบบไร้แผนที่ในเมืองที่ไม่คุ้นเคยในสหราชอาณาจักรโดยใช้เพียงอินพุตจากกล้องและนโยบายที่เรียนรู้ ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

รูปแบบการขับขี่ Wayve และ End-to-End ในทางปฏิบัติ

แบบจำลองโลก GAIA-2 สร้างวิดีโอกรณีขอบสังเคราะห์ (นักปั่นจักรยาน สภาพอากาศ) เพื่อทดสอบความเครียดในเครือข่ายการขับขี่

แบบจำลองโลก GAIA-2 ที่สร้างวิดีโอ Edge-Case แบบสังเคราะห์ (นักปั่นจักรยาน สภาพอากาศ) เพื่อทดสอบความเครียดในเครือข่ายการขับเคลื่อน ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับ Edge Case และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

รูปแบบการขับขี่ Wayve และ End-to-End ในทางปฏิบัติ

การให้ลิขสิทธิ์ซอฟต์แวร์ AV2.0 แก่ผู้ผลิตรถยนต์ เพื่อให้ชุดกล้องติดรถยนต์ที่มีอยู่ได้รับการช่วยเหลือในการขับขี่ขั้นสูง

การให้สิทธิ์การใช้งานซอฟต์แวร์ AV2.0 แก่ผู้ผลิตรถยนต์ เพื่อให้ชุดกล้องติดรถยนต์ที่มีอยู่ได้รับความช่วยเหลือในการขับขี่ขั้นสูง ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

รูปแบบการขับขี่ Wayve และ End-to-End ในทางปฏิบัติ

การเรียนรู้อย่างรวดเร็วโดยที่ข้อมูลจากรถยนต์ที่ขับเคลื่อนโดยมนุษย์จำนวนมากช่วยปรับปรุงโมเดลการขับขี่แบบนิวรัลที่ใช้ร่วมกันเพียงโมเดลเดียว

การเรียนรู้อย่างรวดเร็วโดยที่ข้อมูลจากรถยนต์ที่ขับเคลื่อนโดยมนุษย์จำนวนมากปรับปรุงโมเดลการขับขี่แบบนิวรัลที่ใช้ร่วมกัน ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป

ความเสี่ยงและรั้ว

!

การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง

!

การกำหนดราคา API หรือการเปลี่ยนแปลงนโยบายสามารถทำลายสมมติฐานได้ในชั่วข้ามคืน

!

การพึ่งพาผู้ขายรายเดียวจะเพิ่มค่าใช้จ่ายในการล็อคอินและการย้ายข้อมูล

แผนงานการดำเนินงาน

1

ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง

ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

2

ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ

ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

3

รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย

รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

4

ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ

ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น

สำรวจต่อไป