Wayve LINGO โมเดลภาษาการขับขี่
โมเดล LINGO ของ Wayve จับคู่ระบบขับเคลื่อนด้วยตนเองพร้อมการให้เหตุผลในภาษาธรรมชาติ ดังนั้นรถจึงสามารถอธิบายสิ่งที่เห็นและเหตุใดจึงทำงาน
ภาพรวม
It is a bet that language can make autonomous driving more interpretable, teachable, and safe.
เจาะลึก
Wayve เป็นบริษัทที่ขับเคลื่อนด้วยตนเองในลอนดอน ซึ่งบุกเบิกแนวทางการเรียนรู้แบบ 'จากต้นทางถึงปลายทาง': แทนที่จะใช้กฎที่เขียนโค้ดด้วยมือ โครงข่ายประสาทเทียมจะเรียนรู้ที่จะขับเคลื่อนโดยตรงจากข้อมูลกล้อง LINGO-1 (2023) เพิ่มโมเดลภาษาวิสัยทัศน์ที่บรรยายการขับขี่เป็นภาษาอังกฤษธรรมดา ('ฉันชะลอความเร็วเพราะคนเดินถนนกำลังข้าม') LINGO-2 (2024) ก้าวไปอีกขั้นด้วยการเชื่อมโยงภาษาและการกระทำ เพื่อให้แบบจำลองสามารถอธิบายการตัดสินใจและรับคำแนะนำด้วยข้อความ เช่น 'ดึงผ่าน' สิ่งนี้ทำให้ 'กล่องดำ' ปกติทึบแสงของเครือข่ายการขับขี่สามารถตรวจสอบได้ วิทยานิพนธ์ที่กว้างขึ้นของ Wayve คือ 'Embodaed AI' ซึ่งเป็นการเรียนรู้ทักษะการขับขี่ทั่วไปจากข้อมูลมากกว่าแผนที่โดยละเอียด โดยมีเป้าหมายเพื่อนำไปใช้กับยานพาหนะหลายประเภทและเมืองต่างๆ โดยไม่ต้องใช้วิศวกรรมตามสถานที่
ข้อมูลเชิงลึกทางเทคนิค
LINGO คือโมเดลวิสัยทัศน์-ภาษา-การกระทำ เฟรมของกล้องได้รับการเข้ารหัสเป็นโทเค็นและป้อนควบคู่ไปกับข้อความลงในหม้อแปลงไฟฟ้าที่ได้รับการฝึกฝนในการขับคลิปที่จับคู่กับคำอธิบายของมนุษย์และข้อมูลคำถาม-คำตอบ สิ่งสำคัญที่สุดคือ โมเดลเดียวกันที่สร้างภาษายังสามารถแสดงการบังคับเลี้ยวและการเร่งความเร็วได้ ดังนั้นคำอธิบายจึงมีพื้นฐานอยู่ในนโยบายการขับขี่จริง แทนที่จะเป็นผู้บรรยายภายหลังเหตุการณ์จริงที่แยกจากกัน ซึ่งจะช่วยลดความเสี่ยงที่คำพูดและพฤติกรรมจะแตกต่างออกไป
ผลกระทบเชิงกลยุทธ์
กลยุทธ์ของผู้ขาย
โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป
ต้นทุนและงบประมาณ
ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว
ความเสี่ยงและความปลอดภัย
สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง
อนาคตของโมเดลภาษาการขับขี่ Wayve LINGO
คาดว่าอินเทอร์เฟซที่ขับเคลื่อนด้วยภาษาจะกลายเป็นมาตรฐานสำหรับการทดสอบและตรวจสอบความเป็นอิสระ: วิศวกรตั้งคำถามว่า 'ทำไมคุณถึงเบรก' ข้ามสถานการณ์นับล้าน Wayve ตั้งเป้าที่จะอนุญาตให้ผู้ผลิตรถยนต์ใช้โมเดลพื้นฐาน 'AI Driver' แทนที่จะสร้างรถยนต์ของตัวเอง เมื่อโมเดลเหล่านี้ขยายขนาด คำถามเปิดคือความน่าเชื่อถือภายใต้ 'กรณีขอบ' ที่หายาก วิธีตรวจสอบคำอธิบายที่เป็นคำพูดสะท้อนถึงเหตุผลภายในอย่างแท้จริง และการยอมรับตามกฎระเบียบของระบบการขับขี่ที่เรียนรู้และไม่อิงกฎเกณฑ์
การใช้งานจริงในโลกแห่งความเป็นจริง
สร้างคำอธิบายเป็นภาษาอังกฤษธรรมดาเพื่ออธิบายการตัดสินใจขับขี่แต่ละครั้งระหว่างการทดสอบบนถนน
ให้วิศวกรสอบถามพฤติกรรมของยานพาหนะด้วยคำถามที่เป็นภาษาธรรมชาติเพื่อแก้ไขสถานการณ์ที่ไม่ค่อยเกิดขึ้น
ยอมรับข้อความหรือคำสั่งเสียง เช่น 'เลี้ยวซ้ายที่ไฟ' เพื่อบังคับทิศทางรถ
สร้างข้อมูลการฝึกอบรมและการตรวจสอบโดยการจับคู่ฟุตเทจการขับรถกับคำอธิบายประกอบคำถาม-คำตอบ
ความเสี่ยงและรั้ว
การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง
การกำหนดราคา API หรือการเปลี่ยนแปลงนโยบายสามารถทำลายสมมติฐานได้ในชั่วข้ามคืน
การพึ่งพาผู้ขายรายเดียวจะเพิ่มค่าใช้จ่ายในการล็อคอินและการย้ายข้อมูล
แผนงานการดำเนินงาน
ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง
ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ
รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย
ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ
สำรวจต่อไป
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 LINGO Driving Language 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
คำแนะนำต่อไป
รูปแบบการขับขี่ Wayve และ End-to-End
คำถามที่พบบ่อย
What is Wayve LINGO Driving Language Models?
โมเดล LINGO ของ Wayve จับคู่ระบบขับเคลื่อนด้วยตนเองพร้อมการให้เหตุผลในภาษาธรรมชาติ ดังนั้นรถจึงสามารถอธิบายสิ่งที่เห็นและเหตุใดจึงทำงาน การเดิมพันว่าภาษาสามารถทำให้การขับขี่แบบอัตโนมัติสามารถตีความ สอนได้ และปลอดภัยยิ่งขึ้น
ความสามารถหลัก LINGO-1 ที่เพิ่มเข้าไปในระบบการขับขี่ของ Wayve คืออะไร?
LINGO-1 นำเสนอโมเดลภาษาวิสัยทัศน์ที่บรรยายการตัดสินใจขับขี่เป็นภาษาอังกฤษธรรมดา ทำให้ระบบสามารถตีความได้ง่ายขึ้น
LINGO-2 ก้าวไปไกลกว่า LINGO-1 ได้อย่างไร
LINGO-2 เป็นรูปแบบการมองเห็น ภาษา การกระทำ โดยเชื่อมโยงข้อความเข้ากับนโยบายการขับขี่จริง จึงสามารถนำทางตามคำแนะนำและอธิบายพฤติกรรมได้
แนวทาง 'end-to-end' ของ Wayve หมายถึงอะไร
Wayve เรียนรู้พฤติกรรมการขับขี่โดยตรงจากข้อมูลด้วยโครงข่ายประสาทเทียม แทนที่จะอาศัยกฎที่ออกแบบด้วยมือและแผนที่โดยละเอียด
เหตุใดคำอธิบายการต่อสายดินในรูปแบบเดียวกันที่ขับเคลื่อนจึงมีความสำคัญ
หากคำอธิบายมาจากผู้บรรยายแยกต่างหาก คำพูดและการกระทำอาจขัดแย้งกัน การแบ่งปันโมเดลหนึ่งช่วยให้คำอธิบายเชื่อมโยงกับการตัดสินใจที่แท้จริง
กลยุทธ์ทางธุรกิจที่ระบุไว้ของ Wayve สำหรับไดรเวอร์ AI คืออะไร
Wayve มีเป้าหมายที่จะมอบโมเดลพื้นฐานการขับขี่แบบเรียนรู้ให้กับผู้ผลิตรถยนต์ แทนที่จะผลิตรถยนต์ของตัวเอง