概述
Wayve 是一家英国公司,利用单一学习神经网络构建自动驾驶系统,该网络将摄像头像素直接映射到驾驶控制,无需手动编码规则或高清地图。这很重要,因为这种端到端的方法保证了汽车可以推广到新城市,而无需昂贵的重新映射。
Wayve 和端到端驾驶模型在战略、模型访问、平台决策和生态系统合作伙伴关系的背景下可以得到最好的理解。
深入探讨
Wayve 于 2017 年在剑桥成立,它拒绝传统的自动驾驶方案,即通过手写代码将单独的感知、预测和规划模块粘合在一起。相反,它端到端地训练一个大型神经网络:输入来自廉价摄像机的视频,输出转向和加速,这是从人类驾驶演示中学到的。 Wayve 因避免使用昂贵的激光雷达和预制高清地图而闻名,并押注学习可以概括人类驾驶员的行为方式。其 GAIA-1 和后来的 GAIA-2 是生成世界模型,模拟真实的驾驶视频来训练和测试策略。 2024 年,Wayve 在软银、Nvidia 和 Microsoft 的领投下筹集了超过 10 亿美元,并在英国数十个城市测试了汽车,并开始向美国和日本扩张。
技术洞察
端到端学习用通过人类驾驶模仿学习训练的可微网络取代了模块化管道,通常通过强化学习进行改进。 Wayve 的世界模型(例如 GAIA-2)是生成视频模型,可以预测以动作为条件的未来帧,让团队能够在模拟中以较低的成本生成罕见的场景(乱穿马路、雾)。另一方面是可解释性:单个黑盒策略比可以检查每个模块输出的管道更难调试和验证。
掌握 Wayve 和端到端驾驶模型
Wayve 是一家英国公司,利用单一学习神经网络构建自动驾驶系统,该网络将摄像头像素直接映射到驾驶控制,无需手动编码规则或高清地图。这很重要,因为这种端到端的方法保证了汽车可以推广到新城市,而无需昂贵的重新映射。 Wayve 和端到端驾驶模型在战略、模型访问、平台决策和生态系统合作伙伴关系的背景下可以得到最好的理解。为了建立深入的理解,请将 Wayve 和端到端驾驶模型视为一种操作模型,而不是单一功能:定义期望的结果,澄清假设,并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中,使用 Wayve 和端到端驱动模型的强大团队会在做出承诺之前评估供应商策略、路线图可靠性和锁定风险。他们记录明确的成功标准,根据实际数据和工作流程进行测试,并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
供应商路线图会影响您的团队接下来可以构建的功能。与此同时,发布公告可能会超过实际生产工作流程的稳定性。最具弹性的方法是将实验速度与治理规则结合起来:运行试点、捕获证据、发布决策日志,并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
供应商路线图会影响您的团队接下来可以构建的功能。
供应商路线图会影响您的团队接下来可以构建的功能。在高质量部署中,这会转化为可衡量的操作规则、所有权边界和定期审查仪式,以便团队可以增强信心,而不是扩大模糊性。
商业条款和部署选项会影响长期成本和风险。
商业条款和部署选项会影响长期成本和风险。在高质量部署中,这会转化为可衡量的操作规则、所有权边界和定期审查仪式,以便团队可以增强信心,而不是扩大模糊性。
公司激励措施塑造了产品默认、安全态势和开放性。
公司激励措施塑造了产品默认、安全态势和开放性。在高质量部署中,这会转化为可衡量的操作规则、所有权边界和定期审查仪式,以便团队可以增强信心,而不是扩大模糊性。
现实世界的实施
仅使用摄像头输入和学习策略在不熟悉的英国城市进行无地图城市驾驶
GAIA-2 世界模型生成合成边缘情况视频(骑自行车者、天气)以对驾驶网络进行压力测试
向汽车制造商授权 AV2.0 软件,以便现有的车辆摄像头套件获得先进的辅助驾驶功能
车队学习来自许多人类驾驶汽车的数据改进了单一共享神经驾驶模型
实施模式
Wayve 和端到端驾驶模型的实践
仅使用摄像头输入和学到的策略,在不熟悉的英国城市进行无地图城市驾驶。
仅使用摄像头输入和学习的策略,在不熟悉的英国城市中进行无地图城市驾驶。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时,通常会获得更好的结果。
Wayve 和端到端驾驶模型的实践
GAIA-2 世界模型生成合成边缘情况视频(骑自行车者、天气)以对驾驶网络进行压力测试。
GAIA-2 世界模型生成合成边缘情况视频(骑自行车者、天气)以对驾驶网络进行压力测试。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时,通常会获得更好的结果。
Wayve 和端到端驾驶模型的实践
向汽车制造商授权 AV2.0 软件,以便现有的车辆摄像头套件获得先进的辅助驾驶功能。
向汽车制造商授权 AV2.0 软件,以便现有的车辆摄像头套件获得先进的辅助驾驶。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时,通常会获得更好的结果。
Wayve 和端到端驾驶模型的实践
来自许多人类驾驶汽车的数据的车队学习改进了单一共享神经驾驶模型。
来自许多人类驾驶汽车的数据的车队学习改进了单一共享的神经驾驶模型当团队预先定义质量阈值、为边缘情况保留人类升级路径并随着时间的推移跟踪生产力增益和错误成本时,通常会得到更好的结果。
风险与防护栏
发布公告可能会超过实际生产工作流程的稳定性。
API 定价或政策转变可能会在一夜之间打破假设。
单一供应商依赖性增加了锁定和迁移成本。
实施路线图
使用您自己的任务和数据集评估提供商。
使用您自己的任务和数据集评估提供商。将每个步骤视为证据门:如果不满足标准,则暂停推出,缩小差距,然后再扩大使用。
在集成之前查看隐私、安全和法律条款。
在集成之前查看隐私、安全和法律条款。将每个步骤视为证据门:如果不满足标准,则暂停推出,缩小差距,然后再扩大使用。
维护跨模型或供应商的后备计划。
维护跨模型或供应商的后备计划。将每个步骤视为证据门:如果不满足标准,则暂停推出,缩小差距,然后再扩大使用。
监控发行说明,以便路线图的更改不会让团队感到意外。
监控发行说明,以便路线图的更改不会让团队感到意外。将每个步骤视为证据门:如果不满足标准,则暂停推出,缩小差距,然后再扩大使用。