概述
Wayve 是一家英國公司,利用單一學習神經網路來建立自動駕駛系統,該網路將相機像素直接映射到駕駛控制,無需手動編碼規則或高清地圖。這很重要,因為這種端到端的方法保證了汽車可以推廣到新城市,而無需昂貴的重新映射。
Wayve 和端到端駕駛模型在策略、模型存取、平台決策和生態系統合作夥伴關係的背景下可以得到最好的理解。
深入探討
Wayve 於 2017 年在劍橋成立,它拒絕傳統的自動駕駛方案,即透過手寫程式碼將單獨的感知、預測和規劃模組黏合在一起。相反,它端到端地訓練一個大型神經網路:輸入來自廉價攝影機的視頻,輸出轉向和加速,這是從人類駕駛演示中學到的。 Wayve 因避免使用昂貴的光達和預製高清地圖而聞名,並押注學習可以概括人類駕駛員的行為方式。其 GAIA-1 和後來的 GAIA-2 是生成世界模型,模擬真實的駕駛影片來訓練和測試策略。 2024 年,Wayve 在軟銀、Nvidia 和 Microsoft 的領投下籌集了超過 10 億美元,並在英國數十個城市測試了汽車,並開始向美國和日本擴張。
技術洞察
端到端學習以透過人類駕駛模仿學習訓練的可微網路取代了模組化管道,通常透過強化學習進行改進。 Wayve 的世界模型(例如 GAIA-2)是產生視訊模型,可以預測以動作為條件的未來幀,讓團隊能夠在模擬中以較低的成本產生罕見的場景(亂穿馬路、霧)。另一方面是可解釋性:單一黑盒策略比可以檢查每個模組輸出的管道更難調試和驗證。
掌握 Wayve 和端到端驾驶模型
Wayve 是一家英國公司,利用單一學習神經網路來建立自動駕駛系統,該網路將相機像素直接映射到駕駛控制,無需手動編碼規則或高清地圖。這很重要,因為這種端到端的方法保證了汽車可以推廣到新城市,而無需昂貴的重新映射。 Wayve 和端到端駕駛模型在策略、模型存取、平台決策和生態系統合作夥伴關係的背景下可以得到最好的理解。為了建立深入的理解,請將 Wayve 和端到端駕駛模型視為一種操作模型,而不是單一功能:定義期望的結果,澄清假設,並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中,使用 Wayve 和端到端驅動模型的強大團隊會在做出承諾之前評估供應商策略、路線圖可靠性和鎖定風險。他們記錄明確的成功標準,根據實際數據和工作流程進行測試,並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
供應商路線圖會影響您的團隊接下來可以建立的功能。同時,發佈公告可能會超過實際生產工作流程的穩定性。最具彈性的方法是將實驗速度與治理規則結合:運行試點、捕獲證據、發布決策日誌,並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
供應商路線圖會影響您的團隊接下來可以建立的功能。
供應商路線圖會影響您的團隊接下來可以建立的功能。在高品質部署中,這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式,以便團隊可以增強信心,而不是擴大模糊性。
商業條款和部署選項會影響長期成本和風險。
商業條款和部署選項會影響長期成本和風險。在高品質部署中,這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式,以便團隊可以增強信心,而不是擴大模糊性。
公司激勵措施塑造了產品預設、安全態勢和開放性。
公司激勵措施塑造了產品預設、安全態勢和開放性。在高品質部署中,這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式,以便團隊可以增強信心,而不是擴大模糊性。
現實世界的實施
僅使用攝影機輸入和學習策略在不熟悉的英國城市進行無地圖城市駕駛
GAIA-2 世界模型產生合成邊緣狀況影片(騎自行車者、天氣)以對駕駛網路進行壓力測試
向汽車製造商授權 AV2.0 軟體,以便現有的車輛攝影機套件獲得先進的輔助駕駛功能
車隊學習來自許多人類駕駛汽車的數據改進了單一共享神經駕駛模型
實施模式
Wayve 和端到端驾驶模型的实践
僅使用攝影機輸入和學習的策略,在不熟悉的英國城市進行無地圖城市駕駛。
僅使用攝影機輸入和學習的策略,在不熟悉的英國城市中進行無地圖城市駕駛。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時,通常會獲得更好的結果。
Wayve 和端到端驾驶模型的实践
GAIA-2 世界模型產生合成邊緣情況影片(騎自行車者、天氣)以對駕駛網路進行壓力測試。
GAIA-2 世界模型產生合成邊緣情況影片(騎自行車者、天氣)以對駕駛網路進行壓力測試。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時,通常會獲得更好的結果。
Wayve 和端到端驾驶模型的实践
向汽車製造商授權 AV2.0 軟體,以便現有的車輛攝影機套件獲得先進的輔助駕駛功能。
向汽車製造商授權 AV2.0 軟體,以便現有的車輛攝影機套件獲得先進的輔助駕駛。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時,通常會獲得更好的結果。
Wayve 和端到端驾驶模型的实践
來自許多人類駕駛汽車的數據的車隊學習改進了單一共享神經駕駛模型。
來自許多人類駕駛汽車的數據的車隊學習改進了單一共享的神經駕駛模型當團隊預先定義質量閾值、為邊緣情況保留人類升級路徑並隨著時間的推移跟踪生產力增益和錯誤成本時,通常會得到更好的結果。
風險與防護欄
發佈公告可能會超過實際生產工作流程的穩定性。
API 定價或政策轉變可能會在一夜之間打破假設。
單一供應商依賴性增加了鎖定和遷移成本。
實施路線圖
使用您自己的任務和資料集評估提供者。
使用您自己的任務和資料集評估提供者。將每個步驟視為證據門:如果不符合標準,則暫停推出,縮小差距,然後再擴大使用。
在整合之前查看隱私、安全和法律條款。
在整合之前查看隱私、安全和法律條款。將每個步驟視為證據門:如果不符合標準,則暫停推出,縮小差距,然後再擴大使用。
維護跨模型或供應商的後備計劃。
維護跨模型或供應商的後備計劃。將每個步驟視為證據門:如果不符合標準,則暫停推出,縮小差距,然後再擴大使用。
監控發行說明,以便路線圖的變更不會讓團隊感到意外。
監控發行說明,以便路線圖的變更不會讓團隊感到意外。將每個步驟視為證據門:如果不符合標準,則暫停推出,縮小差距,然後再擴大使用。