Der Mitbegründer und CEO von Wayve, Alex Kendall, sieht das Versprechen, die Technologie seines autonomen Fahrzeugstartups auf den Markt zu bringen. Das heißt, wenn sich die Art und Weise an die Strategie hält, sicherzustellen, dass ihre automatisierte Fahrsoftware ausführt, ist die Hardware -Agnostik und kann auf fortschrittliche Fahrerhilfesysteme, Robotaxis und sogar Robotik angewendet werden.
Die Strategie, die Kendall während der GTC-Konferenz von Nvidia festgelegt hat, beginnt mit einem datengesteuerten Lernansatz von End-to-End. Dies bedeutet, dass das, was das System durch eine Vielzahl von Sensoren (wie Kameras) „sieht“, direkt in der Art und Weise führt, wie es fährt (wie die Entscheidung, zu bremsen oder nach links abzubiegen). Darüber hinaus bedeutet dies, dass das System nicht auf HD-Karten oder Regeln basierende Software verlassen muss, wie frühere Versionen von AV Tech.
Der Ansatz hat Investoren angezogen. Wayve, das 2017 eingeführt wurde und in den letzten zwei Jahren mehr als 1,3 Milliarden US-Dollar gesammelt hat, plant, seine selbstfahrende Software für Automobil- und Flottenpartner wie Uber zu lizenzieren.
Das Unternehmen hat noch keine Automobilpartnerschaften angekündigt, aber ein Sprecher sagte gegenüber Tech, dass sich diese Weise in „starken Diskussionen“ mit mehreren OEMs befindet, um seine Software in eine Reihe verschiedener Fahrzeugtypen zu integrieren.
Die billige Software-Tonhöhe ist entscheidend, um diese Angebote zu gewinnen.
Kendall sagte, dass OEMs das Advanced Triver Assistance System (ADAs) von Wayve in neue Produktionsfahrzeuge investieren müssen, die nichts in zusätzliche Hardware investieren müssen, da die Technologie mit vorhandenen Sensoren zusammenarbeiten kann, die normalerweise aus Surround -Kameras und einigen Radaren bestehen.
Wegve ist auch „Silicon-Agnostic“, was bedeutet, dass sie laut Kendall seine Software für die GPU-Partner, die seine OEM-Partner bereits in ihren Fahrzeugen haben, ausführen kann. Die aktuelle Entwicklungsflotte des Startups verwendet jedoch das Orin-System von Nvidia.
„Die Einreise in ADAs ist sehr wichtig, da Sie ein nachhaltiges Geschäft aufbauen, die Verteilung im Maßstab aufbauen und die Datenbelastung dazu bringen können, das System zu trainieren bis zu können [Level] 4 “, sagte Kendall am Mittwoch auf der Bühne.
(Ein Stufe 4 -Fahrsystem bedeutet, dass es unter bestimmten Bedingungen selbst in einer Umgebung navigieren kann, ohne dass ein Mensch eingreifen muss.)
Wayve plant, sein System zuerst auf ADAS -Ebene zu kommerzialisieren. Das Startup hat den KI -Treiber so gestaltet, dass er ohne LiDAR arbeitet – die Lichtkennung und -rangradar, die die Entfernung mithilfe von Laserlicht misst, um eine sehr genaue 3D -Karte der Welt zu erzeugen, die die meisten Unternehmen, die die Technologie der Stufe 4 entwickeln, als ein wesentlicher Sensor betrachten.
Der Ansatz von Wayve zur Autonomie ähnelt dem von Tesla, nämlich Arbeiten Sie auch an einem End-to-End-Deep-Lernmodell, um sein System zu betreiben und seine selbstfahrende Software kontinuierlich zu verbessern. Wie Tesla versucht, hofft Wayve, eine weit verbreitete Einführung von ADAs zu nutzen, um Daten zu sammeln, die dazu beitragen, dass der System die volle Autonomie erreicht. (Teslas „vollständige selbstfahrende“ Software kann einige automatisierte Fahraufgaben ausführen, ist jedoch nicht vollständig autonom. Obwohl das Unternehmen in diesem Sommer einen Robotaxi-Service auf den Markt bringt.)
Einer der Hauptunterschiede zwischen den Ansätzen von Wayve und Tesla aus technischer Sicht besteht darin, dass Tesla nur auf Kameras angewiesen ist, während Wayve gerne Lidar einbezieht, um kurzfristig volle Autonomie zu erreichen.
„Langfristig gibt es sicherlich Möglichkeiten, wenn Sie die Zuverlässigkeit und die Fähigkeit aufbauen, ein Maßstab zu validieren, um das zu verkleinern [sensor suite] weiter unten „, sagte Kendall.„ Es hängt von der gewünschten Produkterfahrung ab. Möchten Sie, dass das Auto schneller durch Nebel fährt? Dann willst du vielleicht andere Sensoren [like lidar]. Aber wenn Sie bereit sind, die KI zu verstehen, die Grenzen von Kameras zu verstehen und infolgedessen defensiv und konservativ zu sein? Unsere KI kann das lernen. “
Kendall neckte auch Gaia-2, das neueste generative Weltmodell von Wayve, das auf autonomes Fahren zugeschnitten ist, das seinen Fahrer in großen Mengen sowohl an realer als auch synthetischer Daten in einer breiten Palette von Aufgaben ausbildert. Das Modell verarbeitet Video, Text und andere Aktionen zusammen, was Kendall sagt, dass der KI-Treiber von Wayve in seinem Fahrverhalten adaptiver und menschlicher ist.
„Was für mich wirklich aufregend ist, ist das menschlichähnliche Fahrverhalten, das Sie sehen“, sagte Kendall. „Natürlich gibt es kein handkodiertes Verhalten. Wir sagen dem Auto nicht, wie es sich verhalten soll. Es gibt keine Infrastruktur oder HD-Karten, sondern das aufstrebende Verhalten ist datengesteuert und ermöglicht das Fahrverhalten, das sich mit sehr komplexen und vielfältigen Szenarien befasst, einschließlich Szenarien, die sie während des Trainings möglicherweise nie gesehen haben.“
Wayve teilt eine ähnliche Philosophie wie autonomes Trucking-Startup Waabi, das auch ein End-to-End-Lernsystem verfolgt. Beide Unternehmen haben die skalierenden datengesteuerten KI-Modelle betont, die über verschiedene Fahrumgebungen hinweg verallgemeinert werden können, und beide verlassen sich auf generative KI-Simulatoren, um ihre Technologie zu testen und auszubilden.