GAIA-1のご紹介：自動運転のための最先端生成AIモデル

自動運転は、交通に革命をもたらし道路の安全性を向上させる可能性を秘めており、自動車業界にとって長年の目標となっています。しかし、複雑な現実世界のシナリオをナビゲートできる自動運転システムを開発することは、依然として大きな課題です。そこで登場するのが、—自動運転のために特別に設計された最先端の生成AIモデル、GAIA-1です。

GAIA-1は、映像、テキスト、アクションの入力を活用してリアルな走行映像を生成する研究モデルであり、自車の挙動やシーンの特徴をきめ細かく制御できます。現実世界の生成規則を具現化するその能力は、人工システムが世界の規則や行動を理解し再現できる「エンボディドAI（身体性AI）」に向けた大きな一歩となります。GAIA-1の導入は、自動運転分野のイノベーションに無限の可能性をもたらし、自動運転技術のトレーニングを強化・加速させます。

GAIA-1の概要

GAIA-1（Generative Artificial Intelligence for Autonomy）は、映像、テキスト、アクションの入力を活用してリアルな走行映像を生成するマルチモーダルなアプローチです。Wayveの膨大な英国都市部の実走行データで学習することで、モデルはビデオシーケンス内の後続フレームを予測することを学習し、ラベルを必要としない自己回帰（AR）予測機能を実現しました。これは、大規模言語モデル（LLM）に見られるアプローチに似ています。

GAIA-1は単なる標準的な生成ビデオモデルではありません。乗用車、トラック、バス、歩行者、サイクリスト、道路レイアウト、建物、信号機など、運転における重要な概念を理解し、解きほぐすことを学習する真のワールドモデルです。当社の生成AIモデルを際立たせているのは、自車の挙動とその他の重要なシーンの特徴の両方をきめ細かく制御できる点です。自車の挙動を変更する場合でも、シーン全体のダイナミクスを修正する場合でも、当社のモデルは比類のない柔軟性を提供し、自動運転のための基盤モデルの開発を加速させる極めて貴重なツールとなります。

GAIA-1の真の驚異は、私たちが住む世界を支える生成規則を具現化する能力にあります。多様な走行データに関する広範なトレーニングを通じて、モデルは現実世界の固有の構造とパターンを統合し、驚くほどリアルで多様な走行シーンを生成することを可能にします。この成果は、人工システムが世界と相互作用するだけでなく、その規則や行動を理解し再現できるエンボディドAIの実現に向けた大きな一歩となります。

ワールドモデルとは何か？

人間や他の動物は、幼い頃から観察や相互作用を通じて世界のモデルを構築します。蓄積された世界の知識に基づくこれらのモデルにより、私たちは慣れない状況でも効果的に行動することができます。

ワールドモデルは、次に何が起こるかを予測する能力の基礎であり、自動運転にとって根本的に重要です。これらは、学習済みのシミュレーターとして、あるいはモデルベースの強化学習（RL）やプランニングのためのメンタルな「もしも」の思考実験として機能します。ワールドモデルを走行モデルに組み込むことで、人間の意思決定をより適切に理解させ、最終的にはより多くの現実世界の状況に一般化させることができます。だからこそ、私たちは5年以上にわたって予測とワールドモデルの研究を続けてきました。GAIA-1は、未来予測、運転の夢想、鳥瞰図での予測、そしてワールドモデルの学習に関する当社の成果に基づいています。

GAIA-1の新たな能力

この研究モデルの能力をより深く理解するために、実際の動作を確認することが役立ちます。

妥当な長期未来の生成

GAIA-1は、数秒の映像に基づいて数分先まで予測することができます。これほど先の走行シーンを生成する場合、最初のビデオプロンプトの最初の数秒間に何が起きていたかは、次に生成される内容にとって重要ではなくなります。これは、GAIA-1が私たちの住む世界を支える規則を理解していることを示しています。

以下は、GAIA-1が長期のシミュレーション走行シナリオをどのようにレンダリングできるかを示す映像です。注目すべきは、生成された映像の最後のフレームに到達する頃には、最初のフレームに存在していたものがシーン内に何も残っていないという点です。

妥当な複数の未来の生成

数秒の開始コンテキストをGAIA-1に与えると、複数の起こりうる未来を想像することができます。これは、同じビデオプロンプトに基づいても、GAIA-1が将来的に多くの異なる出来事が起こり得ることを理解していることを示しています。

特定の走行シーンを生成するためのモデル制御

最後に、映像や自然言語のプロンプトを使用してGAIA-1にアクションを条件付けし、妥当な未来を生成することができます。この手法により、アクションの条件付けを通じて、シミュレーション内のシーンや自車を制御することが可能になります。

以下の映像では、自然言語を使用して異なる未来をプロンプトした様子をご覧いただけます。

真のワールドモデルとして、GAIA-1はトレーニングを受けたことのないシナリオで何が起こるかを想像することさえ可能です。ここでは、モデルが自身の判断に反して左または右にハンドルを切るよう強制できることを示しています。トレーニングしたシナリオからは見られなかった走行シーンを予測できるGAIA-1の能力は、学習データを超えて外挿できることを示しており、AI走行モデルの安全性評価に役立つ可能性があります。安全性の保証は、コーナーケースやエッジケースのシナリオに対する運転行動のテストに一部依存しています。これらのシナリオは稀であり、現実世界でテストするには危険すぎるため、シミュレーションによるテストがより安全な代替手段となります。

結論

GAIA-1は、自動運転分野における研究、シミュレーション、トレーニングに新たな機会をもたらす、ゲームチェンジャーとなる生成AI研究モデルです。リアルで多様な走行シーンを生成できるGAIA-1は、自動運転システムのトレーニングを強化する独自の機会を提供し、複雑な現実世界のシナリオをより効果的にナビゲートすることを可能にします。さらに、当社のモデルは、シナリオの探索や自動運転技術のテストのための強力な研究開発ツールとしても機能します。

GAIA-1がWayveの自動運転用基盤モデルの開発をどのように前進させるか、非常に期待しています。チームに強力な新しいツールを提供することで、GAIA-1はWayveの自動運転技術の開発を加速させ、最終的にはその性能と安全性を向上させるのに役立ちます。

GAIA-1について詳しく知りたい方は、今後数ヶ月の間に発表されるさらなる結果や洞察にご注目ください。