テクノロジー
エンボディドAIで自動運転を解決する新しい方法を開拓する
エンボディドAIによる安全でスケーラブルな自動運転
Wayveは、自動運転のためのAI基盤モデルの開発を専門としています。当社の技術は、現実世界の環境から学習し、それと相互作用できる「ロボット脳」を車両に搭載します。
安全な運転のために最適化
エンボディドAIは、自動車の安全性を優先するドメイン最適化されたモデルアーキテクチャを使用しており、安全で自然な運転性能を実現します。
ロングテール問題を解決
エンボディドAIは優れた汎化能力を持ち、事前の訓練なしでも予期せぬシナリオに「学習済み」の運転スキルを適用できます。
効率的かつ大規模な学習
当社の自己教師あり学習方法は、効率的かつ大規模な学習を可能にし、AI機能を新しい車両や地域にシームレスに適応させるために不可欠です。
エンドツーエンドAI運転モデルの開拓
Wayveの自動運転2.0アプローチ
当社の革新的なアプローチは、従来のAV1.0アプローチのモジュール式「認識-計画-実行」アーキテクチャを、多様なデータで訓練された単一のニューラルネットワークに置き換え、生のセンサー入力を安全な運転出力に変換します。
自動運転2.0
自動運転1.0
Wayveの自動運転2.0アプローチの利点
ラベル付きデータを不要に
自動運転2.0は、自己学習によって、ラベル付けされていない生データから運転スキルを学習するため、高価で時間のかかるラベル付きデータセットをキュレーションする必要がありません。
リーンなセンサー群
自動運転2.0により、センサーについて異なる考え方ができるようになります。このデータファーストのアプローチはセンサー選択に柔軟性があり、OEMはニーズに基づいてハードウェアを自由に選択できます。
マップレス自律走行
自動運転2.0はHDマップに依存しません。これにより、データ駆動型適応を通じて新しい地域へのシームレスな展開が可能になります。
車両に依存しない
自動運転2.0は、乗用車から配送バンまで、あらゆる種類の車両で動作するように適応できます。いずれかの車両タイプで達成された進歩は、もう一方にも直接利益をもたらします。
自動運転2.0
フリート学習ループ
自動運転2.0は、データ記録、モデル訓練、性能評価、更新モデルの展開という、迅速で継続的かつシームレスなフリート学習ループを導入します。
Wayveのフリート学習ループの利点
強力なデータ・トゥ・バリューエンジン
多様なフリートから実世界の運転データを効率的に収集し、クラウドベースの訓練インフラで処理し、洗練された運転能力に変換します。
検証可能な堅牢な性能を構築
運転データの露出が増えるにつれて、検証可能な堅牢な自動運転能力が構築され、「目視」運転機能から「目視不要」運転機能への移行をサポートするように最適に設計されています。
責任あるモデル開発
革新的なツール、プロセス、パイプラインを活用して基盤モデルを構築、訓練、展開し、責任あるモデル開発のためのMLopsワークフローを実装します。
包括的な「オフロード」評価
膨大な数のシミュレートされた運転シナリオでAI運転モデルを厳密にテストし、迅速かつ包括的な評価を行います。
新しいAI機能とツールへの投資
自動運転2.0は、強化された訓練、シミュレーション、評価、検証プロセスに最先端のAIを活用する道を開きます。Wayveはこれらの能力を進化させるために研究開発に投資しています。
AI説明性
LINGO-1は画期的な言語モデルであり、e2e AIモデルの性能と解釈可能性を向上させることができます。その運転行動の背後にある推論を説明することで、推論と意思決定の透明性を高めます。
生成AI
GAIAは、比類のない精度で将来の出来事を予測し、テキスト、アクション、ビデオのプロンプトからリアルな運転ビデオを生成する生成型世界モデルです。これにより、特にエッジケースの訓練と検証を加速します。
フォトリアルなシミュレーター
最先端のニューラルレンダリングにより、フォトリアルな4Dワールドを自動生成し、何千ものシミュレートされたシナリオを生成して、AIモデルの訓練、テスト、デバッグを行うことができます。
モデル内省
当社の斬新なシナリオインテリジェンスツールは、e2e AIモデルによって生成された創発的な概念を活用し、それらをデータセットの内省と制御のためのフレームワークに変換します。
自動運転2.0のためのスーパーコンピューティングインフラ
WayveとMicrosoftは、自動運転車におけるAI基盤モデルの開発のためにスーパーコンピューティング技術を実装するために協力しています。
