Wayve-Mitbegründer und CEO Alex Kendall sieht Potenzial darin, die Technologie seines autonomen Fahrzeug-Startups auf den Markt zu bringen. Vorausgesetzt, Wayve bleibt bei seiner Strategie, die darauf abzielt, sicherzustellen, dass die automatisierte Fahrsoftware kostengünstig ist, hardwareagnostisch und sowohl für fortschrittliche Fahrerassistenzsysteme, Robotaxis und sogar Robotik eingesetzt werden kann.
Die Strategie, die Kendall während der Nvidia GTC-Konferenz skizzierte, beginnt mit einem datengesteuerten End-to-End-Lernansatz. Das bedeutet, dass das, was das System durch verschiedene Sensoren "sieht" (wie Kameras), direkt in das übersetzt, wie es fährt (wie das Entscheiden über Bremsen oder Linksabbiegen). Darüber hinaus bedeutet dies, dass das System nicht auf HD-Karten oder regelbasierte Software angewiesen ist, wie es bei früheren Versionen der AV-Technologie der Fall war.
Der Ansatz hat Investoren angezogen. Wayve, das 2017 gegründet wurde und in den letzten zwei Jahren über 1,3 Milliarden US-Dollar eingenommen hat, plant, seine selbstfahrende Software an Automobil- und Flottenpartner wie Uber zu lizenzieren.
Das Unternehmen hat noch keine automobilen Partnerschaften angekündigt, aber ein Sprecher sagte TechCrunch, dass Wayve mit mehreren OEMs in "intensiven Gesprächen" steht, um seine Software in eine Reihe verschiedener Fahrzeugtypen zu integrieren.
Ihre kostengünstige Software-Präsentation ist entscheidend für den Abschluss dieser Geschäfte.
Kendall sagte, dass OEMs, die Wayves fortschrittliches Fahrerassistenzsystem (ADAS) in neue Serienfahrzeuge einbauen, nichts in zusätzliche Hardware investieren müssen, da die Technologie mit vorhandenen Sensoren arbeiten kann, die normalerweise aus Umgebungskameras und etwas Radar bestehen.
Wayve ist auch "silikonagnostisch", was bedeutet, dass es seine Software auf der GPU ausführen kann, die seine OEM-Partner bereits in ihren Fahrzeugen haben, so Kendall. Die aktuelle Entwicklungsfahrzeugflotte des Startups verwendet jedoch Nvidias Orin-System-on-a-Chip.
"Der Einstieg in ADAS ist wirklich entscheidend, weil es Ihnen ermöglicht, ein nachhaltiges Geschäft aufzubauen, Verbreitung im großen Maßstab zu schaffen und die Datenaussetzung zu erhalten, um das System bis [Level] 4 zu trainieren", sagte Kendall am Mittwoch auf der Bühne.
(Ein Level-4-Fahrsystem bedeutet, dass es unter bestimmten Bedingungen eine Umgebung eigenständig navigieren kann - ohne menschliches Eingreifen.)
Wayve plant, sein System zuerst auf ADAS-Niveau zu kommerzialisieren. Deshalb hat das Startup den KI-Fahrer so konzipiert, dass er ohne Lidar funktioniert - dem Lidar-Radar, das mithilfe von Laserlicht Entfernungen misst, um eine äußerst präzise 3D-Karte der Welt zu generieren, das von den meisten Unternehmen, die an Technologie auf Level-4-Niveau arbeiten, als wesentlicher Sensor angesehen wird.
Der Ansatz von Wayve zur Autonomie ähnelt dem von Tesla, der ebenfalls an einem End-to-End-Deep-Learning-Modell arbeitet, um sein System zu betreiben und seine selbstfahrende Software kontinuierlich zu verbessern. Wie Tesla beabsichtigt, hofft auch Wayve, eine weitreichende Einführung von ADAS zu nutzen, um Daten zu sammeln, die dazu beitragen, sein System bis zur vollständigen Autonomie zu erweitern. (Teslas "Full Self-Driving"-Software kann einige automatisierte Fahraufgaben ausführen, ist jedoch nicht vollständig autonom. Das Unternehmen plant jedoch, einen Robotaxi-Service diesen Sommer zu starten.)
Einer der Hauptunterschiede zwischen den Ansätzen von Wayve und Tesla aus technischer Sicht ist, dass Tesla sich nur auf Kameras verlässt, während Wayve gerne Lidar einbezieht, um eine nahezu vollständige Autonomie auf kurzfristige Sicht zu erreichen.
"Langfristig gibt es sicherlich Möglichkeiten, wenn Sie die Zuverlässigkeit und die Fähigkeit zur Validierung eines Maßstabs aufbauen können, um dieses [Sensorsystem] weiter zu verkleinern", sagte Kendall. "Es hängt von der Produkterfahrung ab, die Sie wünschen. Möchten Sie, dass das Auto schneller durch Nebel fährt? Dann möchten Sie vielleicht andere Sensoren [wie Lidar]. Aber wenn Sie bereit sind, dass die KI die Einschränkungen von Kameras versteht und defensiv und konservativ agiert? Kann unsere KI das lernen."
Kendall teaserte auch GAIA-2 an, Wayves neuestes generatives Weltmodell, das auf autonomen Fahren zugeschnitten ist und seinen Fahrer anhand von umfangreichen Mengen sowohl realer als auch synthetischer Daten über eine breite Palette von Aufgaben trainiert. Das Modell verarbeitet Video, Text und andere Aktionen zusammen, was Kendall zufolge Wayves KI-Fahrer anpassungsfähiger und menschenähnlicher in seinem Fahrverhalten macht.
"Was mich wirklich begeistert, ist das menschenähnliche Fahrverhalten, das entsteht", sagte Kendall. "Natürlich gibt es keine manuell codierten Verhaltensweisen. Wir sagen dem Auto nicht, wie es sich verhalten soll. Es gibt keine Infrastruktur oder HD-Karten, sondern das entstehende Verhalten ist datengesteuert und ermöglicht ein Fahrverhalten, das mit sehr komplexen und vielfältigen Szenarien umgeht, einschließlich Szenarien, die es möglicherweise während des Trainings noch nie gesehen hat."
Wayve vertritt eine ähnliche Philosophie wie das autonome Lkw-Startup Waabi, das ebenfalls ein End-to-End-Lernsystem verfolgt. Beide Unternehmen haben auf das Skalieren von datengetriebenen KI-Modellen gesetzt, die über verschiedene Fahrumgebungen verallgemeinern können, und verlassen sich beide auf generative KI-Simulatoren, um ihre Technologie zu testen und zu trainieren.
