A Waabi, egy innovatív önműködő járműtechnológiával foglalkozó vállalkozás, legújabb bejelentésében egy generatív mesterséges intelligencia (MI) modellt mutatott be, amely a járművek mozgásának előrejelzésére képes. A Copilot4D névre keresztelt rendszer kiképzése során lidar szenzorok által gyűjtött adatokra támaszkodik, melyek fény segítségével mérhetik a tárgyak távolságát. Ha a modellt egy specifikus helyzettel, például egy gyorsan és felelőtlenül autópályára kanyarodó sofőrrel etetik, a rendszer előrejelezni tudja a környező járművek várható mozgását, majd generál egy 5-től 10 másodperces jövőképet a lidar adatok alapján.
A Copilot4D első változata már bevetésre került a Waabi autonóm teherautóinak tesztflottájában Texasban, ahol a vezetési szoftver döntéseit egy fejlettebb és könnyebben értelmezhető változat segíti. Az autonóm vezetés területén már régóta használnak gépi tanulást az útvonaltervezéshez és objektumok észleléséhez, de a generatív MI – amely a környezeti adatok alapján képes előrejelzéseket generálni – várhatóan új dimenziót nyit a vezetés autonómiájában.
A Waabi által alkalmazott módszer hasonló a kép- és videógenerátorokhoz, mint amilyen az OpenAI DALL-E vagy a Sora. A modell a lidar adatok “pontfelhőit” használja, amelyek a jármű környezetének 3D térképét ábrázolják, majd ezeket szegmentálja, hasonlóan ahhoz, ahogy a képgenerátorok a fotókat pixelekre bontják. A kiképzési adatok alapján a Copilot4D előrejelezni tudja az adatpontok mozgását, lehetővé téve, hogy folyamatosan előrejelzéseket generáljon a következő 5-10 másodpercre.
A Waabi egyike azon autonóm vezetési cégeknek, amelyek az “MI-először” megközelítést vallják, ami azt jelenti, hogy a rendszerek az adatokból tanulnak, nem pedig specifikus helyzetekre adott reakciókat kell megtanítani. Ez a filozófia lehetővé teheti, hogy kevesebb közúti teszteléssel érjék el a biztonságos önműködő vezetést, ami különösen fontos egy olyan időszakban, amikor a közúti balesetek különösen nagy figyelmet kapnak. A Waabi modellje nem csupán egy újabb lépés az autonóm járművek fejlesztésében, hanem egy olyan paradigmaváltás, amely előrevetíti a mesterséges intelligencia és a gépi tanulás jövőbeli szerepét az autonóm navigációban.
