Wayve CEOは、自律運転技術をスケーリングする秘密を明らかにしています

ウェイヴの共同創業者兼CEOであるアレックス・ケンドールは、自社の自動運転車両スタートアップの技術を市場に投入することに楽観的です。彼は、コスト効率が高く、ハードウェアに依存しない自動運転ソフトウェアの開発戦略を堅持することが鍵となると信じています。このソフトウェアは、高度運転支援システム（ADAS）だけでなく、ロボタクシーやロボティクスにも使用できます。

NvidiaのGTCカンファレンスで、ケンドールはエンドツーエンドのデータ駆動型学習アプローチに焦点を当てた戦略を説明しました。これは、システムがカメラなどのセンサーで「見る」ものを直接、ブレーキや旋回などの運転行動に変換することを意味します。この方法は、従来の自動運転車両（AV）技術で一般的だったHDマップやルールベースのソフトウェアの必要性を排除します。

このアプローチは投資家の注目を集めています。2017年の設立以来、ウェイヴは過去2年間で13億ドル以上の資金を調達しました。同社は、Uberなどの自動車およびフリートのパートナーに自動運転ソフトウェアをライセンス供与する計画です。まだ自動車関連のパートナーシップは発表されていませんが、ウェイヴの広報担当者はTechCrunchに対し、複数のオリジナル機器メーカー（OEM）と「強力な協議中」であり、さまざまな車両タイプにソフトウェアを統合する予定だと述べました。

ウェイヴのソフトウェアのコストの手頃さは、これらの交渉における大きなセールスポイントです。ケンドールは、OEMがウェイヴのADASを新車に統合する際、追加のハードウェア投資を必要とせず、サラウンドカメラやレーダーなどの既存のセンサーで動作すると述べました。

ウェイヴのソフトウェアは「シリコンに依存しない」ものであり、OEMパートナーが車両で既に使用している任意のGPUで動作します。ただし、現在の開発フリートはNvidiaのOrinシステム・オン・チップを使用しています。

「ADASへの参入は本当に重要です。なぜなら、それによって持続可能なビジネスを構築し、大規模な流通を確立し、システムをレベル4まで訓練するためのデータ露出を得ることができるからです」と、ケンドールは水曜日のプレゼンテーションで述べました。レベル4の運転システムは、特定の条件下で人間の介入なしに自律的に環境をナビゲートできます。

ウェイヴはまず、ADASレベルでシステムを商用化する計画です。このスタートアップのAIドライバーは、レーザー光を使用して詳細な3Dマップを作成するセンサーであるライダーなしで機能するように設計されています。多くのレベル4技術を開発している企業はライダーを不可欠と考えています。

ウェイヴの自律性へのアプローチは、テスラと似ています。テスラもエンドツーエンドのディープラーニングモデルを使用して自動運転ソフトウェアを強化しています。テスラと同様に、ウェイヴはADASの広範な展開を利用して、完全な自律性を達成するためのデータを収集することを目指しています。テスラの「完全自動運転」ソフトウェアは一部の自動運転タスクを処理できますが、完全には自律的ではなく、同社は今夏にロボタクシーサービスを開始する計画です。

ウェイヴとテスラの主な違いは、テスラがカメラのみに依存しているのに対し、ウェイヴは短期的な完全自律性を達成するためにライダーの使用にオープンである点です。「長期的に見れば、信頼性を構築し、大規模な検証能力を確立することで、センサーの構成をさらに縮小する機会が確かにあります」とケンドールは述べました。「それは製品体験に依存します。霧の中を速く運転したいですか？その場合、ライダーなどの他のセンサーが必要かもしれません。しかし、AIがカメラの限界を理解し、その結果として防御的かつ慎重になることを許容するなら？私たちのAIはそれを学ぶことができます。」

ケンドールはまた、自動運転向けに設計されたウェイヴの最新の生成ワールドモデルであるGAIA-2を紹介しました。このモデルは、実際のデータと合成データの膨大な量を使用して、さまざまなタスクでドライバーを訓練します。ビデオ、テキスト、その他の行動を一緒に処理することで、ケンドールはウェイヴのAIドライバーがより適応的で人間らしい運転行動を実現できると述べています。

「私にとって本当に興奮するのは、出現する人間らしい運転行動です」とケンドールは述べました。「もちろん、手動でコード化された行動はありません。車にどう振る舞うかを指示しません。インフラやHDマップもありませんが、代わりにデータ駆動型で現れる行動は、非常に複雑で多様なシナリオに対応する運転行動を可能にし、訓練中に見たことのないシナリオにも対応できます。」

ウェイヴは、自動運転トラックスタートアップのWaabiと同様の哲学を共有しています。Waabiもエンドツーエンドの学習システムを追求しています。両社は、異なる運転環境に一般化できるデータ駆動型AIモデルをスケーリングすることに焦点を当て、生成AIシミュレーターを使用して技術をテストおよび訓練しています。