🚨 SYSTEM AUTONOMICZNEGO PROWADZENIA ALPAMAYO ZOSTAŁ PRZETESTOWANY DZISIAJ PRZEZ PREZESA NVIDIA JENSENA HUANGA 🔥 Oto podsumowanie wszystkiego, co musisz wiedzieć o teście: Podczas testu w rzeczywistych warunkach w San Francisco, prezes NVIDIA Jensen Huang oraz jego inżynieryjny kolega zaprezentowali system autonomicznego prowadzenia Alpamayo, podkreślając jego unikalną architekturę "fuzji". System łączy sieć neuronową end-to-end (E2E) z klasycznym stosem zaprojektowanym przez ludzi. To hybrydowe podejście ma na celu zapewnienie "ponadludzkich" możliwości prowadzenia, jednocześnie utrzymując ścisłe, oparte na zasadach zabezpieczenia, które zapobiega wykonywaniu przez samochód manewrów "poza rozkładem" lub niebezpiecznych. Model E2E, który Huang zauważył, prowadzi w niezwykle "ludzki" i elegancki sposób, jest zdolny do złożonego rozumowania i generalizowania na podstawie ogromnego zbioru danych dotyczących ludzkiego prowadzenia. Podczas testu pojazd z powodzeniem poruszał się po skomplikowanych zjazdach autostradowych, radził sobie z przeszkodami przy dużych prędkościach i wykonywał manewry "nudge" wokół podwójnie zaparkowanych pojazdów i stożków budowlanych. Programiści podkreślili, że prędkość iteracji modelu E2E jest niezwykle wysoka, z około siedmioma nowymi wersjami modelu generowanymi każdego dnia. Bezpieczeństwo i walidacja były centralnymi tematami testu. Zespół wykorzystuje "drzewo scenariuszy funkcjonalnych" oraz narzędzia AI do kuracji danych dla specyficznych warunków drogowych, obok systemu oceny w zamkniętej pętli (CLU), który codziennie przeprowadza 2 miliony testów w odtworzonym, idealnym świecie. To rygorystyczne testowanie pomogło systemowi osiągnąć najwyższą ocenę w standardach NCAP 2025, które, jak zauważyli mówcy, stają się coraz bardziej rygorystyczne. Sprzęt wspierający to oprogramowanie obejmuje komputer zaprojektowany specjalnie do funkcji bezpieczeństwa, zasilany przez 10 kamer, 5 radarów i 12 czujników ultradźwiękowych. W przyszłości zespół integruje "system rozumowania" oraz "Cosmos" (generatywny model świata), aby radzić sobie z rzadkimi przypadkami "długiego ogona" poprzez zmianę czynników środowiskowych, takich jak pogoda i oświetlenie w symulacji. Huang zakończył, że ta kombinacja modelu E2E przypominającego człowieka i sztywnego stosu bezpieczeństwa sprawia, że technologia jest gotowa do skalowania z L2++ do L4 robotaksówi. Źródło wideo: kanał NVIDIA na YouTube