Model HyWorldVLA baru milik BYD meraih skor 90,59 PDMS pada benchmark NAVSIM v1, sebuah rekor yang menempatkan raksasa EV asal Tiongkok tersebut dalam peta model fondasi mengemudi otonom. PDMS mengukur seberapa baik sebuah sistem merencanakan rute yang aman dan efisien; skor yang lebih tinggi berarti perilaku mengemudi mandiri yang lebih mulus dan andal.

Mengapa metrik ini penting

NAVSIM v1 adalah rangkaian simulasi yang digunakan secara luas untuk menguji kemampuan model dalam memprediksi dan bertindak dalam lalu lintas yang kompleks. Mencapai 90,59 PDMS mengalahkan setiap angka yang dilaporkan sebelumnya, menunjukkan bahwa HyWorldVLA dapat mengantisipasi kejadian di jalan dengan presisi yang menyaingi sistem tahap awal dari pemain-pemain mapan.

Arsitektur yang memungkinkan hal tersebut

HyWorldVLA memadukan dua pendekatan yang secara tradisional terpisah:

  • Prediksi tingkat piksel – model ini menyimpan peta visual terperinci dari lingkungan sekitar, mempertahankan petunjuk halus seperti marka jalan dan gerakan pejalan kaki.
  • Penalaran tingkat laten – model ini mengompresi pemandangan ke dalam representasi tingkat tinggi yang dapat diproyeksikan jauh ke masa depan, memungkinkan perencanaan jangka panjang.

Model piksel murni unggul dalam detail tetapi membutuhkan komputasi masif, sehingga tidak praktis untuk mobil produksi. Model laten murni berjalan lebih cepat tetapi membuang nuansa visual yang dapat bersifat kritis bagi keselamatan. Desain hibrida BYD diklaim mampu memberikan yang terbaik dari kedua dunia tersebut, memberikan prediksi yang lebih kaya tanpa biaya perangkat keras yang sangat mahal.

Sistem ini mengikuti paradigma Vision-Language-Action (VLA). Pertama, ia "membayangkan" bingkai masa depan (vision), kemudian menerjemahkan bingkai tersebut ke dalam deskripsi tekstual atau simbolis (language), dan akhirnya memetakan narasi tersebut ke kontrol kendaraan yang konkret (action). Dalam praktiknya, model ini meramalkan bagaimana lalu lintas akan berkembang dan menggunakan ramalan tersebut untuk menyetir, mempercepat, atau mengerem.

Siapa yang akan diuntungkan

BYD adalah produsen kendaraan listrik terbesar di dunia. Menanamkan HyWorldVLA ke dalam armadanya akan memberi perusahaan akses ke volume data mengemudi dunia nyata yang belum pernah ada sebelumnya. Siklus tersebut—melatih pada data armada, menerapkan model yang telah diperbarui—dapat mempercepat kemampuan mengemudi mandiri BYD dan mempersempit kesenjangan dengan Tesla, Waymo, dan Huawei, yang sudah mengoperasikan armada otonom besar.

Apa yang masih belum pasti

Laporan publik tidak menyertakan ukuran model dan jumlah data pelatihan yang digunakan, sehingga menimbulkan pertanyaan tentang skalabilitas dan biaya. Meskipun pendekatan hibrida menjanjikan biaya inferensi yang lebih rendah daripada model piksel langsung, hal ini tetap menambah kompleksitas dibandingkan dengan desain laten murni. Insinyur otomotif harus memverifikasi apakah peningkatan performa tersebut sebanding dengan tambahan beban silikon atau perangkat lunak.

Apa yang perlu diperhatikan selanjutnya

  • Peluncuran produksi – BYD belum mengumumkan lini masa untuk mengintegrasikan HyWorldVLA ke dalam kendaraan konsumen atau komersial. Program percontohan di pasar terbatas akan menjadi langkah pertama yang logis.
  • Pembaruan benchmark – NAVSIM v1 kemungkinan akan digantikan oleh rangkaian yang lebih baru yang menekankan aspek otonomi yang berbeda (misalnya, cuaca buruk, mengemudi di malam hari). Bagaimana performa HyWorldVLA pada pengujian tersebut akan menunjukkan daya tahannya.
  • Respons kompetitif – Jika skor BYD diterjemahkan ke dalam keandalan di jalan raya, para pesaing mungkin akan mempercepat penelitian model hibrida mereka sendiri agar tidak tertinggal.

Intinya: Skor rekor BYD menunjukkan bahwa model vision-language-action piksel-laten hibrida dapat memberikan kualitas perencanaan yang dulunya hanya tersedia bagi laboratorium AI khusus. Apakah keunggulan tersebut dapat bertahan saat berpindah dari simulasi ke jalan raya akan menentukan apakah BYD benar-benar mengubah wajah mengemudi otonom.