BYD యొక్క కొత్త HyWorldVLA మోడల్ NAVSIM v1 బెంచ్‌మార్క్‌లో 90.59 PDMS స్కోరు సాధించింది, ఈ రికార్డు చైనా EV దిగ్గజం స్వయంప్రతిపత్త డ్రైవింగ్ (autonomous-driving) ఫౌండేషన్ మోడల్స్ రంగంలో తన ముద్ర వేసేలా చేసింది. PDMS ఒక వ్యవస్థ ఎంత సురక్షితంగా, సమర్థవంతంగా మార్గాలను ప్లాన్ చేస్తుందో కొలుస్తుంది; ఎక్కువ స్కోరు అంటే మరింత సాఫీగా, నమ్మదగిన స్వయంప్రతిపత్త డ్రైవింగ్ ప్రవర్తన అని అర్థం.

ఈ కొలమానం ఎందుకు ముఖ్యమైనది

NAVSIM v1 అనేది సంక్లిష్టమైన ట్రాఫిక్‌లో ఒక మోడల్ అంచనా వేయగల మరియు స్పందించగల సామర్థ్యాన్ని పరీక్షించే విస్తృతంగా ఉపయోగించబడే సిమ్యులేషన్ సూట్. 90.59 PDMS సాధించడం అనేది ఇంతకుముందు నమోదైన అన్ని సంఖ్యలను అధిగమించింది, ఇది HyWorldVLA రోడ్డు సంఘటనలను ఇప్పటికే ఉన్న ప్రముఖ సంస్థల ప్రారంభ దశ వ్యవస్థలతో సమానమైన ఖచ్చితత్వంతో ముందుగానే ఊహించగలదని సూచిస్తుంది.

దీనిని సాధ్యం చేసే ఆర్కిటెక్చర్

HyWorldVLA సాంప్రదాయకంగా వేరువేరుగా ఉండే రెండు విధానాలను మిళితం చేస్తుంది:

  • Pixel-level prediction – ఈ మోడల్ పరిసరాల యొక్క వివరణాత్మక విజువల్ మ్యాప్‌ను ఉంచుకుంటుంది, దీనివల్ల లేన్ మార్కింగ్‌లు మరియు పాదచారుల సంజ్ఞల వంటి సూక్ష్మ వివరాలు దెబ్బతినవు.
  • Latent-level reasoning – ఇది దృశ్యాన్ని (scene) ఉన్నత స్థాయి ప్రాతినిధ్యంగా కుదిస్తుంది (compress), దీనిని భవిష్యత్తులోకి ప్రక్షేపించి దీర్ఘకాలిక ప్రణాళికను రూపొందించవచ్చు.

కేవలం పిక్సెల్ మోడల్స్ వివరాలలో అద్భుతంగా పనిచేస్తాయి కానీ భారీ కంప్యూటింగ్ శక్తిని కోరుతాయి, దీనివల్ల అవి ఉత్పత్తి కార్లకు (production cars) ఆచరణాత్మకంగా ఉండవు. కేవలం లేటెంట్ మోడల్స్ వేగంగా పనిచేస్తాయి కానీ భద్రతకు కీలకమైన విజువల్ సూక్ష్మతలను వదిలివేస్తాయి. BYD యొక్క హైబ్రిడ్ డిజైన్ ఈ రెండింటిలోని ఉత్తమ అంశాలను అందిస్తుందని, అంటే భారీ హార్డ్‌వేర్ ఖర్చు లేకుండానే మరింత సమగ్రమైన అంచనాలను అందిస్తుందని పేర్కొంది.

ఈ వ్యవస్థ Vision-Language-Action (VLA) పద్ధతిని అనుసరిస్తుంది. మొదట ఇది భవిష్యత్తు ఫ్రేమ్‌లను "ఊహిస్తుంది" (vision), ఆపై ఆ ఫ్రేమ్‌లను వచన లేదా సంకేత వివరణలుగా (language) మారుస్తుంది, మరియు చివరగా ఆ వివరణను వాహన నియంత్రణలకు (action) అనుసంధానిస్తుంది. ఆచరణలో, ట్రాఫిక్ ఎలా మారుతుందో ఈ మోడల్ అంచనా వేస్తుంది మరియు ఆ అంచనా ఆధారంగా స్టీరింగ్, వేగవంతం చేయడం లేదా బ్రేక్ వేయడం వంటివి చేస్తుంది.

దీని వల్ల ఎవరు ప్రయోజనం పొందుతారు

BYD ప్రపంచంలోనే అతిపెద్ద ఎలక్ట్రిక్-వెహికల్ తయారీదారు. తన వాహనాల శ్రేణిలో HyWorldVLAను చేర్చడం ద్వారా, ఈ కంపెనీకి అపూర్వమైన వాస్తవ ప్రపంచ డ్రైవింగ్ డేటా అందుబాటులోకి వస్తుంది. ఈ లూప్—ఫ్లీట్ డేటాపై శిక్షణ ఇవ్వడం, అప్‌డేట్ చేసిన మోడళ్లను అమలు చేయడం—BYD స్వయంప్రతిపత్త డ్రైవింగ్ సామర్థ్యాలను వేగవంతం చేయగలదు మరియు ఇప్పటికే పెద్ద స్వయంప్రతిపత్త ఫ్లీట్‌లను నిర్వహిస్తున్న Tesla, Waymo మరియు Huawei ల మధ్య ఉన్న వ్యత్యాసాన్ని తగ్గించగలదు.

ఇంకా అనిశ్చితిగా ఉన్న అంశాలు

పబ్లిక్ రిపోర్ట్‌లో మోడల్ పరిమాణం మరియు ఉపయోగించిన శిక్షణ డేటా వివరాలను పేర్కొనలేదు, ఇది స్కేలబిలిటీ మరియు ఖర్చు గురించి ప్రశ్నలను లేవనెత్తుతోంది. హైబ్రిడ్ విధానం నేరుగా పిక్సెల్ మోడల్ కంటే తక్కువ ఇన్‌ఫరెన్స్ ఖర్చును వాగ్దానం చేసినప్పటికీ, ఇది ప్యూర్ లేటెంట్ డిజైన్‌తో పోలిస్తే సంక్లిష్టతను పెంచుతుంది. ఈ పనితీరు మెరుగుదలలు అదనపు సిలికాన్ లేదా సాఫ్ట్‌వేర్ భారాన్ని సమర్థించుకుంటాయా లేదా అనేది ఆటోమోటివ్ ఇంజనీర్లు ధృవీకరించాల్సి ఉంటుంది.

తదుపరి గమనించాల్సిన అంశాలు

  • Production rollout – వినియోగదారుల లేదా వాణిజ్య వాహనాలలో HyWorldVLAను అనుసంధానించడానికి BYD ఎటువంటి కాలక్రమాన్ని ప్రకటించలేదు. పరిమిత మార్కెట్‌లో పైలట్ ప్రోగ్రామ్ ప్రారంభించడం తదుపరి తార్కిక అడుగు అవుతుంది.
  • Benchmark updates – స్వయంప్రతిపత్తత యొక్క వివిధ అంశాలను (ఉదాహరణకు: ప్రతికూల వాతావరణం, రాత్రి డ్రైవింగ్) పరీక్షించే కొత్త బెంచ్‌మార్క్‌లు NAVSIM v1 స్థానాన్ని ఆక్రమించే అవకాశం ఉంది. ఆ పరీక్షలలో HyWorldVLA ఎలా పనిచేస్తుందనేది దాని మన్నికను సూచిస్తుంది.
  • Competitive response – BYD స్కోర్లు రోడ్డుపై నమ్మదగిన పనితీరుగా మారితే, ప్రత్యర్థులు వెనుకబడిపోకుండా ఉండటానికి తమ స్వంత హైబ్రిడ్ మోడల్ పరిశోధనలను వేగవంతం చేయవచ్చు.

ముగింపు: BYD యొక్క రికార్డు స్థాయి స్కోరు, ఒక హైబ్రిడ్ పిక్సెల్-లేటెంట్ విజన్-లాంగ్వేజ్-యాక్షన్ మోడల్, ఒకప్పుడు ప్రత్యేక AI ల్యాబ్‌లకు మాత్రమే పరిమితమైన ప్రణాళికా నాణ్యతను అందించగలదని చూపుతోంది. ఈ ప్రయోజనం సిమ్యులేషన్ నుండి రోడ్డుపైకి మారినప్పుడు నిలబడుతుందా లేదా అనేదే BYD నిజంగా స్వయంప్రతిపత్త డ్రైవింగ్‌ను మారుస్తుందో లేదో నిర్ణయిస్తుంది.