Нова модель HyWorldVLA від BYD отримала 90,59 PDMS у бенчмарку NAVSIM v1 — рекорд, який виводить китайського гіганта виробництва електромобілів на карту розробників фундаментальних моделей для автономного водіння. PDMS вимірює, наскільки добре система планує безпечні та ефективні маршрути; вищий бал означає плавнішу та надійнішу поведінку безпілотного автомобіля.

Чому ця метрика важлива

NAVSIM v1 — це широко використовуваний пакет симуляцій, який тестує здатність моделі прогнозувати події та діяти в умовах складного трафіку. Показник 90,59 PDMS перевершує всі раніше задекларовані результати, що свідчить про здатність HyWorldVLA передбачати дорожні події з точністю, яка конкурує з системами ранніх етапів розробки від відомих гравців ринку.

Архітектура, що робить це можливим

HyWorldVLA поєднує два традиційно окремі підходи:

  • Прогнозування на піксельному рівні — модель зберігає детальну візуальну карту оточення, фіксуючи дрібні деталі, такі як розмітка смуг руху та жести пішоходів.
  • Міркування на латентному рівні — вона стискає сцену у представлення вищого порядку, яке можна проектувати далеко в майбутнє, що дозволяє здійснювати довгострокове планування.

Чисто піксельні моделі чудово справляються з деталізацією, але потребують величезних обчислювальних потужностей, що робить їх непрактичними для серійних автомобілів. Чисто латентні моделі працюють швидше, але відкидають візуальні нюанси, які можуть бути критичними для безпеки. Гібридний дизайн BYD претендує на поєднання найкращих рис обох підходів, забезпечуючи багатші прогнози без непомірних витрат на апаратне забезпечення.

Система працює за парадигмою Vision-Language-Action (VLA). Спочатку вона «уявляє» майбутні кадри (vision), потім перетворює ці кадри на текстові або символічні описи (language) і, нарешті, зіставляє цей опис із конкретними командами керування автомобілем (action). На практиці модель прогнозує розвиток дорожнього руху та використовує цей прогноз для керування кермом, прискорення або гальмування.

Хто отримає вигоду

BYD є найбільшим у світі виробником електромобілів. Впровадження HyWorldVLA у власний автопарк надало б компанії доступ до безпрецедентного обсягу реальних даних про водіння. Такий цикл — навчання на даних автопарку та розгортання оновлених моделей — міг би прискорити розвиток технологій автономного водіння BYD і скоротити розрив із Tesla, Waymo та Huawei, які вже експлуатують великі автономні флоти.

Що залишається незрозумілим

У публічному звіті не вказано розмір моделі та обсяг використаних даних для навчання, що викликає питання щодо масштабованості та вартості. Хоча гібридний підхід обіцяє нижчі витрати на інференс, ніж пряма піксельна модель, він все одно додає складності порівняно з чисто латентною архітектурою. Автомобільним інженерам доведеться перевірити, чи виправдає приріст продуктивності будь-які додаткові витрати на чипи або програмне забезпечення.

На що варто звернути увагу далі

  • Вихід на ринок серійних моделей — BYD не оголосила термінів інтеграції HyWorldVLA у споживчі або комерційні автомобілі. Логічним першим кроком стала б пілотна програма на обмеженому ринку.
  • Оновлення бенчмарків — NAVSIM v1, ймовірно, буде замінено новішими наборами тестів, які перевірятимуть інші аспекти автономності (наприклад, несприятливі погодні умови, нічне водіння). Те, як HyWorldVLA покаже себе в таких тестах, вкаже на її надійність.
  • Реакція конкурентів — якщо результати BYD трансформуються в надійність на дорогах, конкуренти можуть прискорити власні дослідження гібридних моделей, щоб не залишитися позаду.

Підсумок: рекордний показник BYD демонструє, що гібридна модель Vision-Language-Action на основі піксельно-латентного підходу може забезпечити якість планування, яка раніше була доступна лише спеціалізованим лабораторіям ШІ. Чи збережеться ця перевага при переході від симуляції до реальних доріг, вирішить, чи зможе BYD справді змінити ландшафт автономного водіння.