Porsche står i spidsen for et fælles datakredsløb på tværs af Volkswagen Groups mærker til udvikling af autonome køretøjer

På NVIDIAs GTC-konference i Berlin den 21. oktober 2026 meddelte Porsche, Volkswagen Groups mærker og CARIAD, at de i fællesskab udvikler et fælles datakredsløb til udvikling af autonome køretøjer, hvor Porsche står i spidsen for den indledende implementering og integration af økosystemet sammen med Voxel51, NVIDIA og Microsoft.

Volkswagen Group står i spidsen for udviklingen af en fysisk AI-teknologistak, der forbinder flådedata med simulering, træning og evaluering. Voxel51 oplyste, at koncernens forbundne flåde genererer data svarende til 11.000 gennemsnitlige bilisters data om dagen, og virksomhederne forventer, at samarbejdet vil reducere gentagne fysiske testkørsler med op til 90 % og forkorte AI-regressionstestcyklusser med op til 85 %.

Rollerne i datakredsløbet

Virksomhederne beskriver samarbejdet som en referencearkitektur for bilproducenter, der udvikler næste generations avancerede køresystemer.

Volkswagen bidrager med sin forbundne flåde, kørselsdata fra den virkelige verden, køretøjsplatform og systemkrav. Voxel51 leverer datalaget, som driver seks arbejdsgange i datakredsløbet: multimodal søgning og hentning, automatiseret mærkning, scenariebaseret kuratering, afbalancering af datasæt, udvælgelse af træningsdata og modelvalidering. NVIDIA bidrager med teknologier til datahentning, generering og simulering, herunder Cosmos Data Factory til forberedelse, udvidelse og evaluering af træningsdata, Omniverse NuRec-biblioteker til rekonstruktion af kørsler fra den virkelige verden samt åbne modeller og værktøjer til test af køresystemer i simulering. Microsoft Azure leverer skyen og computerkraften, og arbejdsbelastningerne kører i flådeskala på den infrastruktur, koncernen allerede bruger.

NVIDIAs egen pressemeddelelse fra konferencen oplyser, at Porsche står i spidsen for udviklingen af en arbejdsgang for datakredsløbet på tværs af Volkswagen Groups mærker gennem Voxel51, hvor Cosmos Data Factory og Omniverse NuRec anvendes på Azure.

NVIDIAs vicepræsident for bilindustrien, Rishi Dhall, sagde i meddelelsen, at simulering omsætter køreerfaring fra den virkelige verden til en kontinuerlig lærings- og forbedringscyklus, og at Volkswagen Group kan omdanne flådedata til simulationsscenarier med høj troværdighed ved hjælp af Voxel51s dataplatform sammen med Omniverse NuRec og Cosmos.

Kontroller, genereringsporte og rekonstruktionsresultater

Virtuel validering af nye versioner af køresoftware er en af de første anvendelser af datakredsløbet for Porsche og Volkswagen Group. Ingeniører gengiver rekonstruerede kamerainput fra faktiske kørsler og sammenligner de simulerede resultater med målinger fra den virkelige verden. Voxel51 oplyste, at målet er at gøre testningen gentagelig, forkorte feedbackcyklusserne og mindske afhængigheden af fysiske testkørsler.

Før en eneste optagelse når frem til GPU-rekonstruktion, kontrollerer Voxel51 råloggen ved hjælp af omkring 80 kontroller, der omfatter sensorernes integritet, timing, kalibrering, baner, aktører og koordinatsystemer. En grundig teknisk gennemgang af Dan Gural, Voxel51s chef for partnerskaber inden for fysisk AI, oplyser, at kontrollen læser MCAP-filer direkte og gennemføres i tre trin: en manifestkontrol, der tager cirka et millisekund pr. køretur, en episodekontrol, der tager cirka et sekund, og en afkodet kontrol, der tager et par minutter pr. køretur. Hver kontrol registrerer, om den bestod, fejlede eller ikke kunne udføres, efter en regel, som Voxel51 kalder »tavshed er ikke det samme som bestået«, så manglende input ikke kan opfattes som gyldige data.

Gural beskriver forløbet i fem trin: find, kontrollér, generér, rekonstruér og evaluér. Til søgetrinnet integrerer platformen NVIDIA Cosmos Dataset Search, hvor klip indlejres med Cosmos-Embed1 og lagres i Milvus. Derefter får en agentbaseret omrangering en planlægningsmodel til at udarbejde et vurderingsskema ud fra søgeformålet, bruger Cosmos Reason til at bedømme hvert klip ud fra skemaet og rangerer listen på ny.

Gural oplyser, at Voxel51 validerede kontrollen på tværs af syv offentlige datasæt: nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive og Lyft Level 5. Kontrollen fandt 25 bekræftede problemer i de offentliggjorte data, hvoraf 17 blev rettet før rekonstruktionen. Om generering af syntetiske data med Cosmos Data Factory oplyser den grundige tekniske gennemgang, at gemt dokumentation fra portene viste, at 12 samplingtrin matchede 35 med hensyn til acceptprocenten, hvilket reducerede omkostningen fra 6,80 til 2,43 GPU-minutter pr. klip; at en attributport kun godkendte 30 til 38 % af de genererede klip; og at en ny kalibrering af bedømmeren øgede den semantiske beståelsesprocent fra 3 % til 91 % uden ekstra GPU-tid.

For rekonstruktion rapporterer den grundige tekniske gennemgang en median for det maksimale signal-støj-forhold på 29,05 dB på tværs af 25 offentlige nuScenes-scener, der blev behandlet på NVIDIA H100-GPU’er. Den omtaler en natteoptagelse fra nuScenes, der fik 28,59 dB på dette mål, men havde en strukturel lighedsscore på 0,56 og en indlært perceptuel lighedsscore på 0,61. Gural bruger dette eksempel til at vise, at en enkelt billedkvalitetsmåling kan godkende et resultat, der tydeligvis er af dårlig kvalitet. Hver rekonstruktion sendes til en kø for menneskelig gennemgang, hvor ingeniører godkender den til simulering, sender den tilbage til genoptræning eller afviser den, og færdigbehandlede scener pakkes som USDZ-filer, der er klar til simulatorer, herunder NVIDIA AlpaSim.

Implementering på Azure og ejerskab over processen

Hvert trin køres som et job på Microsoft Azure, hvor Volkswagen Group administrerer sine flådedata. Azure leverer lagerplads og computerkraft til databehandling, rekonstruktion og simulering, samtidig med at arbejdsbelastningerne holdes inden for koncernens eksisterende rammer for sikkerhed, identitet og regional styring.

Voxel51 oplyste, at en fælles datamodel gør det muligt at genbruge kørselsdata og scenarier, der er skabt i ét projekt, på tværs af køretøjsprogrammer, softwareudgivelser og mærker. Hver ny køretur udvider scenariebasen, og rekonstruerede scener kan genbruges i fremtidige udviklings- og valideringsforløb.

Voxel51s medstifter og administrerende direktør, Brian Moore, skrev, at en bilproducent kan eje sin udviklingsproces uden selv at bygge hvert eneste værktøj: »Nøglen til virkelig brancheførende ydeevne er at udnytte de data, som din virksomhed har adgang til. Du skal selv stå for udviklings- og iterationsforløbet, selvom du ikke selv bygger hvert lag i teknologistakken.« Voxel51 beskriver sin platform som udvidelig, så teams kan bruge deres egne modeller, definere tilpasset scenarielogik og forbinde eksisterende data og infrastruktur uden at diktere, hvordan selve køresystemet bygges.

Voxel51 fortalte, at virksomheden begyndte at arbejde sammen med Porsche i 2024, hvor Porsches tekniske leder, Tin Stribor Sohn, beskrev dataudfordringen som en opgave, der kræver automatisk mærkning for at forstå dataene, scenariedetektion for at finde det, der er nyt eller vigtigt, og kuratering for at fjerne overflødigt indhold. Med henvisning til en McKinsey-undersøgelse oplyser Voxel51s indlæg også, at hver fjerde forbruger på verdensplan ville skifte mærke for at få bedre funktioner til selvkørende biler.

I en separat meddelelse fra GTC Berlin fremgår det, at Volkswagen Commercial Vehicles præsenterer sin autonome køretøjsplatform ID. Buzz AD på NVIDIA Hyperion-computerplatformen for at understøtte flere systemer til autonom kørsel.