TIER IV beskriver fem open source-modeller til autonom kørsel

TIER IV annoncerede den 11. november 2026 udviklingen af fem AI-modeller til autonom kørsel fra ende til ende samt deres tilgængelighed som open source til Autoware. Modellerne spænder fra systemer, der udelukkende bruger kameraer, til konfigurationer med LiDAR, radar og højopløselige kort. Udvalget giver bilproducenter og teknologipartnere flere muligheder for at optimere modellerne og integrere dem i køretøjssystemer.

Udvalget består af NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner og LatentDrive. Deres ende-til-ende-design forbinder opfattelsen af omgivelserne med generering af kørselsbaner, men modellerne adskiller sig med hensyn til sensorkrav, planlægningstilgang og udviklingsstadie: Nogle er integreret med Autoware, mens andre stadig tilpasses køretøjer eller integreres.

TIER IV præsenterer modellerne som konkrete teknologiske resultater for Autoware 2.0, den næste generations arkitektur, som virksomheden beskrev den 2. november 2026. Arkitekturen kombinerer AI-baserede og konventionelle regelbaserede tilgange, tilføjer en fleksibel indekseringsordning til modulær softwareintegration og omfatter en Reference Design-ramme, der skal fremme kommerciel anvendelse på tværs af køretøjer, applikationer og driftsmiljøer.

Forskellige modeller til forskellige køretøjer

TIER IV oplyser, at Alpamayo 2 Edge har 2 milliarder parametre sammenlignet med 34 milliarder i Alpamayo 2 Super, og at modellen udelukkende bruger kamerabilleder og ræsonnering til at generere kørselsbaner. Integrationen med Autoware er fuldført, men TIER IV er stadig ved at optimere modellen og tilpasse den til faktiske køretøjer.

Autoware Foundation og TIER IV står i spidsen for udviklingen af AutoE2E. TIER IV angiver, at modellen har 79,9 millioner parametre, og siger, at den kan køre på computerplatforme ud over NVIDIA-hardware, med konfigurationer fra systemer, der kun bruger kameraer, til systemer med LiDAR og radar. Dens hurtig-langsom-arkitektur kombinerer en Reactive Model til beslutninger i realtid med World- og Reasoning-modeller, der forudsiger ændringer i omgivelserne og understøtter kørselsbeslutninger.

METEOR, som TIER IV har udviklet uafhængigt, og som primært er rettet mod privat ejede personbiler, har 16 millioner parametre. TIER IV siger, at modellens konvolutionelle neurale netværk bruger en repræsentation set fra fugleperspektiv til at håndtere alt fra opfattelse til generering af kørselsbaner i ét netværk uden at være afhængigt af HD-kort. Modellen kan modtage billeder fra et til otte kameraer, kan suppleres med LiDAR og radar og understøtter halvlederplatforme fra NVIDIA og Renesas.

TIER IV siger, at OnePlanner kombinerer opfattelse og bevægelsesplanlægning. Modellen bruger i øjeblikket BEVFusion til at skabe en repræsentation set fra fugleperspektiv ud fra LiDAR-punktskyer og sender de funktioner, der udtrækkes under opfattelsen, direkte til planlæggeren. Dermed reduceres antallet af mellemliggende konverteringer til objektpositioner og -hastigheder. Modellen inddrager også HD-kort, ruteinformation, trafiklysstatus og køretøjets bevægelsestilstande for at generere kørselsbaner på seks sekunder. Integrationen med Autoware er fuldført.

LatentDrive bruger V-JEPA, en tilgang til selvovervåget læring, til at repræsentere funktioner fra kameravideo i et latent rum og generere kørselsbaner uden mellemliggende objektdetektion og sporing. TIER IV siger, at modellen ikke behøver HD-kort og genererer kørselsbaner på fire sekunder ved hjælp af video, ruteinformation og køretøjets bevægelsestilstande. Den understøtter et eller tre kameraer, mens integrationen med Autoware og valideringen i køretøjer stadig er i gang.

Hvad AutoE2E V1.0 indeholder

Autoware Foundations Robotaxi Working Group, der er sponsoreret af TIER IV, udgav AutoE2E v1.0 den 11. november 2026 under Apache 2.0-licensen til forskning og kommerciel brug. Trænede checkpoints er også tilgængelige. Udgivelsen omfatter Reactive Model, der kører ved 10 Hz, sammenfletter seks kameravisninger til en repræsentation set fra fugleperspektiv og planlægger acceleration og styring 6,4 sekunder frem. Verdensmodel- og ræsonneringslagene er stadig under udvikling med henblik på at kunne arbejde sammen med den samme planlægger.

Foundation oplyser, at den finjusterede AutoE2E-model opnåede en gennemsnitlig forskydningsfejl på 0,744 meter over tre sekunder i en validering baseret på optagede data. I sammenligningen lå den på andenpladsen blandt otte konfigurationer med åbne vægte. I denne open-loop-test forudsagde modellerne forløbet ud fra loggede kamerabilleder og blev vurderet i forhold til den menneskelige førers faktiske kørselsbane. AutoE2E fik også et rasterkort og en rute som input, mens inputtene varierede fra model til model. Resultatet handler derfor om forudsigelse af kørselsbaner på optagede data, ikke om ydeevne på vejen uden fører.

AutoE2E er integreret med Autoware til evaluering i open loop, og test i lukket kredsløb med faktiske køretøjer er i gang for at vurdere interaktiv kørsel. Foundation siger, at ydeevnen ved implementering og ressourcekrav stadig skal evalueres for hver enkelt platform, og at der er planlagt yderligere vejtests i 2027. Projektet sigter mod anvendelser fra håndfri kørselsassistance på niveau L2++ til fremtidig førerløs mobilitet på niveau L4, men L4 er fortsat et udviklingsmål og ikke en aktuel funktion.

Kommercialisering og udviklingsproces

For METEOR oplyser TIER IV, at virksomheden bruger CoMET, den automatiserede mærkningsplatform i Co-MLOps, sammen med agentisk AI til at automatisere datamærkning samt træning, evaluering og forbedring af modeller. Det fjerner behovet for manuel kodning og mærkning. Bilproducenter og komponentleverandører kan optimere open source-modellen til deres egne køretøjsspecifikationer og ydeevnekrav.

Grundlægger og administrerende direktør Shinpei Kato sagde, at strategien med flere modeller skal hjælpe producenter og leverandører med at tilegne sig teknologier i overensstemmelse med deres anvendelsesområder og ydeevnekrav uden at være afhængige af en bestemt AI-model eller halvlederplatform.

NVIDIAs vicepræsident for bilindustrien, Ali Kani, sagde, at integrationen af Alpamayo 2 Edge giver udviklere et åbent grundlag for at føre teknologien fra forskning over i deres egne køretøjer.

TIER IV’s erklærede næste skridt er yderligere forbedringer af ydeevnen, optimering i køretøjer, kommercialisering sammen med bilproducenter og partnere via Autoware samt udbredelse på tværs af køretøjstyper og anvendelsesområder. Autoware 2.0 leverer den fælles arkitektur, men AutoE2E’s uafsluttede testning i lukket kredsløb viser, at open source-tilgængelighed og valideret implementering i køretøjer fortsat er separate milepæle.