Η Hyundai Motor Group θέτει το Data Flywheel σε πλήρη λειτουργία

Η Hyundai Motor Group δήλωσε στην ανακοίνωση της 13 Σεπτεμβρίου 2026 ότι έχει θέσει το Data Flywheel σε πλήρη λειτουργία, περιγράφοντας έναν διπλό‑τραχείο χάρτη πορείας για την αυτόνομη οδήγηση και αυτό που χαρακτήρισε ως την πρώτη παρουσίαση της τεχνολογίας Level 2++ στο HMG Autonomous Driving Media Day, που πραγματοποιήθηκε στα κεντρικά γραφεία της 42dot στην επαρχία Gyeonggi, Νότια Κορέα.

Κατά τη διάρκεια της εκδήλωσης, η Ομάδα παρουσίασε τη στρατηγική ανάπτυξης της αυτόνομης οδήγησης, το χάρτη τεχνολογίας, τα κύρια επιτεύγματα και τα σχέδια υλοποίησης. Η 42dot παρουσίασε τις βασικές τεχνολογίες και την πρόοδο ανάπτυξης για το Atria AI, την ιδιόκτητη τεχνητή νοημοσύνη αυτόνομης οδήγησης της Ομάδας, και περιέγραψε την πρωτοβουλία ανάπτυξης τεχνολογίας Vision‑Language‑Action (VLA). Η Ομάδα επίσης αποκάλυψε υλικό ενός SDV Testbed εξοπλισμένου με Atria AI που διανύει πολύπλοκη αστική κίνηση χωρίς παρέμβαση οδηγού, λειτουργώντας με δυνατότητα Level 2++.

«Η ανταγωνιστικότητα καθορίζεται από το πόσα δεδομένα εξασφαλίζετε, πόσο γρήγορα μαθαίνετε και πόσο αποτελεσματικά μπορείτε να μεταφέρετε αυτά τα αποτελέσματα σε πραγματικά προϊόντα και υπηρεσίες», δήλωσε ο Minwoo Park, Πρόεδρος και Επικεφαλής της Διεύθυνσης Advanced Vehicle Platform (AVP) στη Hyundai Motor Group και Διευθύνων Σύμβουλος της 42dot. Ο Park είπε ότι η Ομάδα θα αναπτύξει τεχνολογία αυτόνομης οδήγησης που οι πελάτες θα μπορούν να εμπιστεύονται, βασιζόμενη σε έναν ενάρετο κύκλο δεδομένων, AI και επικύρωσης.

Διπλή Στρατηγική Θέτει Στόχους Παραγωγής για 2028 και 2029

Ο χάρτης βασίζεται στην επέκταση στρατηγικής συνεργασίας με την NVIDIA που ανακοίνωσαν η Hyundai Motor Company και η Kia Corporation στις 16 Μαρτίου 2026. Η συμφωνία αυτή καλύπτει την ανάπτυξη αυτόνομης οδήγησης από το Level 2 έως το Level 4 σε ενιαία αρχιτεκτονική χτισμένη πάνω στην πλατφόρμα NVIDIA DRIVE Hyperion, μια ενοποιημένη αλυσίδα μάθησης που περιλαμβάνει συλλογή πραγματικών δεδομένων, εκπαίδευση μοντέλων AI και ανάπτυξη σε παραγωγικά οχήματα, καθώς και περαιτέρω συζητήσεις για την προώθηση των δυνατοτήτων Level 4 ρομπότ‑ταξί μέσω της Motional, της κοινοπραξίας αυτόνομων οχημάτων της Ομάδας.

Στο Πρώτο Στίχο, η Ομάδα θα ενσωματώσει την πλατφόρμα υπολογισμού AI οχημάτων της NVIDIA και το λογισμικό αυτόνομης οδήγησης στην αρχιτεκτονική του λογισμικού‑ορισμένου οχήματος (SDV). Τα παραγωγικά οχήματα εξοπλισμένα με δυνατότητες αυτόνομης οδήγησης Level 2+ βασισμένες στις λύσεις της NVIDIA στοχεύουν για το πρώτο εξάμηνο του 2028, ενώ τα οχήματα παραγωγής Level 2++ στοχεύουν για το δεύτερο εξάμηνο του 2028. Τα συστήματα αισθητήρων που χρησιμοποιούνται σε όλη τη Hyundai Motor, Kia, 42dot και Motional θα τυποποιηθούν προοδευτικά γύρω από το NVIDIA DRIVE Hyperion 10, μια αλλαγή που, σύμφωνα με την Ομάδα, θα υποστηρίξει πιο συνεπή συλλογή δεδομένων και αξιοποίηση για την εκπαίδευση και επικύρωση AI.

Το Δεύτερο Στίχο επικεντρώνεται στο Atria AI, ένα ιδιόκτητο σύστημα αυτόνομης οδήγησης end‑to‑end που αναπτύχθηκε από κοινού από τη Διεύθυνση AVP και τη 42dot στο πλαίσιο ενιαίου πλαισίου ανάπτυξης. Η παραγωγή οχημάτων Level 2++ που τροφοδοτούνται από το Atria AI στοχεύει για το δεύτερο εξάμηνο του 2029, με τις δυνατότητες να εξελίσσονται σε φάσεις βάσει πραγματικών δεδομένων οδήγησης που συλλέγονται από τα παραγωγικά οχήματα.

Πώς Λειτουργεί το Data Flywheel

Το Data Flywheel λειτουργεί ως κύκλος στον οποίο τα δεδομένα που συλλέγονται από τα οχήματα χρησιμοποιούνται για την εκπαίδευση και επικύρωση μοντέλων AI, με τα βελτιωμένα μοντέλα να επανεγκαθίστανται στα οχήματα για τη δημιουργία νέων δεδομένων. Η Ομάδα δηλώνει ότι η Hyundai Motor και η Kia πουλάνε περισσότερα από 7 εκατομμύρια οχήματα ετησίως σε περίπου 190 χώρες και περιοχές, και ότι αυτή τη στιγμή λειτουργεί περίπου 40 αφιερωμένα οχήματα συλλογής δεδομένων 24 ώρες το 24ωρο. Τα συλλεγμένα σύνολα δεδομένων περιλαμβάνουν καθημερινά σενάρια οδήγησης καθώς και ακραίες περιπτώσεις: ζώνες οδικής κατασκευής και παραλλαγές υποδομής, σοβαρές καιρικές συνθήκες, απότομες αλλαγές λωρίδας και εκτάκτες κινήσεις, παρκαρισμένα οχήματα σε δευτερεύουσες οδούς και στενούς δρόμους, καθώς και σύνθετη αστική κίνηση.

Από αρχές του 2026, η Ομάδα έχει ενσωματώσει νέες τεχνολογίες μάθησης στο σύστημα. Η τεχνική Hard Example Mining εντοπίζει αυτόματα δύσκολες καταστάσεις οδήγησης που τα μοντέλα AI δυσκολεύονται να αναγνωρίσουν ή να ερμηνεύσουν και δίνει προτεραιότητα σε αυτά τα σενάρια για εκπαίδευση. Μια Συνεχής Αλυσίδα Εκπαίδευσης ενσωματώνει τα πρόσφατα αποκτηθέντα δεδομένα από πραγματική οδήγηση και επικύρωση στην εκπαίδευση μοντέλων, με τα ευρήματα αξιολόγησης οχημάτων να επιστρέφουν στη συλλογή δεδομένων και στην ανάπτυξη μοντέλων. Η Τεχνολογία Εικονικής Επικύρωσης ανακατασκευάζει τα δεδομένα πραγματικής οδήγησης σε τρισδιάστατα περιβάλλοντα, χρησιμοποιώντας τεχνικές γραφικών όπως το 3D Gaussian Splatting για την αναδημιουργία σεναρίων που είναι δύσκολο ή ενδεχομένως μη ασφαλές να επαναληφθούν σε πραγματικές δοκιμές.

Ένα μοντέλο ανάπτυξης Follow‑the‑Sun συνδέει κέντρα στη Νότια Κορέα και τις Ηνωμένες Πολιτείες, επιτρέποντας στις ομάδες να αξιοποιούν τις διαφορές ζωνών ώρας για τη συλλογή δεδομένων, την ανάλυση θεμάτων και τη βελτίωση μοντέλων σε συνεχή 24‑ωρη κύκλο. Η Ομάδα ενσωματώνει σταδιακά τον Special Event Recorder, ο οποίος καταγράφει αυτόματα και αποθηκεύει σημαντικά γεγονότα κατά τη διάρκεια της αυτόνομης οδήγησης, στο Data Flywheel, κυρίως για να υποστηρίξει την εκπαίδευση μοντέλων και τη βελτίωση της απόδοσης. Επίσης, δημιουργεί ένα πλαίσιο Data Union βασισμένο σε τυποποιημένες αρχιτεκτονικές αισθητήρων και δομές δεδομένων, ώστε τα δεδομένα που παράγονται από πολλαπλά οχήματα και οργανισμούς να συγκεντρώνονται σύμφωνα με κοινά πρότυπα, αρχικά σε όλη τη Hyundai Motor, Kia, 42dot και Motional.

Ο Junghyun Kwon, Εκτελεστικός Αντιπρόεδρος και Επικεφαλής του Κέντρου Ανάπτυξης Αυτόνομης Οδήγησης της Hyundai Motor Group και Αρχηγός της Διαίρεσης Αυτόνομης Οδήγησης της 42dot, δήλωσε ότι η ανταγωνιστικότητα εξαρτάται λιγότερο από τον όγκο των δεδομένων παρά από το πόσο γρήγορα τα δεδομένα συνδέονται με τη μάθηση, την επικύρωση και τη βελτίωση της απόδοσης. Ο Seonggyun Jeong, Ηγέτης της Ομάδας Atria της 42dot, ανέφερε ότι η Ομάδα βελτιώνει συνεχώς την απόδοση και την ωριμότητα του Atria AI μέσω ενός ενιαίου κύκλου ανάπτυξης που περιλαμβάνει τη συλλογή δεδομένων, την εκπαίδευση μοντέλων και την επικύρωση οχημάτων σε πραγματικό κόσμο.

Πιλοτικό Πρόγραμμα Level 4 στο Gwangju

Σε συνεργασία με το Υπουργείο Γης, Υποδομών και Μεταφορών της Νότιας Κορέας, η Ομάδα σχεδιάζει να αναπτύξει το SDV Pace Car εξοπλισμένο με Atria AI στην ειδική μητροπολιτική πόλη Jeonnam‑Gwangju μέχρι το τέλος του 2026. Το πιλοτικό πρόγραμμα θα λειτουργήσει αυτόνομα οχήματα σε πραγματικούς κορεατικούς δρόμους με σύνθετη κίνηση και απρόβλεπτες μεταβλητές, που η Ομάδα περιγράφει ως συνθήκες θεμελιωδώς διαφορετικές από ελεγχόμενες δοκιμαστικές διαδρομές. Αναφέρει ότι τα σενάρια οδήγησης και οι καταστάσεις έκτακτης ανάγκης που καταγράφηκαν κατά τη διάρκεια της υλοποίησης θα επιστραφούν στο Data Flywheel, ενισχύοντας τόσο την τεχνολογία βοήθειας οδηγού σε μάζα παραγωγής Level 2+ όσο και την επικύρωση των προχωρημένων δυνατοτήτων Level 4.

Βίντεο Οδήγησης στη Σεούλ και Ανάπτυξη VLA

Η Ομάδα επίσης δημοσίευσε βίντεο του SDV Testbed εξοπλισμένου με Atria AI που διανύει την πραγματική κίνηση της Σεούλ χωρίς παρέμβαση οδηγού, παρουσιάζοντας το σε τρεις κατηγορίες. Ένα βίντεο εκτελεστικού συνοδικού δείχνει τον Park και τον Jeong να ταξιδεύουν μέσω του κεντρικού Σέουλ, διασχίζοντας αυτοκινητόδρομους, κύριες οδούς, γέφυρες και αστικές δρόμους, συζητώντας τη διαδικασία ανάπτυξης του Atria AI, τις τρέχουσες τεχνικές δυνατότητες και τους μηχανισμούς λήψης αποφάσεων κατά τη διάρκεια του ταξιδιού. Σειρές σε μία λήψη καταγράφουν τη συμφόρηση της πρωινής αιχμής στην Gangnam, την υψηλής πυκνότητας κίνηση στο Jamsil με συχνές αλληλεπιδράσεις που περιλαμβάνουν μεγάλα οχήματα όπως λεωφορεία, και την βροχερή αστική οδήγηση στο Pangyo, καθεμία διαρκώντας περίπου δύο έως τέσσερα λεπτά χωρίς επεξεργασία εκτός από ρυθμίσεις ταχύτητας αναπαραγωγής.

Ένα τρίτο βίντεο παρουσιάζει δέκα σενάρια ακραίων περιπτώσεων, όπως η αποφυγή οχημάτων που είναι παρκαρισμένα κατά μήκος του δρόμου, η αντίδραση σε ξαφνικές διεισόδους οχημάτων, η διέλευση απροστάτευτων αριστερών στροφών, η ανίχνευση πεζών σε πυκνοκατοικημένες περιοχές και η αναγνώριση ερχόμενων οχημάτων σε στενούς δρόμους γειτονιάς. Ο Park δήλωσε ότι η ταχύτητα ανάπτυξης και η ασφάλεια δεν είναι αντικρουόμενες αξίες και ότι η Ομάδα θα εφαρμόσει μόνο πλήρως επικυρωμένη τεχνολογία στα οχήματά της.

Πέρα από τα υπάρχοντα μοντέλα end-to-end, η 42dot αναπτύσσει μοντέλα Vision-Language-Action που συνδυάζουν την αναγνώριση οπτικών πληροφοριών, τη λογική βασισμένη στη γλώσσα και τη δημιουργία δράσης σε ένα ενιαίο πλαίσιο. Η 42dot περιγράφει το VLA ως μια βασική τεχνολογία για εφαρμογές Physical AI, συμπεριλαμβανομένης της αυτόνομης οδήγησης και της ρομποτικής, και δηλώνει ότι η προσθήκη λογικής βασισμένης στη γλώσσα επιτρέπει τη βελτιωμένη λήψη αποφάσεων και την εξηγήσιμότητα σε σύνθετα σενάρια οδήγησης. Αναμένει ότι το VLA θα βελτιώσει τις αντιδράσεις σε σπάνιες καταστάσεις οδήγησης, αξιοποιώντας τη λογική βασισμένη στη γλώσσα και τη μεγάλη προεκπαιδευμένη γνώση που είναι δύσκολο να αποκτηθεί μόνο από δεδομένα οδήγησης. Η 42dot επίσης δημοσίευσε υλικό ανάπτυξης που δείχνει πώς το μοντέλο VLA ερμηνεύει καταστάσεις οδήγησης και εξάγει τη λογική του σε φυσική γλώσσα κατά τη λειτουργία του οχήματος.

“Το VLA είναι μια βασική τεχνολογία για την υλοποίηση του Physical AI, όπου η AI υπερβαίνει την απλή οδήγηση για να κατανοεί καταστάσεις, να λογίζεται μέσα από αυτές και να ενεργεί,” είπε ο HeeSeok Lee, επικεφαλής της Trion Group της 42dot.

Η τεχνολογία αυτόνομης οδήγησης βασισμένη στο VLA της 42dot βρίσκεται επί του παρόντος στο στάδιο επαλήθευσης μοντέλου με βάση προσομοιώσεις, με τη πλήρη διαδικασία ανάπτυξης, συμπεριλαμβανομένων των δοκιμών σε πραγματικά οχήματα, προγραμματισμένη από τα τέλη του 2026 έως τις αρχές του 2027.