Porsche johtaa Volkswagen-konsernin brändien yhteistä autonomisen ajamisen datan kehityssykliä

NVIDIAn GTC Berlin -konferenssissa 21. lokakuuta 2026 Porsche, Volkswagen-konsernin brändit ja CARIAD ilmoittivat rakentavansa yhdessä yhteistä datan kehityssykliä autonomisten ajoneuvojen kehittämiseen. Porsche johtaa hankkeen alkuvaiheen toteutusta ja ekosysteemin integrointia yhdessä Voxel51:n, NVIDIAn ja Microsoftin kanssa.

Volkswagen-konserni johtaa fyysisen tekoälyn teknologiapinon kehittämistä. Se yhdistää kaluston datan simulointiin, koulutukseen ja arviointiin. Voxel51:n mukaan konsernin verkottunut ajoneuvokalusto tuottaa päivittäin dataa saman verran kuin 11 000 keskivertokuljettajaa. Yritykset odottavat yhteistyön vähentävän toistuvia fyysisiä koeajoja jopa 90 % ja lyhentävän tekoälyn regressiotestien syklejä jopa 85 %.

Eri toimijoiden roolit kehityssyklissä

Yritykset kuvailevat yhteistyötä vertailuarkkitehtuuriksi autonvalmistajille, jotka kehittävät seuraavan sukupolven edistyneitä ajoavustusjärjestelmiä.

Volkswagen tuo hankkeeseen verkottuneen ajoneuvokalustonsa, tosielämän ajodatan, ajoneuvoalustan ja järjestelmävaatimukset. Voxel51 tarjoaa datakerroksen, joka mahdollistaa kehityssyklin kuusi työnkulkua: multimodaalisen haun ja noudon, automaattisen annotoinnin, skenaarioihin perustuvan aineiston kuratoinnin, aineistojen tasapainottamisen, koulutusdatan valinnan ja mallien validoinnin. NVIDIA tuo hankkeeseen datan nouto-, generointi- ja simulointiteknologioita, kuten Cosmos Data Factoryn koulutusdatan valmisteluun, täydentämiseen ja arviointiin, Omniverse NuRec -kirjastot tosielämän ajotilanteiden rekonstruointiin sekä avoimia malleja ja työkaluja ajoavustusjärjestelmien testaamiseen simulaatiossa. Microsoft Azure tarjoaa pilvipalvelut ja laskentatehon. Työkuormat toimivat kaluston laajuisesti konsernin jo käyttämässä infrastruktuurissa.

NVIDIAn oma uutishuonetiedote konferenssista kertoo, että Porsche johtaa Volkswagen-konsernin brändien yhteisen datan kehityssyklin työnkulun kehittämistä Voxel51:n kautta. Siinä käytetään Cosmos Data Factorya ja Omniverse NuRec -ratkaisua Azuressa.

NVIDIAn autoteollisuuden liiketoiminnasta vastaava varatoimitusjohtaja Rishi Dhall sanoi tiedotteessa, että simulointi muuttaa tosielämän ajokokemuksen jatkuvaksi oppimisen ja parantamisen sykliksi. Hänen mukaansa Volkswagen-konserni voi muuntaa ajoneuvokaluston datan erittäin tarkoin simulaatioskenaarioiksi Voxel51:n data-alustan sekä Omniverse NuRecin ja Cosmosin avulla.

Tarkastukset, generoinnin hyväksymiskriteerit ja rekonstruktion tulokset

Ajo-ohjelmistojen julkaisujen virtuaalinen validointi on yksi kehityssyklin ensimmäisistä sovelluksista Porschelle ja Volkswagen-konsernille. Insinöörit tuottavat todellisista ajotilanteista rekonstruoidut kameranäkymät ja vertaavat simuloituja tuloksia tosielämän mittauksiin. Voxel51:n mukaan tavoitteena on tehdä testauksesta toistettavaa, lyhentää palautesyklejä ja vähentää riippuvuutta fyysisistä koeajoista.

Ennen kuin yksikään tallenne päätyy GPU:lla tehtävään rekonstruktioon, Voxel51 tarkastaa raakalogin noin 80 tarkistuksella, jotka koskevat anturien eheyttä, ajoitusta, kalibrointia, ratoja, toimijoita ja koordinaatistoja. Dan Guralin, Voxel51:n fyysisen tekoälyn kumppanuuksista vastaavan johtajan, laatimassa teknisessä syväluotauksessa kerrotaan, että tarkastus lukee MCAP-tiedostoja suoraan ja etenee kolmessa vaiheessa: manifestivaihe kestää noin millisekunnin ajoa kohden, jaksovaihe noin sekunnin ja dekoodausvaihe muutaman minuutin ajoa kohden. Jokaisesta tarkistuksesta kirjataan, läpäisikö se tarkastuksen, hylättiinkö se vai eikö sitä voitu suorittaa. Voxel51 kutsuu tätä periaatetta nimellä ”hiljaisuus ei tarkoita hyväksyttyä tulosta”, joten puuttuvaa syötettä ei voida tulkita kelvolliseksi dataksi.

Gural kuvailee kehityssyklin viisivaiheiseksi: etsi, tarkista, generoi, rekonstruoi ja arvioi. Etsintävaiheessa alustaan on integroitu NVIDIA Cosmos Dataset Search. Leikkeet upotetaan Cosmos-Embed1-mallilla ja tallennetaan Milvusiin. Tämän jälkeen agenttipohjainen uudelleenjärjestäjä pyytää suunnittelijamallia laatimaan hakuaikeen perusteella arviointiperusteet, pisteyttää leikkeet niiden mukaan Cosmos Reasonin avulla ja järjestää luettelon uudelleen.

Guralin mukaan Voxel51 validoi tarkastuksen seitsemällä julkisella aineistolla: nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive ja Lyft Level 5. Tarkastuksessa havaittiin julkaistuista aineistoista 25 vahvistettua ongelmaa, joista 17 korjattiin ennen rekonstruktiota. Cosmos Data Factorylla tehtävää synteettisen datan generointia käsittelevässä syväluotauksessa kerrotaan, että tallennetun hyväksyntänäytön mukaan 12 näytteenottovaihetta saavutti hyväksymisasteessa saman tuloksen kuin 35 vaihetta ja pienensi kustannukset 6,80 GPU-minuutista 2,43 GPU-minuuttiin leikettä kohden. Lisäksi attribuuttiin perustuva hyväksymiskriteeri hyväksyi vain 30–38 % generoiduista leikkeistä. Arvioijan uudelleenkalibrointi nosti semanttisen hyväksymisasteen 3 prosentista 91 prosenttiin ilman GPU-ajan lisäystä.

Rekonstruktion osalta syväluotauksessa raportoidaan 29,05 dB:n mediaani huippusignaali-kohinasuhteelle 25 julkisessa nuScenes-skenessä, jotka käsiteltiin NVIDIA H100 -grafiikkasuorittimilla. Siinä mainitaan yksi nuScenesin yökohtaus, jonka tulos tällä mittarilla oli 28,59 dB, mutta rakenteellisen samankaltaisuuden pistemäärä oli 0,56 ja opitun havaintoperustaisen samankaltaisuuden pistemäärä 0,61. Gural käyttää tätä esimerkkinä siitä, miten yksittäinen kuvanlaadun mittari voi hyväksyä silmin nähden heikkolaatuisen tuloksen. Jokainen rekonstruktio siirtyy ihmisen tarkastettavaksi. Insinöörit voivat hyväksyä sen simulaatiokäyttöön, palauttaa sen uudelleenkoulutukseen tai hylätä sen. Valmiit skenet pakataan USDZ-tiedostoiksi, jotka ovat valmiita käytettäviksi simulaattoreissa, kuten NVIDIA AlpaSimissa.

Azure-käyttöönotto ja kehityssyklin hallinta

Jokainen vaihe suoritetaan työnä Microsoft Azuressa, jossa Volkswagen Group hallinnoi ajoneuvokantansa dataa. Azure tarjoaa tallennus- ja laskentakapasiteetin datan käsittelyyn, rekonstruointiin ja simulointiin ja pitää samalla nämä työkuormat konsernin nykyisen tietoturva-, identiteetinhallinta- ja alueellisen hallintamallin piirissä.

Voxel51 kertoo, että yhteisen datamallin ansiosta yhdessä projektissa luodut ajodata ja skenaariot voidaan siirtää ajoneuvo-ohjelmiin, ohjelmistojulkaisuihin ja brändeihin. Jokainen uusi ajokerta laajentaa skenaariopohjaa, ja rekonstruoituja näkymiä voidaan käyttää uudelleen tulevissa kehitys- ja validointisykleissä.

Voxel51:n toinen perustaja ja toimitusjohtaja Brian Moore kirjoitti, että autonvalmistaja voi hallita kehityssilmukkaansa rakentamatta itse kaikkia työkaluja: ”Aidosti alan johtavan suorituskyvyn avain on hyödyntää dataa, johon yritykselläsi on pääsy. Sinun on hallittava kehitys- ja iterointisilmukkaa, vaikka et itse rakentaisikaan pinon jokaista kerrosta.” Voxel51 kuvailee alustansa laajennettavaksi: tiimit voivat tuoda omia mallejaan, määritellä mukautettua skenaariologiikkaa ja yhdistää olemassa olevia data-aineistoja ja infrastruktuuria määräämättä, miten itse ajamisjärjestelmä rakennetaan.

Voxel51 kertoi aloittaneensa yhteistyön Porschen kanssa vuonna 2024, jolloin Porschen tekninen vetäjä Tin Stribor Sohn kuvaili datahaastetta sellaiseksi, että datan ymmärtäminen edellyttää automaattista merkintää, uuden tai tärkeän löytämiseen tarvitaan skenaarioiden tunnistusta ja päällekkäisyyksien poistamiseen datan kuratointia. Voxel51:n julkaisu mainitsee myös McKinseyn kyselytutkimuksen, jonka mukaan joka neljäs kuluttaja maailmanlaajuisesti vaihtaisi merkkiä parempien itseajotoimintojen vuoksi.

NVIDIA:n GTC Berlinissä julkaisemassa tiedotteessa kerrotaan erikseen, että Volkswagen Commercial Vehicles esittelee autonomisen ID. Buzz AD -ajoneuvoalustansa NVIDIA Hyperion -laskenta-alustalla tukeakseen useita autonomisen ajamisen järjestelmiä.