Hyundai Motor Group met le Data Flywheel en pleine opération

Hyundai Motor Group a déclaré dans une annonce du 13 septembre 2026 qu’il avait mis son Data Flywheel en pleine opération, détaillant une feuille de route de conduite autonome à double voie et ce qu’il a qualifié de première vitrine de sa technologie Niveau 2++ lors de la HMG Autonomous Driving Media Day, qui s’est tenue au siège de 42dot dans la province de Gyeonggi, en Corée du Sud.

Lors de l’événement, le groupe a présenté sa stratégie de développement de la conduite autonome, sa feuille de route technologique, ses principales réalisations et ses plans de mise en œuvre. 42dot a présenté les technologies clés et les progrès de développement d’Atria AI, l’intelligence artificielle propriétaire de conduite autonome du groupe, et a décrit son initiative de développement de la technologie Vision-Language-Action (VLA). Le groupe a également dévoilé des séquences d’un banc d’essai SDV équipé d’Atria AI naviguant dans un trafic urbain complexe sans intervention du conducteur, fonctionnant avec la capacité Niveau 2++.

« La compétitivité est déterminée par la quantité de données que vous sécurisez, la rapidité avec laquelle vous apprenez et l’efficacité avec laquelle vous pouvez refléter ces résultats dans les produits et services réels », a déclaré Minwoo Park, président et responsable de la division Advanced Vehicle Platform (AVP) chez Hyundai Motor Group et PDG de 42dot. Park a indiqué que le groupe développerait une technologie de conduite autonome en laquelle les clients peuvent avoir confiance, basée sur un cycle vertueux de données, d’IA et de validation.

La stratégie à double voie fixe les objectifs de production pour 2028 et 2029

La feuille de route s’appuie sur le partenariat stratégique élargi avec NVIDIA annoncé par Hyundai Motor Company et Kia Corporation le 16 mars 2026. Cet accord couvre le développement de la conduite autonome du Niveau 2 au Niveau 4 sur une architecture intégrée construite sur la plateforme NVIDIA DRIVE Hyperion, une chaîne d’apprentissage unifiée englobant la collecte de données réelles, l’entraînement des modèles d’IA et le déploiement dans les véhicules de production, ainsi que des discussions supplémentaires visant à faire progresser les capacités de robotaxi Niveau 4 via Motional, la coentreprise de véhicules autonomes du groupe.

Dans le cadre de la Voie Un, le groupe intégrera la plateforme de calcul IA pour véhicules de NVIDIA ainsi que le logiciel de conduite autonome dans son architecture de véhicule défini par logiciel (SDV). Les véhicules de production équipés des capacités de conduite autonome Niveau 2+ basées sur les solutions NVIDIA sont prévus pour le premier semestre 2028, tandis que les véhicules de production Niveau 2++ sont visés pour le second semestre 2028. Les systèmes de capteurs utilisés chez Hyundai Motor, Kia, 42dot et Motional seront progressivement standardisés autour de NVIDIA DRIVE Hyperion 10, un changement que le groupe affirme permettra une collecte et une utilisation des données plus cohérentes pour l’entraînement et la validation de l’IA.

La Voie Deux se concentre sur Atria AI, un système propriétaire de conduite autonome de bout en bout développé conjointement par la division AVP et 42dot dans le cadre d’un cadre de développement intégré. La production de véhicules Niveau 2++ propulsés par Atria AI est prévue pour le second semestre 2029, les capacités évoluant par phases en fonction des données de conduite réelles collectées à partir des véhicules de production.

Comment le Data Flywheel fonctionne

Le Data Flywheel fonctionne comme un cycle dans lequel les données collectées à partir des véhicules sont utilisées pour entraîner et valider les modèles d’IA, les modèles améliorés étant ensuite déployés à nouveau dans les véhicules pour générer de nouvelles données. Le groupe indique que Hyundai Motor et Kia vendent plus de 7 millions de véhicules chaque année dans environ 190 pays et régions, et qu’il exploite actuellement environ 40 véhicules dédiés à la collecte de données en continu. Les ensembles de données collectés comprennent des scénarios de conduite courants ainsi que des cas limites : zones de chantier et variations d’infrastructure, conditions météorologiques sévères, changements de voie brusques et manœuvres d’urgence, véhicules stationnés dans les rues secondaires et routes étroites, ainsi que des dynamiques de trafic urbain complexes.

Depuis le début de 2026, le groupe a intégré de nouvelles technologies d’apprentissage dans le système. Le Hard Example Mining identifie automatiquement les situations de conduite difficiles que les modèles d’IA peinent à reconnaître ou à interpréter et priorise ces scénarios pour l’entraînement. Un pipeline d’entraînement continu intègre les données nouvellement acquises provenant de la conduite réelle et de la validation dans l’entraînement des modèles, les résultats d’évaluation des véhicules étant renvoyés à la collecte de données et au développement des modèles. La technologie de validation virtuelle reconstruit les données de conduite réelles dans des environnements tridimensionnels, en utilisant des techniques graphiques telles que le 3D Gaussian Splatting pour recréer des scénarios difficiles ou potentiellement dangereux à reproduire lors de tests réels.

Un modèle de développement « Follow-the-Sun » relie les centres en Corée du Sud et aux États-Unis, permettant aux équipes d’exploiter les différences de fuseaux horaires pour réaliser la collecte de données, l’analyse des problèmes et l’amélioration des modèles sur des cycles continus de 24 heures. Le groupe intègre progressivement son enregistreur d’événements spéciaux, qui enregistre et stocke automatiquement les événements significatifs lors de la conduite autonome, dans le Data Flywheel, principalement pour soutenir l’entraînement des modèles et l’amélioration des performances. Il met également en place un cadre Data Union basé sur des architectures de capteurs et des structures de données standardisées, afin que les données générées par plusieurs véhicules et organisations puissent s’accumuler selon des normes communes, initialement chez Hyundai Motor, Kia, 42dot et Motional.

Junghyun Kwon, vice-président exécutif et responsable du Centre de développement de la conduite autonome du Hyundai Motor Group ainsi que chef de la division conduite autonome de 42dot, a déclaré que la compétitivité dépend moins du volume de données que de la rapidité avec laquelle les données sont reliées à l’apprentissage, à la validation et à l’amélioration des performances. Seonggyun Jeong, responsable du groupe Atria de 42dot, a indiqué que le groupe améliore continuellement les performances et la maturité d’Atria AI grâce à un cycle de développement intégré couvrant la collecte de données, l’entraînement des modèles et la validation en conditions réelles.

Pilote Niveau 4 à Gwangju

En partenariat avec le ministère coréen des Terres, des Infrastructures et des Transports, le groupe prévoit de déployer la SDV Pace Car équipée d’Atria AI dans la ville métropolitaine spéciale Jeonnam-Gwangju d’ici la fin 2026. Le pilote fera circuler des véhicules autonomes sur les routes coréennes réelles, caractérisées par des dynamiques de trafic complexes et des variables imprévisibles, conditions que le groupe décrit comme fondamentalement différentes des pistes d’essai contrôlées. Il indique que les scénarios de conduite et les situations de contingence capturés pendant le déploiement seront réinjectés dans le Data Flywheel, améliorant à la fois la technologie d’assistance au conducteur de production de masse Niveau 2+ et la validation des capacités avancées Niveau 4.

Séquences de conduite à Séoul et développement VLA

Le groupe a également publié des séquences vidéo du banc d’essai SDV équipé d’Atria AI naviguant dans le trafic réel de Séoul sans intervention du conducteur, présentées en trois catégories. Une vidéo d’accompagnement exécutif montre Park et Jeong traversant le centre de Séoul via autoroutes, artères principales, ponts et rues urbaines, discutant du processus de développement d’Atria AI, de ses capacités techniques actuelles et des mécanismes de prise de décision pendant le trajet. Des séquences prises en un seul plan capturent le trafic congestionné de l’heure de pointe matinale à Gangnam, le trafic à haute densité à Jamsil avec de fréquentes interactions impliquant de gros véhicules tels que les bus, et la conduite urbaine sous la pluie à Pangyo, chacune durant approximativement deux à quatre minutes sans montage autre que des ajustements de vitesse de lecture.

Une troisième vidéo présente dix scénarios de cas limites, notamment éviter des véhicules stationnés le long de la route, réagir à des coupures soudaines de véhicules, naviguer des virages à gauche non protégés, détecter des piétons dans des zones congestionnées et identifier les véhicules arrivant en sens inverse sur des routes de quartier étroites. Park a déclaré que la rapidité de développement et la sécurité ne sont pas des valeurs conflictuelles, et que le groupe n’appliquera que des technologies entièrement validées à ses véhicules.

Au-delà de ses modèles de bout en bout existants, 42dot développe des modèles Vision-Language-Action qui combinent la reconnaissance d’informations visuelles, le raisonnement basé sur le langage et la génération d’actions dans un cadre unique. 42dot décrit le VLA comme une technologie clé pour les applications d’IA physique, notamment la conduite autonome et la robotique, et affirme que le raisonnement supplémentaire basé sur le langage permet d’améliorer la prise de décision et l’explicabilité dans des scénarios de conduite complexes. Elle s’attend à ce que le VLA améliore les réponses aux situations de conduite rares en s’appuyant sur le raisonnement basé sur le langage et des connaissances pré‑entraînées à grande échelle, difficiles à acquérir uniquement à partir des données de conduite. 42dot a également publié des séquences de développement montrant comment le modèle VLA interprète les situations de conduite et restitue son raisonnement en langage naturel pendant le fonctionnement du véhicule.

« Le VLA est une technologie centrale pour la mise en œuvre de l’IA physique, où l’IA va au-delà de la simple conduite pour comprendre les situations, raisonner à leur sujet et agir, » a déclaré HeeSeok Lee, responsable du Trion Group de 42dot.

La technologie de conduite autonome basée sur le VLA de 42dot est actuellement à l’étape de validation du modèle basée sur la simulation, le processus complet de développement, y compris les essais sur véhicules réels, étant prévu de la fin 2026 au début 2027.