TIER IV présente cinq modèles open source pour la conduite autonome

Le 11 novembre 2026, TIER IV a annoncé le développement de cinq modèles d’IA de bout en bout pour la conduite autonome avec Autoware, ainsi que leur mise à disposition en open source. Ils couvrent des systèmes reposant uniquement sur des caméras et des configurations intégrant également LiDAR, radar et cartes haute définition. Cette gamme offre aux constructeurs automobiles et à leurs partenaires technologiques plusieurs options pour optimiser les modèles et les intégrer aux systèmes des véhicules.

La gamme comprend NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner et LatentDrive. Leurs architectures de bout en bout relient la perception de l’environnement à la génération de trajectoires de conduite, mais ces modèles diffèrent par leurs besoins en capteurs, leur approche de la planification et leur niveau de maturité : certains sont intégrés à Autoware, tandis que l’adaptation aux véhicules ou l’intégration se poursuit pour les autres.

TIER IV présente ces modèles comme des réalisations technologiques concrètes pour Autoware 2.0, l’architecture de nouvelle génération détaillée le 2 novembre 2026. Cette architecture associe des approches fondées sur l’IA à des méthodes classiques basées sur des règles, ajoute un système d’indexation flexible pour l’intégration modulaire des logiciels et propose un cadre de conception de référence destiné à faciliter l’adoption commerciale dans différents véhicules, applications et environnements d’exploitation.

Des modèles différents pour des véhicules différents

Selon TIER IV, Alpamayo 2 Edge compte 2 milliards de paramètres, contre 34 milliards pour Alpamayo 2 Super, et s’appuie uniquement sur des images de caméra et le raisonnement pour générer des trajectoires de conduite. Son intégration à Autoware est achevée, mais TIER IV continue d’optimiser le modèle et de l’adapter à des véhicules réels.

La fondation Autoware et TIER IV dirigent le développement d’AutoE2E. TIER IV lui attribue 79,9 millions de paramètres et indique qu’il peut fonctionner sur des plateformes informatiques autres que celles de NVIDIA, dans des configurations allant de systèmes reposant uniquement sur des caméras à des systèmes intégrant LiDAR et radar. Son architecture rapide-lente associe un modèle réactif, chargé des décisions en temps réel, à des modèles du monde et de raisonnement qui anticipent les changements de l’environnement et contribuent aux décisions de conduite.

Développé indépendamment par TIER IV et destiné principalement aux véhicules particuliers, METEOR compte 16 millions de paramètres. Selon TIER IV, son réseau neuronal convolutif utilise une représentation en vue du dessus pour traiter la perception jusqu’à la génération de trajectoires au sein d’un seul réseau, sans dépendre de cartes haute définition. Il accepte les images d’une à huit caméras, peut être complété par du LiDAR et un radar, et est compatible avec les plateformes à semi-conducteurs de NVIDIA et de Renesas.

Selon TIER IV, OnePlanner associe perception et planification des mouvements. Il utilise actuellement BEVFusion pour créer une représentation en vue du dessus à partir de nuages de points LiDAR, puis transmet directement au planificateur les caractéristiques extraites lors de la perception, réduisant ainsi les conversions intermédiaires en positions et vitesses d’objets. Il intègre également des cartes haute définition, des informations d’itinéraire, l’état des feux de circulation et celui des mouvements du véhicule afin de générer des trajectoires sur six secondes. Son intégration à Autoware est achevée.

LatentDrive s’appuie sur V-JEPA, une approche d’apprentissage auto-supervisé, pour représenter dans un espace latent les caractéristiques extraites de vidéos de caméra et générer des trajectoires sans détection ni suivi intermédiaires des objets. Selon TIER IV, il n’a pas besoin de carte haute définition et produit des trajectoires sur quatre secondes à partir de vidéos, d’informations d’itinéraire et de l’état des mouvements du véhicule. Il prend en charge une ou trois caméras, tandis que son intégration à Autoware et sa validation à bord d’un véhicule sont toujours en cours.

Ce que comprend AutoE2E V1.0

Le groupe de travail Robotaxi de la fondation Autoware, parrainé par TIER IV, a publié AutoE2E v1.0 le 11 novembre 2026, sous licence Apache 2.0 pour la recherche et l’usage commercial ; des points de contrôle issus de l’entraînement sont également disponibles. Cette version comprend le modèle réactif, qui fonctionne à 10 Hz, fusionne six vues de caméra en une représentation en vue du dessus et planifie l’accélération et le braquage sur 6,4 secondes. Les couches de modèle du monde et de raisonnement sont encore en cours de développement pour fonctionner avec le même planificateur.

La fondation indique que le modèle AutoE2E affiné a obtenu une erreur moyenne de déplacement de 0,744 mètre sur trois secondes lors d’une validation sur des données enregistrées, se classant deuxième parmi huit configurations à poids ouverts dans sa comparaison. Dans ce test en boucle ouverte, les modèles produisaient des prédictions à partir d’images de caméra enregistrées, qui étaient ensuite évaluées par rapport au trajet réellement suivi par le conducteur humain ; AutoE2E recevait également une représentation matricielle de la carte et un itinéraire, tandis que les entrées variaient d’un modèle à l’autre. Le résultat concerne donc la prédiction de trajectoires à partir de données enregistrées, et non les performances d’un véhicule sans conducteur sur route.

AutoE2E est intégré à Autoware pour l’évaluation en boucle ouverte, et des essais en boucle fermée sur un véhicule réel sont en cours afin d’évaluer la conduite interactive. La fondation indique que les performances en déploiement et les besoins en ressources doivent encore être évalués en fonction de chaque plateforme ; d’autres essais sur route sont prévus pour 2027. Le projet vise des applications allant de l’aide à la conduite mains libres de niveau L2++ à la mobilité future sans conducteur de niveau L4, mais le niveau L4 reste un objectif de développement et ne constitue pas une capacité actuelle.

Commercialisation et processus de développement

Pour METEOR, TIER IV indique utiliser CoMET, la plateforme d’annotation automatisée de Co-MLOps, en association avec l’IA agentique afin d’automatiser l’annotation des données ainsi que l’entraînement, l’évaluation et l’amélioration des modèles, sans nécessiter de codage ni d’annotation manuels. Les constructeurs automobiles et les fournisseurs de composants peuvent optimiser le modèle open source en fonction des spécifications de leurs véhicules et de leurs exigences en matière de performances.

Le fondateur et PDG Shinpei Kato a déclaré que cette stratégie multi-modèle vise à aider les fabricants et les fournisseurs à « s’approprier les technologies en fonction de leurs applications et de leurs exigences en matière de performances, sans dépendre d’un modèle d’IA ou d’une plateforme de semi-conducteurs en particulier ».

Ali Kani, vice-président de NVIDIA chargé de l’automobile, a déclaré que l’intégration d’Alpamayo 2 Edge fournit aux développeurs une base ouverte pour transférer cette technologie de la recherche à leurs propres véhicules.

Selon TIER IV, les prochaines étapes consistent à améliorer encore les performances, à optimiser la technologie pour les véhicules, à la commercialiser avec les constructeurs automobiles et les partenaires par l’intermédiaire d’Autoware, et à l’étendre à différents types de véhicules et d’applications. Autoware 2.0 fournit l’architecture commune, mais les essais en boucle fermée, qui ne sont pas encore achevés pour AutoE2E, montrent que la disponibilité des logiciels libres et la validation du déploiement dans des véhicules restent deux étapes distinctes.