स्वायत्त ड्राइविंग के लिए पाँच मुक्त-स्रोत मॉडल पेश कर रहा है TIER IV

TIER IV ने 11 नवंबर 2026 को घोषणा की कि उसने Autoware के लिए स्वायत्त ड्राइविंग के पाँच एंड-टू-एंड एआई मॉडल विकसित किए हैं और उन्हें मुक्त-स्रोत के रूप में उपलब्ध कराया है। इनमें केवल कैमरों पर आधारित प्रणालियों से लेकर LiDAR, रडार और उच्च-परिभाषा वाले मानचित्रों से लैस कॉन्फ़िगरेशन तक शामिल हैं। यह श्रृंखला वाहन निर्माताओं और प्रौद्योगिकी साझेदारों को मॉडलों को बेहतर बनाने और उन्हें वाहन प्रणालियों में एकीकृत करने के कई विकल्प देती है।

इस श्रृंखला में NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner और LatentDrive शामिल हैं। इनके एंड-टू-एंड डिज़ाइन परिवेश की पहचान को ड्राइविंग पथ बनाने से जोड़ते हैं, लेकिन सेंसर की ज़रूरतों, योजना बनाने के तरीक़े और तैयारी के स्तर में ये मॉडल अलग-अलग हैं: कुछ Autoware के साथ एकीकृत हो चुके हैं, जबकि अन्य को वाहनों के अनुकूल बनाने या उनमें एकीकृत करने का काम जारी है।

TIER IV इन मॉडलों को Autoware 2.0 के ठोस तकनीकी नतीजों के रूप में पेश करता है। इस अगली पीढ़ी की आर्किटेक्चर का विवरण उसने 2 नवंबर 2026 को दिया था। इसमें एआई-आधारित और पारंपरिक नियम-आधारित तरीक़ों को जोड़ा गया है, मॉड्यूलर सॉफ़्टवेयर एकीकरण के लिए एक लचीली इंडेक्सिंग योजना शामिल की गई है और एक संदर्भ डिज़ाइन ढाँचा दिया गया है। इसका उद्देश्य विभिन्न वाहनों, अनुप्रयोगों और परिचालन परिवेशों में व्यावसायिक रूप से अपनाने की प्रक्रिया को आसान बनाना है।

अलग-अलग वाहनों के लिए अलग-अलग मॉडल

TIER IV के अनुसार, Alpamayo 2 Edge में 2 अरब पैरामीटर हैं, जबकि Alpamayo 2 Super में 34 अरब पैरामीटर हैं। यह ड्राइविंग पथ बनाने के लिए केवल कैमरे से ली गई छवियों और तर्क-क्षमता का इस्तेमाल करता है। Autoware के साथ इसका एकीकरण पूरा हो चुका है, लेकिन TIER IV अब भी मॉडल को बेहतर बनाने और वास्तविक वाहनों के अनुकूल ढालने पर काम कर रहा है।

AutoE2E का विकास Autoware Foundation और TIER IV के नेतृत्व में हो रहा है। TIER IV के मुताबिक, इसमें 79.9 मिलियन पैरामीटर हैं और यह NVIDIA के हार्डवेयर के अलावा दूसरे कंप्यूटिंग प्लेटफ़ॉर्म पर भी चल सकता है। इसके कॉन्फ़िगरेशन में केवल कैमरों वाली प्रणालियों से लेकर LiDAR और रडार से लैस प्रणालियाँ शामिल हैं। इसकी तेज़–धीमी आर्किटेक्चर में वास्तविक समय के निर्णयों के लिए Reactive Model और पर्यावरण में होने वाले बदलावों का अनुमान लगाकर ड्राइविंग संबंधी निर्णयों में मदद करने वाले World और Reasoning Models शामिल हैं।

TIER IV ने METEOR को स्वतंत्र रूप से विकसित किया है। मुख्य रूप से निजी स्वामित्व वाली यात्री कारों के लिए बने इस मॉडल में 16 मिलियन पैरामीटर हैं। TIER IV के अनुसार, इसका कन्वोल्यूशनल न्यूरल नेटवर्क एचडी मानचित्रों पर निर्भर हुए बिना, एक ही नेटवर्क में परिवेश की पहचान से लेकर पथ बनाने तक का काम करने के लिए ऊपर से दृश्य वाला निरूपण इस्तेमाल करता है। यह एक से आठ कैमरों तक की छवियाँ ले सकता है, इसमें LiDAR और रडार जोड़े जा सकते हैं और यह NVIDIA तथा Renesas के सेमीकंडक्टर प्लेटफ़ॉर्मों पर काम करता है।

TIER IV के अनुसार, OnePlanner परिवेश की पहचान और गति-योजना को एक साथ जोड़ता है। फ़िलहाल यह LiDAR पॉइंट क्लाउड से ऊपर से दृश्य वाला निरूपण बनाने के लिए BEVFusion का इस्तेमाल करता है और पहचान के दौरान निकाली गई विशेषताओं को सीधे योजनाकार तक पहुँचाता है। इससे उन्हें वस्तुओं की स्थिति और गति में बदलने के लिए किए जाने वाले बीच के रूपांतरण कम हो जाते हैं। यह छह सेकंड के पथ बनाने के लिए एचडी मानचित्रों, मार्ग की जानकारी, ट्रैफ़िक सिग्नल की स्थितियों और वाहन की गति-संबंधी स्थितियों को भी शामिल करता है। Autoware के साथ इसका एकीकरण पूरा हो चुका है।

LatentDrive, V-JEPA नाम की स्व-पर्यवेक्षित शिक्षण पद्धति का इस्तेमाल करके कैमरे के वीडियो से मिली विशेषताओं को एक लैटेंट स्पेस में निरूपित करता है और बीच में वस्तुओं की पहचान तथा ट्रैकिंग किए बिना पथ बनाता है। TIER IV के अनुसार, इसे एचडी मानचित्र की ज़रूरत नहीं होती और यह वीडियो, मार्ग की जानकारी तथा वाहन की गति-संबंधी स्थितियों के आधार पर चार सेकंड के पथ बनाता है। यह एक या तीन कैमरों के साथ काम करता है, जबकि Autoware के साथ एकीकरण और वाहन के भीतर इसका सत्यापन अभी जारी है।

AutoE2E V1.0 में क्या शामिल है

TIER IV के प्रायोजन में काम करने वाले Autoware Foundation के Robotaxi Working Group ने 11 नवंबर 2026 को AutoE2E v1.0 जारी किया। यह शोध और व्यावसायिक उपयोग के लिए Apache 2.0 लाइसेंस के तहत उपलब्ध है और इसके प्रशिक्षित चेकपॉइंट भी जारी किए गए हैं। इस रिलीज़ में Reactive Model शामिल है, जो 10 Hz पर चलता है, कैमरे के छह दृश्यों को मिलाकर ऊपर से दृश्य वाला निरूपण तैयार करता है और 6.4 सेकंड के त्वरण तथा स्टीयरिंग की योजना बनाता है। विश्व-मॉडल और तर्क की परतों को उसी योजनाकार के साथ काम करने के लिए अभी विकसित किया जा रहा है।

फाउंडेशन के अनुसार, रिकॉर्ड किए गए डेटा पर सत्यापन के दौरान AutoE2E के फ़ाइन-ट्यून किए गए मॉडल की तीन सेकंड में औसत विस्थापन त्रुटि 0.744 मीटर रही। तुलना में शामिल आठ ओपन-वेट कॉन्फ़िगरेशन में इसका स्थान दूसरा था। इस ओपन-लूप परीक्षण में मॉडलों ने रिकॉर्ड किए गए कैमरा फ़्रेमों के आधार पर अनुमान लगाए और उनके नतीजों का मिलान मानव चालक के वास्तविक पथ से किया गया। AutoE2E को मानचित्र का रास्टर और मार्ग भी दिया गया था, जबकि अलग-अलग मॉडलों के इनपुट अलग थे। इसलिए यह नतीजा रिकॉर्ड किए गए डेटा पर पथ के अनुमान से संबंधित है, चालक-रहित सड़क प्रदर्शन से नहीं।

ओपन-लूप मूल्यांकन के लिए AutoE2E को Autoware के साथ एकीकृत किया गया है। वास्तविक वाहन में क्लोज्ड-लूप परीक्षण जारी है, ताकि पारस्परिक प्रभाव वाली ड्राइविंग का आकलन किया जा सके। फाउंडेशन का कहना है कि तैनाती का प्रदर्शन और संसाधनों की ज़रूरतें अब भी प्लेटफ़ॉर्म के अनुसार मूल्यांकन के अधीन हैं और 2027 में सड़क पर आगे के परीक्षणों की योजना है। परियोजना का लक्ष्य L2++ स्तर की हैंड्स-फ़्री ड्राइविंग सहायता से लेकर भविष्य में L4 स्तर की चालक-रहित मोबिलिटी तक के अनुप्रयोग हैं, लेकिन L4 अभी विकास का लक्ष्य है, मौजूदा क्षमता नहीं।

व्यावसायीकरण और विकास की कार्यप्रणाली

METEOR के लिए TIER IV का कहना है कि वह Co-MLOps के भीतर मौजूद स्वचालित लेबलिंग प्लेटफ़ॉर्म CoMET का इस्तेमाल एजेंटिक एआई के साथ करता है। इससे डेटा लेबलिंग और मॉडल का प्रशिक्षण, मूल्यांकन तथा सुधार स्वचालित हो जाते हैं और मैन्युअल कोडिंग तथा लेबलिंग की ज़रूरत नहीं रहती। वाहन निर्माता और पुर्ज़ा आपूर्तिकर्ता अपनी गाड़ियों की विशिष्टताओं और प्रदर्शन संबंधी ज़रूरतों के अनुसार इस मुक्त-स्रोत मॉडल को बेहतर बना सकते हैं।

संस्थापक और CEO शिनपेई काटो ने कहा कि बहु-मॉडल रणनीति का उद्देश्य निर्माताओं और आपूर्तिकर्ताओं को “किसी खास AI मॉडल या सेमीकंडक्टर प्लेटफ़ॉर्म पर निर्भर हुए बिना, अपने अनुप्रयोगों और प्रदर्शन संबंधी आवश्यकताओं के अनुसार तकनीकों को आत्मसात करने” में मदद करना है।

NVIDIA के ऑटोमोटिव उपाध्यक्ष अली कानी ने कहा कि Alpamayo 2 Edge का एकीकरण डेवलपरों को इस तकनीक को शोध से निकालकर अपने वाहनों में इस्तेमाल करने के लिए एक खुला आधार प्रदान करता है।

TIER IV के अनुसार, अगले कदमों में प्रदर्शन में और सुधार, वाहन के भीतर अनुकूलन, Autoware के माध्यम से वाहन निर्माताओं और साझेदारों के साथ व्यावसायीकरण, और विभिन्न प्रकार के वाहनों तथा अनुप्रयोगों में विस्तार शामिल हैं। Autoware 2.0 साझा आर्किटेक्चर प्रदान करता है, लेकिन AutoE2E का अधूरा क्लोज़्ड-लूप परीक्षण दिखाता है कि ओपन-सोर्स उपलब्धता और वाहनों में सत्यापित तैनाती अब भी अलग-अलग पड़ाव हैं।