Hyundai Motor Group zet Data Flywheel volledig in werking

Hyundai Motor Group zei in een 13 september 2026, aankondiging dat het zijn Data Flywheel volledig in werking heeft gesteld, waarbij een dual-track routekaart voor autonoom rijden werd uiteengezet en wat het de eerste demonstratie van zijn Level 2++-technologie noemde tijdens de HMG Autonomous Driving Media Day, gehouden in het hoofdkantoor van 42dot in de provincie Gyeonggi, Zuid-Korea.

Tijdens het evenement presenteerde de Groep haar strategie voor de ontwikkeling van autonoom rijden, technologische routekaart, belangrijke prestaties en implementatieplannen. 42dot introduceerde sleuteltechnologieën en ontwikkelingsvoortgang voor Atria AI, de eigen autonome rij‑kunstmatige intelligentie van de Groep, en schetste haar Vision-Language-Action (VLA)-technologieontwikkelingsinitiatief. De Groep onthulde ook beeldmateriaal van een met Atria AI uitgeruste SDV Testbed die complex stedelijk verkeer navigeert zonder tussenkomst van een bestuurder, opererend op Level 2++‑capaciteit.

„Concurrentievermogen wordt bepaald door hoeveel data je veiligstelt, hoe snel je leert en hoe effectief je die resultaten kunt terugvoeren in daadwerkelijke producten en diensten,” zei Minwoo Park, President en hoofd van de Advanced Vehicle Platform (AVP) Division bij Hyundai Motor Group en CEO van 42dot. Park verklaarde dat de Groep autonome rijtechnologie zal ontwikkelen die klanten kunnen vertrouwen, gebaseerd op een deugdelijk kringloop van data, AI en validatie.

Dual‑Track‑strategie stelt productiedoelstellingen voor 2028 en 2029

De routekaart bouwt voort op de uitgebreide strategische samenwerking met NVIDIA die door Hyundai Motor Company en Kia Corporation op 16 maart 2026 werd aangekondigd. Die overeenkomst omvat de ontwikkeling van autonoom rijden van Level 2 tot en met Level 4 op een geïntegreerde architectuur gebaseerd op het NVIDIA DRIVE Hyperion‑platform, een uniforme leercyclus die real‑world dataverzameling, AI‑modeltraining en inzet in productievoertuigen omvat, en verdere besprekingen over het bevorderen van Level 4‑robotaxi‑mogelijkheden via Motional, de joint venture van de Groep voor autonome voertuigen.

Onder Track One zal de Groep het voertuig‑AI‑computingplatform van NVIDIA en de autonome rijsoftware integreren in haar software‑gedefinieerde voertuig (SDV)‑architectuur. Productievoertuigen uitgerust met NVIDIA‑oplossingen voor Level 2+ autonome rijcapaciteiten zijn gepland voor de eerste helft van 2028, met Level 2++‑productievoertuigen voor de tweede helft van 2028. Sensorsystemen die door Hyundai Motor, Kia, 42dot en Motional worden gebruikt, zullen geleidelijk worden gestandaardiseerd rond NVIDIA DRIVE Hyperion 10, een wijziging die de Groep zegt te ondersteunen voor meer consistente dataverzameling en -gebruik voor AI‑training en validatie.

Track Two richt zich op Atria AI, een eigen end‑to‑end autonoom rijsysteem dat gezamenlijk is ontwikkeld door de AVP Division en 42dot binnen een geïntegreerd ontwikkelingskader. De productie van door Atria AI aangedreven Level 2++‑voertuigen is gepland voor de tweede helft van 2029, met functionaliteiten die in fasen evolueren op basis van real‑world rijdata verzameld van productievoertuigen.

Hoe de Data Flywheel werkt

De Data Flywheel functioneert als een cyclus waarin gegevens die van voertuigen zijn verzameld, worden gebruikt om AI‑modellen te trainen en te valideren, waarna de verbeterde modellen weer naar de voertuigen worden uitgerold om nieuwe data te genereren. De Groep meldt dat Hyundai Motor en Kia jaarlijks meer dan 7 miljoen voertuigen verkopen in ongeveer 190 landen en regio’s, en dat ze momenteel ongeveer 40 speciale dataverzamelingsvoertuigen 24 uur per dag inzetten. Verzamelde datasets omvatten routinematige rijscenario’s evenals edge‑cases: wegenbouwzones en variaties in infrastructuur, extreme weersomstandigheden, plotselinge rijstrookwisselingen en noodmanoeuvres, geparkeerde voertuigen op zijstraten en smalle wegen, en complexe stedelijke verkeersdynamiek.

Sinds begin 2026 heeft de Groep nieuwe leertechnologieën in het systeem geïntegreerd. Hard Example Mining identificeert automatisch uitdagende rijsituaties die AI‑modellen moeilijk kunnen herkennen of interpreteren en geeft deze scenario’s prioriteit voor training. Een Continuous Training Pipeline verwerkt nieuw verkregen data uit real‑world rijden en validatie in de modeltraining, waarbij bevindingen uit voertuig‑evaluaties terugvloeien naar dataverzameling en modelontwikkeling. Virtual Validation Technology reconstrueert real‑world rijdata in driedimensionale omgevingen, met grafische technieken zoals 3D Gaussian Splatting om scenario’s na te bootsen die moeilijk of potentieel onveilig zijn om in echte tests te reproduceren.

Een Follow‑the‑Sun‑ontwikkelingsmodel verbindt centra in Zuid‑Korea en de Verenigde Staten, waardoor teams de tijdzone‑verschillen kunnen benutten om dataverzameling, probleem‑analyse en modelverbetering uit te voeren in doorlopende 24‑uur cycli. De Groep integreert geleidelijk haar Special Event Recorder, die automatisch belangrijke gebeurtenissen tijdens autonoom rijden registreert en opslaat, in de Data Flywheel, voornamelijk om modeltraining en prestatieverbetering te ondersteunen. Ze stelt ook een Data Union‑kader op basis van gestandaardiseerde sensorarchitecturen en datastructuren in, zodat data die door meerdere voertuigen en organisaties wordt gegenereerd, onder gemeenschappelijke standaarden kan worden verzameld, aanvankelijk bij Hyundai Motor, Kia, 42dot en Motional.

Junghyun Kwon, Executive Vice President en hoofd van het Autonomous Driving Development Center van Hyundai Motor Group en leider van de Autonomous Driving Division bij 42dot, stelde dat concurrentievermogen minder afhangt van de hoeveelheid data dan van hoe snel data wordt gekoppeld aan leren, validatie en prestatieverbetering. Seonggyun Jeong, Group Lead van 42dot’s Atria Group, zei dat de Groep de prestaties en volwassenheid van Atria AI continu verbetert via een geïntegreerde ontwikkelingscyclus die dataverzameling, modeltraining en real‑world voertuigvalidatie omvat.

Gwangju Level‑4‑pilot

In samenwerking met het Zuid‑Koreaanse Ministerie van Land, Infrastructuur en Transport plant de Groep om de met Atria AI uitgeruste SDV Pace Car in de speciale metropool Jeonnam‑Gwangju in te zetten vóór eind 2026. De pilot zal autonome voertuigen laten opereren op echte Koreaanse wegen met complexe verkeersdynamiek en onvoorspelbare variabelen, die de Groep beschrijft als omstandigheden die fundamenteel verschillen van gecontroleerde testbanen. Ze stelt dat rijscenario’s en noodsituaties die tijdens de inzet worden vastgelegd, terugvloeien in de Data Flywheel, waardoor zowel de Level 2+ massaproductie‑rijhulpmiddelen als de validatie van geavanceerde Level 4‑mogelijkheden worden verbeterd.

Seoul‑rij‑beelden en VLA‑ontwikkeling

De Groep heeft ook videomateriaal vrijgegeven van de met Atria AI uitgeruste SDV Testbed die het daadwerkelijke verkeer in Seoul navigeert zonder tussenkomst van een bestuurder, gepresenteerd in drie categorieën. Een executive ride‑along‑video toont Park en Jeong terwijl ze door het centrum van Seoul reizen over snelwegen, belangrijke hoofdwegen, bruggen en stedelijke straten, en bespreken het ontwikkelingsproces van Atria AI, de huidige technische mogelijkheden en de besluitvormingsmechanismen tijdens de rit. Opnames in één take vangen de drukke ochtendspits in Gangnam, het hoge verkeersdichtheid in Jamsil met frequente interacties met grote voertuigen zoals bussen, en regenachtig stedelijk rijden in Pangyo, elk ongeveer twee tot vier minuten zonder bewerking, behalve aanpassing van de afspeelsnelheid.

Een derde video toont tien edge‑case‑scenario’s, waaronder het ontwijken van langs de weg geparkeerde voertuigen, reageren op plotselinge inhaalmanoeuvres, het navigeren van onbeschermde linksafkeringen, het detecteren van voetgangers in drukke gebieden en het identificeren van tegenliggend verkeer op smalle buurtwegen. Park stelde dat ontwikkelingssnelheid en veiligheid geen conflicterende waarden zijn, en dat de Groep alleen grondig gevalideerde technologie in haar voertuigen zal toepassen.

Buiten zijn bestaande end-to-end-modellen ontwikkelt 42dot Vision-Language-Action-modellen die visuele informatieherkenning, op taal gebaseerde redenering en actiegeneratie combineren in één framework. 42dot beschrijft VLA als een sleuteltechnologie voor Physical AI-toepassingen, waaronder autonoom rijden en robotica, en stelt dat de toegevoegde op taal gebaseerde redenering verbeterde besluitvorming en verklaarbaarheid mogelijk maakt in complexe rijsituaties. Het verwacht dat VLA de reacties op zeldzame rijsituaties verbetert door gebruik te maken van op taal gebaseerde redenering en grootschalige voorgetrainde kennis die moeilijk alleen uit rijgegevens kan worden geleerd. 42dot heeft ook ontwikkelingsbeelden vrijgegeven die laten zien hoe het VLA-model rijsituaties interpreteert en zijn redenering in natuurlijke taal weergeeft tijdens de voertuigoperatie.

“VLA is een kerntechnologie voor de implementatie van Physical AI waarbij AI verder gaat dan alleen rijden om situaties te begrijpen, er doorheen te redeneren en te handelen,” zei HeeSeok Lee, Groepsleider van de Trion Group van 42dot.

De VLA-gebaseerde autonome rijtechnologie van 42dot bevindt zich momenteel in de simulatiegebaseerde modelvalidatiefase, waarbij het volledige ontwikkelingsproces, inclusief testen met echte voertuigen, gepland staat van eind 2026 tot begin 2027.