Porsche neemt het voortouw bij een gezamenlijk datavliegwiel voor de ontwikkeling van autonome voertuigen binnen de merken van Volkswagen Group

Tijdens de GTC Berlin-conferentie van NVIDIA op 21 oktober 2026 kondigden Porsche, de merken van Volkswagen Group en CARIAD aan dat ze samen bouwen aan een gezamenlijk datavliegwiel voor de ontwikkeling van autonome voertuigen. Porsche neemt daarbij het voortouw bij de eerste implementatie en de integratie van het ecosysteem, samen met Voxel51, NVIDIA en Microsoft.

Volkswagen Group leidt de ontwikkeling van een fysieke AI-stack die wagenparkgegevens koppelt aan simulatie, training en evaluatie. Volgens Voxel51 genereert het verbonden wagenpark van de groep dagelijks evenveel gegevens als 11.000 gemiddelde bestuurders. De bedrijven verwachten dat de samenwerking het aantal herhaalde fysieke testritten met maximaal 90% vermindert en de cycli voor regressietests van AI met maximaal 85% verkort.

Rollen binnen het datavliegwiel

De bedrijven omschrijven de samenwerking als een referentiearchitectuur voor autofabrikanten die geavanceerde rijsystemen van de volgende generatie ontwikkelen.

Volkswagen brengt het verbonden wagenpark, praktijkgegevens over het rijgedrag, het voertuigplatform en de systeemvereisten in. Voxel51 levert de datalaag en ondersteunt daarmee zes workflows binnen het datavliegwiel: multimodaal zoeken en gegevens ophalen, geautomatiseerde labeling, selectie op basis van scenario’s, het in balans brengen van datasets, de selectie van trainingsgegevens en modelvalidatie. NVIDIA levert technologieën voor het ophalen en genereren van gegevens en voor simulatie, waaronder Cosmos Data Factory voor het voorbereiden, uitbreiden en evalueren van trainingsgegevens, de Omniverse NuRec-bibliotheken voor het reconstrueren van ritten in de echte wereld, en open modellen en tools om rijsystemen in simulatie te testen. Microsoft Azure levert de cloud en rekenkracht; de workloads draaien op wagenparkschaal op infrastructuur die de groep al gebruikt.

In het eigen nieuwsbericht van NVIDIA over de conferentie staat dat Porsche via Voxel51 leiding geeft aan de ontwikkeling van een workflow met een datavliegwiel voor de merken van Volkswagen Group, met gebruik van Cosmos Data Factory en Omniverse NuRec op Azure.

NVIDIA’s vicepresident voor de automobielsector, Rishi Dhall, zei in de aankondiging dat simulatie praktijkervaring met rijden omzet in een voortdurende cyclus van leren en verbeteren. Ook zei hij dat Volkswagen Group wagenparkgegevens kan omzetten in uiterst realistische simulatiescenario’s met behulp van het dataplatform van Voxel51, Omniverse NuRec en Cosmos.

Audits, generatiecontroles en reconstructieresultaten

Virtuele validatie van nieuwe versies van rijsoftware is een van de eerste toepassingen van het datavliegwiel voor Porsche en Volkswagen Group. Ingenieurs renderen gereconstrueerde camerabeelden van daadwerkelijke ritten en vergelijken de gesimuleerde uitvoer met metingen uit de echte wereld. Volgens Voxel51 is het doel om tests reproduceerbaar te maken, feedbackcycli te verkorten en de afhankelijkheid van fysieke testritten te verminderen.

Voordat een opname wordt gebruikt voor GPU-reconstructie, controleert Voxel51 het ruwe logboek aan de hand van ongeveer 80 controles op onder meer sensorintegriteit, timing, kalibratie, trajecten, actoren en coördinatenstelsels. In een technische verdieping van Dan Gural, hoofd van de samenwerkingsverbanden voor fysieke AI bij Voxel51, staat dat de audit MCAP-bestanden rechtstreeks uitleest en uit drie niveaus bestaat: een manifestcontrole van ongeveer één milliseconde per rit, een episodecontrole van ongeveer één seconde en een gedecodeerde controle die per rit enkele minuten duurt. Bij elke controle wordt vastgelegd of deze is geslaagd, is mislukt of niet kon worden uitgevoerd. Daarbij geldt de regel die Voxel51 omschrijft als ‘stilte geldt niet als geslaagd’: ontbrekende invoer kan dus niet als geldige data worden beschouwd.

Gural beschrijft de cyclus in vijf stappen: zoeken, controleren, genereren, reconstrueren en evalueren. Voor de zoekstap integreert het platform NVIDIA Cosmos Dataset Search. De videofragmenten worden met Cosmos-Embed1 ingebed en opgeslagen in Milvus. Vervolgens laat een agentische reranker een plannermodel op basis van de zoekintentie een beoordelingsrubriek opstellen, gebruikt die Cosmos Reason om elk fragment daaraan te toetsen en rangschikt de lijst opnieuw.

Gural meldt dat Voxel51 de audit heeft gevalideerd aan de hand van zeven openbare datasets: nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive en Lyft Level 5. De audit bracht 25 bevestigde problemen in de gepubliceerde gegevens aan het licht; 17 daarvan werden vóór de reconstructie verholpen. Over het genereren van synthetische gegevens met Cosmos Data Factory meldt de technische verdieping dat opgeslagen controlebewijs liet zien dat 12 samplingstappen hetzelfde acceptatiepercentage opleverden als 35, waardoor de kosten daalden van 6,80 naar 2,43 GPU-minuten per fragment; dat slechts 30 tot 38% van de gegenereerde fragmenten slaagde voor een attributencontrole; en dat herkalibratie van de beoordelaar het percentage semantisch geslaagde resultaten verhoogde van 3% naar 91%, zonder extra GPU-tijd.

Voor de reconstructie meldt de technische verdieping een mediane piek-signaal-ruisverhouding van 29,05 dB voor 25 openbare nuScenes-scènes die zijn verwerkt op NVIDIA H100-GPU’s. Als voorbeeld noemt de verdieping een nachtscène uit nuScenes die op deze maatstaf 28,59 dB scoorde, maar een structurele-overeenkomstscore van 0,56 en een score van 0,61 voor aangeleerde perceptuele gelijkenis behaalde. Gural gebruikt dit voorbeeld om te laten zien dat één cijfer voor beeldkwaliteit een zichtbaar slecht resultaat toch kan goedkeuren. Elke reconstructie wordt voorgelegd aan een menselijke beoordelingsronde, waarin ingenieurs deze goedkeuren voor simulatie, terugsturen voor nieuwe training of afwijzen. Afgeronde scènes worden verpakt als USDZ-bestanden die klaar zijn voor simulators, waaronder NVIDIA AlpaSim.

Implementatie op Azure en beheer van de cyclus

Elke fase wordt uitgevoerd als een taak op Microsoft Azure, waar de Volkswagen Group de gegevens van zijn wagenpark beheert. Azure levert de opslag- en rekenkracht voor gegevensverwerking, reconstructie en simulatie, terwijl deze workloads binnen het bestaande beveiligings-, identiteits- en regionale governance-model van de groep blijven.

Voxel51 zei dat met een gemeenschappelijk gegevensmodel rijgegevens en scenario’s die in het ene project zijn gemaakt, kunnen worden meegenomen naar verschillende voertuigprogramma’s, softwareversies en merken. Elke nieuwe rit breidt de scenariobasis uit en levert gereconstrueerde scènes op die opnieuw kunnen worden gebruikt in toekomstige ontwikkel- en validatiecycli.

Voxel51-medeoprichter en CEO Brian Moore schreef dat een autofabrikant de regie kan houden over zijn ontwikkelcyclus zonder alle tools zelf te bouwen: “De sleutel tot echt toonaangevende prestaties is het benutten van de gegevens waartoe uw bedrijf toegang heeft. U moet de regie hebben over de ontwikkel- en iteratiecyclus, ook als u niet zelf elke laag van de stack bouwt.” Voxel51 beschrijft zijn platform als uitbreidbaar: teams kunnen hun eigen modellen gebruiken, aangepaste scenariologica definiëren en bestaande gegevens en infrastructuur koppelen, zonder voor te schrijven hoe het rijsysteem zelf wordt gebouwd.

Voxel51 vertelde dat het in 2024 met Porsche begon samen te werken. Destijds omschreef technisch leider bij Porsche Tin Stribor Sohn de data-uitdaging als een uitdaging waarvoor geautomatiseerde labeling nodig was om de gegevens te begrijpen, scenariodetectie om te vinden wat nieuw of belangrijk is, en curatie om overbodige gegevens te verwijderen. In het bericht stelt Voxel51, onder verwijzing naar een enquête van McKinsey, ook dat wereldwijd een op de vier consumenten van merk zou wisselen voor betere functies voor autonoom rijden.

Los daarvan staat in de bekendmaking van NVIDIA tijdens GTC Berlin dat Volkswagen Commercial Vehicles zijn autonome voertuigplatform ID. Buzz AD presenteert op het NVIDIA Hyperion-computerplatform, ter ondersteuning van meerdere systemen voor autonoom rijden.