Partnerschappen

TIER IV en Astemo ontwikkelen ontwikkelingsplatform voor eind-tot-eind zelfrijdende AI

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

TIER IV, het in Tokio gevestigde bedrijf achter de open-source autonome rijsoftware Autoware, heeft een overeenkomst gesloten met de automobieltoeleverancier Astemo om gezamenlijk een next-generation ontwikkelingsplatform voor eind-tot-eind autonome rijAI te bouwen, zoals de bedrijven op 5 augustus 2026 aankondigden. Het platform is gericht op commercialisatie rond 2030, met als doel van Astemo om eind-tot-eind AI-modellen in personenauto’s in te zetten in de vroege jaren 2030.

De overeenkomst draait om TIER IV’s Co-MLOps, een systeem voor gezamenlijke gegevensdeling voor autonome rijontwikkeling. Volgens de overeenkomst zal Astemo de Co-MLOps-architectuur en verwante technologieën licentiëren om een platform te bouwen dat de volledige cyclus van AI-modelontwikkeling omvat: verzamelen, verwerken, trainen, evalueren en continue verbeteren van modellen die voldoen aan de kwaliteit- en veiligheidsvereisten voor massaproductievoertuigen.

Eind-tot-eind (E2E) modellen combineren perceptie, planning en controle in een enkel leerproces, in plaats van afzonderlijke modules te koppelen, en ze worden gezien als een mogelijke basis voor de volgende generatie bestuurdersassistentie- en autonome rijsystemen. TIER IV’s eigen kader is specifiek over waar dit past in hun roadmap: het bedrijf werkt naar wat het Level 4+ autonomie noemt, waarbij volledig zelfrijdende bediening geleidelijk wordt uitgebreid naar complexere omgevingen, en het ziet E2E-modellen als een sleuteltechnologie om dit te bereiken.

“Het inzetten van E2E autonome rijAI-modellen in de praktijk vereist het gelijktijdig verbeteren van de gereedheid voor massaproductie en de AI-ontwikkelingsinfrastructuur”, zei Shinpei Kato, oprichter en CEO van TIER IV, in de aankondiging. “We zijn verheugd om onze samenwerking met Astemo te verdiepen door licenties te verlenen voor TIER IV’s Co-MLOps-oplossing en verwante technologieën.”

Astemo’s uitvoerend vice-president, CTO en CISO Hiroshi Tamagawa zei dat het bedrijf zijn internet-of-vehicles-platform wil versterken en de technologie buiten de automobielindustrie wil uitbreiden naar bredere mobiliteitsapplicaties.

Wat de twee bedrijven overeenkwamen te bouwen

De MoU omvat twee sporen. Het eerste is het platform zelf: Astemo licentiëert de Co-MLOps-architectuur en bouwt, samen met TIER IV, een ontwikkelomgeving die gegevensverzameling via modelbeoordeling en continue verbetering integreert, met commercialisatie rond 2030. Parallel hieraan zal Astemo een intern kader opzetten voor het continue ontwikkelen van E2E-modellen die voldoen aan de kwaliteit- en veiligheidsvereisten voor massaproductie.

Het tweede spoor is een gezamenlijke studie van E2E-modellen voor Level 4+ autonomie. De bedrijven zullen inzichten en technische middelen uit het platformwerk combineren om de technische vereisten voor E2E autonome rijAI te definiëren en te aligneren, en om een middel- tot langetermijnontwikkelingsroadmap op te stellen. Het gestelde eindpunt: Astemo zal Level 4+ E2E AI-modellen in personenauto’s inzetten in de vroege jaren 2030.

Deze taakverdeling speelt in op de positie van elk bedrijf. TIER IV leidt de ontwikkeling van Autoware en heeft AI-ontwikkelingsinfrastructuur rondom gebouwd; Astemo, de toeleverancier die is gevormd uit de automobielonderdelen van Hitachi en Honda, brengt functionele veiligheidscompliance en voertuigintegratie-ervaring in vanuit de producten op het gebied van remmen, vering, aandrijving en ADAS.

Hoe Co-MLOps werkt

Co-MLOps, ofwel Cooperative Machine Learning Operations, is TIER IV’s antwoord op een structureel probleem in autonome rijAI: elk bedrijf verzamelt zijn eigen rijgegevens en bouwt zijn eigen ontwikkelingspijplijn, waardoor er dubbele inspanningen worden geleverd, terwijl kleinere spelers moeite hebben om voldoende gegevens te verzamelen om concurrerende modellen te trainen. TIER IV startte het project in januari 2024 om deelnemende bedrijven beheerde sensorgegevens te laten delen — camerabeelden en lidargegevens — onder privacy- en beveiligingscontroles, en om gemeenschappelijke MLOps-functies uit te voeren op de gedeelde datasets. Deelnemers behouden hun eigen propriëtaire technologie, functionele veiligheidsprocessen en kwaliteitscontroles.

Een eerste proof of concept in 2023 verzamelde videogegevens in acht regio’s, waaronder Japan, Duitsland, Polen, Taiwan, Turkije en de Verenigde Staten, en gebruikte deze om multitask perceptiemodellen te trainen die geoptimaliseerd waren voor uitvoering op minder dan 10 watt vermogen. Het platform is gebouwd op Amazon Web Services-infrastructuur en volgt een cloud-native benadering, met over-the-air-updates van herkenningmodellen op de roadmap.

Astemo zit al in dit ecosysteem. Beide bedrijven zijn betrokken bij de Autoware Foundation en de SOAFEE-initiatief, en hebben eerder samengewerkt aan de referentie-implementatie van Open AD Kit, een cloud-native ontwikkelingsframework gebouwd op Autoware. Astemo is ook betrokken geweest bij het Co-MLOps-project sinds de lancering.

De weg naar deze overeenkomst

De MoU formaliseert een partnerschap dat al bijna twee jaar aan de gang is. In oktober 2024 lanceerden TIER IV en wat toen Hitachi Astemo was een gezamenlijk initiatief op het gebied van autonome rijsystemen en software-gedefinieerde voertuigen, gebouwd rond een SOAFEE-compliant architectuur die Autoware integreert als de core-rijsoftware. Dat initiatief mikte ook op massaproductievoertuigen rond 2030.

TIER IV’s technische lijn is in dezelfde richting gegaan. Het bedrijf bracht in juli 2025 een E2E-architectuur voor Autoware uit, en publiceerde in maart 2026 gegevensgerichte AI-software-stacks voor Level 4 autonome rijden, die zijn geconfigureerd als een hybride systeem (perceptie-AI gekoppeld aan diffusie-modelplanning) of als een volledig E2E-pijplijn die gebruikmaakt van wereldmodelconcepten. Om deze te valideren, begon TIER IV met ongeveer een uur durende begeleide testritten in Tokio, Pittsburgh en München, in samenwerking met de Universiteit van Tokio, Carnegie Mellon Universiteit en de Technische Universiteit van München, met verschillende voertuigen, chips en sensoren in elke stad. Een veiligheidsbestuurder rijdt in elk voertuig, zoals de lokale regelgeving vereist.

De Astemo-overeenkomst breidt deze lijn uit van software-stacks naar productieplumbing. De MoU combineert TIER IV’s expertise in AI-ontwikkelingsplatformen met Astemo’s functionele veiligheidscompliance en voertuigintegratie-ervaring als Tier 1-toeleverancier. Astemo krijgt een gelicentieerd ontwikkelingsplatform voor E2E-modellen zonder de MLOps-machinerie van scratch te hoeven bouwen.

Het eerste geplande markering is de commercialisatie van het gezamenlijke ontwikkelingsplatform rond 2030, gevolgd door Astemo’s gerichte inzet van Level 4+ E2E-modellen in personenauto’s in de vroege jaren 2030 — datums die de bedrijven beschrijven als doelen, met het gezamenlijke vereistenonderzoek en roadmapwerk nu gaande.

Elara Nix is een AI-gegenereerde analist bij Unite.AI, waar zij artikelen schrijft over kunstmatige intelligentie in transport, mobiliteitssystemen en autonome technologieën. Haar werk richt zich op hoe AI zelfrijdende voertuigen, luchtsystemen, spoorwegnetwerken en openbaar vervoer vormgeeft - waar betrouwbaarheid, veiligheid en daadwerkelijke inzet even belangrijk zijn als innovatie.
Met een technisch en vooruitziend perspectief onderzoekt Elara de vooruitgang in perceptiesystemen, autonomie-stacks, simulatie en veiligheidsvalidatie over land, lucht en stedelijke mobiliteit. Zij let met name op hoe AI-gestuurde automatisering wordt getest, gereguleerd en geïntegreerd in bestaande infrastructuur, en hoe deze systemen efficiëntieverbeteringen afwegen tegen publieke vertrouwen en risicobeheer.
Artikelen geschreven door Elara Nix zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om de nauwkeurigheid, duidelijkheid en verantwoorde dekking van de evoluerende rol van AI in transport en autonome systemen te waarborgen.