TIER IV licht vijf opensourcemodellen voor autonoom rijden toe

TIER IV maakte op 11 november 2026 bekend dat het vijf end-to-end-AI-modellen voor autonoom rijden met Autoware heeft ontwikkeld en als opensourcesoftware beschikbaar stelt. De modellen lopen uiteen van systemen die uitsluitend camera’s gebruiken tot configuraties met LiDAR, radar en HD-kaarten. Het aanbod biedt autofabrikanten en technologiepartners verschillende mogelijkheden om modellen te optimaliseren en in voertuigsystemen te integreren.

Het aanbod bestaat uit NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner en LatentDrive. Hun end-to-endontwerpen verbinden de waarneming van de omgeving met het genereren van rijtrajecten, maar de modellen verschillen wat betreft sensoreisen, planningsaanpak en ontwikkelingsfase: sommige zijn geïntegreerd met Autoware, terwijl andere nog worden aangepast voor voertuigen of nog worden geïntegreerd.

TIER IV presenteert de modellen als concrete technologische resultaten voor Autoware 2.0, de architectuur van de volgende generatie die het op 2 november 2026 toelichtte. Die architectuur combineert AI-gebaseerde en conventionele, op regels gebaseerde benaderingen, voegt een flexibel indexeringsschema toe voor modulaire software-integratie en biedt een referentieontwerpkader dat commerciële toepassing in uiteenlopende voertuigen, toepassingen en gebruiksomgevingen moet vergemakkelijken.

Verschillende modellen voor verschillende voertuigen

Volgens TIER IV heeft Alpamayo 2 Edge 2 miljard parameters, tegenover 34 miljard voor Alpamayo 2 Super. Het model gebruikt uitsluitend camerabeelden en redeneringen om rijtrajecten te genereren. De integratie met Autoware is voltooid, maar TIER IV is het model nog aan het optimaliseren en aanpassen aan echte voertuigen.

De Autoware Foundation en TIER IV leiden de ontwikkeling van AutoE2E. TIER IV geeft aan dat het model 79,9 miljoen parameters telt en kan draaien op computerplatforms die niet van NVIDIA zijn. Er zijn configuraties mogelijk die alleen camera’s gebruiken, maar ook configuraties met LiDAR en radar. De snelle-langzame architectuur combineert een reactief model voor realtimebeslissingen met wereld- en redeneermodellen die veranderingen in de omgeving voorspellen en rijbeslissingen ondersteunen.

METEOR, dat TIER IV onafhankelijk heeft ontwikkeld en zich vooral richt op personenauto’s in particulier bezit, telt 16 miljoen parameters. Volgens TIER IV gebruikt het convolutionele neurale netwerk een vogelperspectiefweergave om alles van omgevingswaarneming tot het genereren van trajecten in één netwerk af te handelen, zonder afhankelijk te zijn van HD-kaarten. Het netwerk kan beelden van één tot acht camera’s verwerken, kan worden uitgebreid met LiDAR en radar en ondersteunt halfgeleiderplatforms van NVIDIA en Renesas.

Volgens TIER IV combineert OnePlanner omgevingswaarneming met bewegingsplanning. Het gebruikt momenteel BEVFusion om op basis van LiDAR-puntenwolken een vogelperspectiefweergave te maken en geeft kenmerken die tijdens de waarneming zijn geëxtraheerd rechtstreeks door aan de planner. Zo zijn minder tussenstappen nodig waarbij die kenmerken worden omgezet in objectposities en -snelheden. Het model verwerkt ook HD-kaarten, routegegevens, verkeerslichtstatussen en de bewegingstoestand van het voertuig om trajecten van zes seconden te genereren. De integratie met Autoware is voltooid.

LatentDrive gebruikt V-JEPA, een methode voor zelfgestuurd leren, om kenmerken uit cameravideo weer te geven in een latente ruimte en trajecten te genereren zonder tussentijdse objectdetectie en -tracking. Volgens TIER IV heeft het geen HD-kaart nodig en genereert het trajecten van vier seconden op basis van video, routegegevens en de bewegingstoestand van het voertuig. Het ondersteunt één of drie camera’s; de integratie met Autoware en de validatie in voertuigen zijn nog gaande.

Wat AutoE2E V1.0 omvat

De Robotaxi-werkgroep van de Autoware Foundation, gesponsord door TIER IV, heeft AutoE2E v1.0 op 11 november 2026 uitgebracht onder de Apache 2.0-licentie voor onderzoeks- en commercieel gebruik. Ook zijn getrainde controlepunten beschikbaar. De release omvat het reactieve model, dat werkt op 10 Hz, zes camerabeelden samenvoegt tot een vogelperspectiefweergave en de acceleratie en besturing voor 6,4 seconden plant. De wereldmodel- en redeneerlagen worden nog ontwikkeld om met dezelfde planner samen te werken.

De stichting meldt dat het verfijnde AutoE2E-model bij validatie op opgenomen gegevens over een periode van drie seconden een gemiddelde verplaatsingsfout van 0,744 meter behaalde. Daarmee eindigde het in de vergelijking als tweede van acht configuraties met open gewichten. In die open-looptest deden modellen voorspellingen op basis van opgeslagen camerabeelden en werden die vergeleken met de daadwerkelijk gereden route van de menselijke bestuurder. AutoE2E kreeg daarnaast een kaart in rastervorm en een route als invoer, terwijl de invoer per model verschilde. Het resultaat heeft dus betrekking op trajectvoorspelling op basis van opgenomen gegevens, niet op prestaties van autonoom rijdende voertuigen op de weg.

AutoE2E is geïntegreerd met Autoware voor open-loopevaluatie. Tests met gesloten regeling in echte voertuigen zijn gaande om interactief rijgedrag te beoordelen. Volgens de stichting moeten de prestaties bij inzet en de benodigde middelen nog per platform worden geëvalueerd; verdere praktijktests op de weg zijn gepland voor 2027. Het project richt zich op toepassingen van rijassistentie op niveau L2++ waarbij de bestuurder de handen van het stuur kan houden tot toekomstige autonome mobiliteit op niveau L4, maar L4 is nog een ontwikkeldoel en geen huidige mogelijkheid.

Commercialisering en ontwikkelproces

Voor METEOR gebruikt TIER IV naar eigen zeggen CoMET, het geautomatiseerde labelplatform binnen Co-MLOps, in combinatie met agentische AI om het labelen van gegevens en het trainen, evalueren en verbeteren van modellen te automatiseren. Daardoor zijn handmatig programmeren en labelen niet nodig. Autofabrikanten en leveranciers van voertuigcomponenten kunnen het opensourcemodel optimaliseren voor hun eigen voertuigspecificaties en prestatie-eisen.

Oprichter en CEO Shinpei Kato zei dat de strategie met meerdere modellen bedoeld is om fabrikanten en leveranciers te helpen technologieën zelf in huis te halen en af te stemmen op hun toepassingen en prestatievereisten, zonder afhankelijk te zijn van een specifiek AI-model of een bepaald halfgeleiderplatform.

Ali Kani, vicepresident automotive bij NVIDIA, zei dat de integratie van Alpamayo 2 Edge ontwikkelaars een open basis biedt om de technologie vanuit het onderzoek naar hun eigen voertuigen te brengen.

De volgende stappen die TIER IV noemt, zijn verdere prestatieverbeteringen, optimalisatie voor gebruik in voertuigen, commercialisering met autofabrikanten en partners via Autoware, en uitbreiding naar meer voertuigtypen en toepassingen. Autoware 2.0 biedt de gedeelde architectuur, maar de nog onvoltooide tests in een gesloten regelkring laten zien dat open beschikbaarheid en gevalideerde inzet in voertuigen afzonderlijke mijlpalen blijven.