Hyundai Motor Group setter datakraftsirkelen i full drift

Hyundai Motor Group sa i en 13. september 2026, kunngjøring at de har satt sin Data Flywheel i full drift, og presenterte en todelt veikart for autonom kjøring samt det de kalte den første demonstrasjonen av sin Level 2++‑teknologi på HMG Autonomous Driving Media Day, som ble holdt på 42dots hovedkontor i Gyeonggi-provinsen i Sør‑Korea.

Under arrangementet presenterte konsernet sin strategi for utvikling av autonom kjøring, teknologiveikart, nøkkelresultater og implementeringsplaner. 42dot introduserte nøkkelteknologier og utviklingsfremdrift for Atria AI, konsernets proprietære kunstige intelligens for autonom kjøring, og skisserte initiativet for utvikling av Vision‑Language‑Action (VLA)‑teknologi. Konsernet viste også video av et Atria AI‑utstyrt SDV‑testmiljø som navigerte i kompleks bytrafikk uten førerintervensjon, med Level 2++‑kapasitet.

«Konkurranseevnen bestemmes av hvor mye data du sikrer, hvor raskt du lærer og hvor effektivt du kan overføre disse resultatene til faktiske produkter og tjenester», sa Minwoo Park, president og leder for Advanced Vehicle Platform (AVP)-divisjonen i Hyundai Motor Group og administrerende direktør for 42dot. Park uttalte at konsernet vil utvikle autonom kjøring‑teknologi som kundene kan stole på, basert på en positiv syklus av data, AI og validering.

Todelt strategi fastsetter produksjonsmål for 2028 og 2029

Veikartet bygger på det utvidete strategiske partnerskapet med NVIDIA som ble kunngjort av Hyundai Motor Company og Kia Corporation 16. mars 2026. Avtalen omfatter utvikling av autonom kjøring fra Level 2 til Level 4 på en integrert arkitektur basert på NVIDIA DRIVE Hyperion‑plattformen, en samlet læringspipeline som spenner over innsamling av virkelige data, AI‑modelltrening og utrulling i produksjonskjøretøy, samt videre diskusjoner om å fremme Level 4‑robotaxi‑kapasiteter gjennom Motional, konsernets fellesforetak for autonome kjøretøy.

Under Spor Ett vil konsernet integrere NVIDIAs AI‑databehandlingsplattform for kjøretøy og programvare for autonom kjøring i sin programvaredefinerte kjøretøy‑arkitektur (SDV). Produksjonskjøretøy utstyrt med NVIDIA‑baserte Level 2+‑funksjoner for autonom kjøring er planlagt for første halvdel av 2028, mens Level 2++‑produksjonskjøretøy er målrettet for andre halvdel av 2028. Sensorsystemer som brukes på tvers av Hyundai Motor, Kia, 42dot og Motional vil gradvis standardiseres rundt NVIDIA DRIVE Hyperion 10, en endring som konsernet sier vil støtte mer konsistent datainnsamling og utnyttelse for AI‑trening og validering.

Spor To fokuserer på Atria AI, et proprietært ende‑til‑ende system for autonom kjøring som er utviklet i fellesskap av AVP‑divisjonen og 42dot under et integrert utviklingsrammeverk. Produksjon av Atria AI‑drevne Level 2++‑kjøretøy er målrettet for andre halvdel av 2029, med funksjonalitet som utvikles i faser basert på virkelige kjøredata samlet inn fra produksjonskjøretøy.

Hvordan datakraftsirkelen fungerer

Data Flywheel fungerer som en syklus der data samlet inn fra kjøretøy brukes til å trene og validere AI‑modeller, og de forbedrede modellene deretter distribueres tilbake til kjøretøyene for å generere nye data. Konsernet oppgir at Hyundai Motor og Kia selger mer enn 7 millioner kjøretøy årlig i omtrent 190 land og regioner, og at de for tiden driver omtrent 40 dedikerte datainnsamlingskjøretøy døgnet rundt. De innsamlede datasettene omfatter både vanlige kjørescenarier og ekstreme tilfeller: veiarbeidsområder og infrastrukturvariasjoner, ekstreme værforhold, brå filskift og nødmaneuverk, parkerte kjøretøy i sidegater og på smale veier, samt komplekse urbane trafikkdynamikker.

Siden tidlig i 2026 har konsernet integrert nye læringsteknologier i systemet. Hard Example Mining identifiserer automatisk utfordrende kjøresituasjoner som AI‑modeller har vanskeligheter med å gjenkjenne eller tolke, og prioriterer disse scenariene for trening. En Continuous Training Pipeline innlemmer nyervervede data fra virkelige kjøreturer og validering i modelltreningen, med kjøretøyevalueringsresultater som mates tilbake til datainnsamling og modellutvikling. Virtual Validation Technology rekonstruerer virkelige kjøredata til tredimensjonale miljøer, ved bruk av grafikkteknikker som 3D Gaussian Splatting for å gjenskape scenarier som er vanskelige eller potensielt usikre å gjenskape i reelle tester.

En Follow‑the‑Sun‑utviklingsmodell knytter sammen sentre i Sør‑Korea og USA, og lar teamene utnytte tidsforskjellene til å utføre datainnsamling, problemanalyse og modellforbedring i kontinuerlige 24‑timers sykluser. Konsernet integrerer gradvis sin Special Event Recorder, som automatisk registrerer og lagrer viktige hendelser under autonom kjøring, i Data Flywheel, hovedsakelig for å støtte modelltrening og ytelsesforbedring. Det etablerer også et Data Union‑rammeverk basert på standardiserte sensorarkitekturer og datastrukturer, slik at data generert fra flere kjøretøy og organisasjoner kan samles under felles standarder, i første omgang for Hyundai Motor, Kia, 42dot og Motional.

Junghyun Kwon, Executive Vice President og leder for Hyundai Motor Groups Autonomous Driving Development Center samt leder for 42dot Autonomous Driving Division, uttalte at konkurranseevnen avhenger mindre av datamengde enn av hvor raskt data knyttes til læring, validering og ytelsesforbedring. Seonggyun Jeong, gruppeleder for 42dots Atria‑gruppe, sa at konsernet kontinuerlig forbedrer ytelsen og modenheten til Atria AI gjennom en integrert utviklingssyklus som omfatter datainnsamling, modelltrening og validering i virkelige kjøretøy.

Gwangju Level 4‑pilot

I samarbeid med Sør‑Koreas Ministry of Land, Infrastructure and Transport planlegger konsernet å sette i drift Atria AI‑utstyrte SDV‑pace‑biler i Jeonnam‑Gwangju Special Metropolitan City innen utgangen av 2026. Piloten vil operere autonome kjøretøy på faktiske koreanske veier med komplekse trafikkdynamikker og uforutsigbare variabler, noe konsernet beskriver som forhold som er grunnleggende forskjellige fra kontrollerte testbaner. Det opplyser at kjørescenarier og nødsituasjoner som fanges opp under utrullingen vil mates tilbake til Data Flywheel, og dermed styrke både Level 2+ masseproduksjons‑kjøreassistanseteknologi og valideringen av avanserte Level 4‑kapasiteter.

Seoul‑kjøreopptak og VLA‑utvikling

Konsernet publiserte også videoopptak av Atria AI‑utstyrt SDV‑testmiljø som navigerte i faktisk Seoul‑trafikk uten førerintervensjon, presentert i tre kategorier. En video med en leder som kjører med viser Park og Jeong som reiser gjennom sentrale Seoul via motorveier, store hovedveier, broer og bygater, og diskuterer Atria AIs utviklingsprosess, nåværende tekniske evner og beslutningsmekanismer under turen. Ett‑opptak‑sekvenser fanger opp tett morgenrush‑trafikk i Gangnam, høy‑tett trafikk i Jamsil med hyppige interaksjoner med store kjøretøy som busser, samt regnfull bykjøring i Pangyo, hver med en varighet på omtrent to til fire minutter uten redigering bortsett fra justering av avspillingshastighet.

En tredje video viser ti ekstreme scenarier, inkludert å unngå kjøretøy som er parkert langs veiskulderen, reagere på plutselige innkjørsler, navigere ubeskyttede venstresvinger, oppdage fotgjengere i tette områder og identifisere pågående kjøretøy på smale nabolagsveier. Park uttalte at utviklingshastighet og sikkerhet ikke er motstridende verdier, og at konsernet kun vil anvende grundig validert teknologi i sine kjøretøy.

Utover sine eksisterende ende‑til‑ende-modeller utvikler 42dot Vision‑Language‑Action-modeller som kombinerer visuell informasjonsgjenkjenning, språkbasert resonnering og handlingsgenerering i ett enkelt rammeverk. 42dot beskriver VLA som en nøkkelteknologi for fysiske AI‑applikasjoner, inkludert autonom kjøring og robotikk, og sier at den ekstra språkbaserte resonneringen muliggjør bedre beslutningstaking og forklarbarhet i komplekse kjørescenarier. De forventer at VLA vil forbedre responsen på sjeldne kjøresituasjoner ved å trekke på språkbasert resonnering og stort forhåndstrent kunnskap som er vanskelig å lære kun fra kjøredata. 42dot har også publisert utviklingsopptak som viser hvordan VLA‑modellen tolker kjøresituasjoner og gir ut sin resonnering på naturlig språk under kjøretøyets drift.

“VLA er en kjerne‑teknologi for å implementere fysisk AI hvor AI går utover bare å kjøre for å forstå situasjoner, resonere gjennom dem og handle,” sa HeeSeok Lee, gruppeleder for 42dot’s Trion Group.

42dot’s VLA‑baserte autonome kjøringsteknologi er for tiden i simuleringsbasert modellvalideringsfase, med hele utviklingsprosessen, inkludert testing i ekte kjøretøy, planlagt fra sent i 2026 til tidlig i 2027.