Porsche leder an i et felles dataflythjul for autonome kjøretøy på tvers av Volkswagen Groups merker

På NVIDIA-konferansen GTC Berlin 21. oktober 2026 kunngjorde Porsche, merker i Volkswagen Group og CARIAD at de i fellesskap bygger et felles dataflythjul for utvikling av autonome kjøretøy, med Porsche i førersetet for den første implementeringen og integreringen i økosystemet sammen med Voxel51, NVIDIA og Microsoft.

Volkswagen Group leder utviklingen av en fysisk KI-plattform som kobler flåtedata sammen med simulering, trening og evaluering. Voxel51 opplyste at den tilkoblede flåten til konsernet genererer data tilsvarende 11 000 gjennomsnittlige sjåfører per dag, og selskapene forventer at samarbeidet vil redusere gjentatte fysiske testkjøringer med opptil 90 % og forkorte regresjonstestsyklusene for KI med opptil 85 %.

Roller i dataflythjulet

Selskapene beskriver samarbeidet som en referansearkitektur for bilprodusenter som utvikler avanserte kjøresystemer av neste generasjon.

Volkswagen bidrar med sin tilkoblede flåte, reelle kjø data, kjøretøyplattform og systemkrav. Voxel51 leverer datalaget, som driver seks arbeidsflyter i dataflythjulet: multimodalt søk og gjenfinning, automatisert merking, kuratering basert på scenarioer, balansering av datasett, utvelgelse av treningsdata og modellvalidering. NVIDIA bidrar med teknologier for datagjenfinning, datagenerering og simulering, blant annet Cosmos Data Factory for klargjøring, utvidelse og evaluering av treningsdata, Omniverse NuRec-biblioteker for rekonstruksjon av reelle kjøreturer, samt åpne modeller og verktøy for testing av kjøresystemer i simulering. Microsoft Azure leverer skyinfrastruktur og datakraft, og arbeidsbelastningene kjøres i flåteskala på infrastruktur konsernet allerede bruker.

NVIDIAs egen nyhetsmelding fra konferansen opplyser at Porsche leder utviklingen av en arbeidsflyt for dataflythjulet på tvers av Volkswagen Groups merker gjennom Voxel51, med Cosmos Data Factory og Omniverse NuRec på Azure.

NVIDIAs visepresident for bilindustrien, Rishi Dhall, sa i kunngjøringen at simulering gjør reell kjøreerfaring til en kontinuerlig lærings- og forbedringssyklus, og at Volkswagen Group kan gjøre flåtedata om til simuleringsscenarioer med høy realisme ved hjelp av Voxel51s dataplattform sammen med Omniverse NuRec og Cosmos.

Kontroller, godkjenningsporter for datagenerering og rekonstruksjonsresultater

Virtuell validering av nye versjoner av kjøresystemer er en av de første bruksområdene for dataflythjulet hos Porsche og Volkswagen Group. Ingeniører gjengir rekonstruerte kameradata fra faktiske kjøreturer og kontrollerer simuleringsresultatene mot målinger fra den virkelige verden. Voxel51 opplyste at målet er å gjøre testingen repeterbar, forkorte tilbakemeldingssyklusene og redusere avhengigheten av fysiske testkjøringer.

Før et eneste opptak går videre til GPU-basert rekonstruksjon, kontrollerer Voxel51 råloggen med rundt 80 kontroller av blant annet sensorintegritet, tidsangivelser, kalibrering, baner, aktører og koordinatsystemer. En grundig teknisk gjennomgang av Dan Gural, Voxel51s leder for partnerskap innen fysisk KI, opplyser at kontrollen leser MCAP-filer direkte og gjennomføres i tre trinn: en manifestkontroll på omtrent ett millisekund per kjøretur, en episodekontroll på omtrent ett sekund og en dekodet kontroll som tar noen minutter per kjøretur. Hver kontroll registrerer om den bestod, ikke bestod eller ikke kunne kjøres, etter en regel Voxel51 kaller «stillhet betyr ikke bestått», slik at manglende inndata ikke kan tolkes som gyldige data.

Gural beskriver prosessen i fem trinn: finne, kontrollere, generere, rekonstruere og evaluere. I søketrinnet integrerer plattformen NVIDIA Cosmos Dataset Search, der klipp bygges inn ved hjelp av Cosmos-Embed1 og lagres i Milvus. Deretter lar en agentbasert omrangeringsprosess en planleggingsmodell utarbeide vurderingskriterier ut fra søkeformålet, bruker Cosmos Reason til å vurdere hvert klipp opp mot kriteriene og rangerer listen på nytt.

Gural opplyser at Voxel51 validerte kontrollen mot sju offentlige datasett: nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive og Lyft Level 5. Kontrollen avdekket 25 bekreftede problemer i de publiserte dataene, hvorav 17 ble rettet før rekonstruksjonen. Når det gjelder generering av syntetiske data med Cosmos Data Factory, rapporterer den grundige gjennomgangen at dokumentasjonen fra godkjenningsporten viste at 12 samplingstrinn matchet 35 når det gjaldt akseptrate, samtidig som kostnaden ble redusert fra 6,80 til 2,43 GPU-minutter per klipp; at en attributtbasert godkjenningsport godkjente bare 30–38 % av de genererte klippene; og at ny kalibrering av vurderingsmodellen økte den semantiske beståttandelen fra 3 % til 91 % uten ekstra GPU-tid.

Når det gjelder rekonstruksjon, rapporterer den grundige gjennomgangen et median toppsignal-støy-forhold på 29,05 dB på tvers av 25 offentlige nuScenes-scener behandlet på NVIDIA H100-GPU-er. Den viser til en nattlig nuScenes-scene som fikk 28,59 dB på dette målet, men samtidig oppnådde en strukturell likhetsscore på 0,56 og en lært perseptuell likhetsscore på 0,61. Gural bruker dette som eksempel på at én enkelt bildekvalitetsmåling kan godkjenne et resultat som tydelig er dårlig. Hver rekonstruksjonskjøring sendes til en kø for menneskelig gjennomgang, der ingeniører enten godkjenner den for simulering, sender den tilbake for ny trening eller avviser den. Ferdigbehandlede scener pakkes som USDZ-filer som er klare til bruk i simulatorer, blant annet NVIDIA AlpaSim.

Utrulling på Azure og eierskap til prosessen

Hvert trinn kjøres som en jobb på Microsoft Azure, der Volkswagen Group administrerer flåtedataene sine. Azure leverer lagrings- og databehandlingskapasiteten for databehandling, rekonstruksjon og simulering, samtidig som disse arbeidsoppgavene holdes innenfor konsernets eksisterende modell for sikkerhet, identitet og regional styring.

Voxel51 opplyste at en felles datamodell gjør det mulig å videreføre kjøredata og scenarioer som opprettes i ett prosjekt, på tvers av kjøretøyprogrammer, programvareutgivelser og merker. Hver nye kjøretur utvider scenariogrunnlaget, og rekonstruerte scener kan brukes om igjen i fremtidige utviklings- og valideringssykluser.

Voxel51s medgrunnlegger og administrerende direktør Brian Moore skrev at en bilprodusent kan eie sin egen utviklingssløyfe uten å bygge alle verktøyene selv: «Nøkkelen til å oppnå virkelig bransjeledende ytelse er å utnytte dataene selskapet har tilgang til. Du må eie utviklings- og iterasjonsløkken, selv om du ikke bygger alle lagene i teknologistakken selv.» Voxel51 beskriver plattformen sin som utvidbar: Teamene kan ta med egne modeller, definere tilpasset scenariologikk og koble til eksisterende data og infrastruktur, uten at plattformen legger føringer for hvordan selve kjøresystemet bygges.

Voxel51 fortalte at selskapet begynte å samarbeide med Porsche i 2024, da teknologilederen hos Porsche, Tin Stribor Sohn, beskrev datautfordringen som en oppgave som krevde automatisert merking for å forstå dataene, scenariodeteksjon for å finne det som er nytt eller viktig, og kuratering for å fjerne overflødig innhold. Med henvisning til en undersøkelse fra McKinsey opplyser Voxel51s innlegg også at én av fire forbrukere globalt ville bytte merke for å få bedre funksjoner for selvkjøring.

I en separat kunngjøring fra GTC Berlin opplyser NVIDIA at Volkswagen Commercial Vehicles presenterer sin autonome kjøretøyplattform ID. Buzz AD på databehandlingsplattformen NVIDIA Hyperion for å støtte flere systemer for autonom kjøring.