TIER IV presenterer fem modeller med åpen kildekode for autonom kjøring

TIER IV kunngjorde 11. november 2026 utviklingen av fem KI-modeller for autonom kjøring fra ende til ende, og at de gjøres tilgjengelige som åpen kildekode for Autoware. Modellene omfatter alt fra systemer som bare bruker kameraer, til konfigurasjoner med LiDAR, radar og HD-kart. Modellutvalget gir bilprodusenter og teknologipartnere flere muligheter til å optimalisere modeller og integrere dem i kjøretøysystemer.

Modellutvalget består av NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner og LatentDrive. Modellene er utviklet ende til ende og kobler sammen omgivelsesoppfatning og generering av kjørebaner, men de har ulike krav til sensorer, ulike tilnærminger til planlegging og ulik grad av modenhet: Noen er integrert med Autoware, mens tilpasning til kjøretøy eller integrering fortsatt pågår for andre.

TIER IV presenterer modellene som konkrete teknologiske resultater for Autoware 2.0, neste generasjons arkitektur som selskapet beskrev 2. november 2026. Arkitekturen kombinerer KI-baserte og konvensjonelle, regelbaserte metoder, legger til en fleksibel indekseringsordning for modulær programvareintegrasjon og tilbyr et rammeverk for referansedesign som skal gjøre kommersiell innføring enklere på tvers av kjøretøy, bruksområder og driftsmiljøer.

Ulike modeller for ulike kjøretøy

TIER IV opplyser at Alpamayo 2 Edge har 2 milliarder parametere, sammenlignet med 34 milliarder i Alpamayo 2 Super, og bare bruker kamerabilder og resonnering til å generere kjørebaner. Integreringen med Autoware er fullført, men TIER IV optimaliserer fortsatt modellen og tilpasser den til faktiske kjøretøy.

Autoware Foundation og TIER IV leder utviklingen av AutoE2E. TIER IV oppgir at modellen har 79,9 millioner parametere, og sier at den kan kjøres på dataplattformer utover NVIDIAs maskinvare, med konfigurasjoner som spenner fra systemer med bare kameraer til systemer med LiDAR og radar. Den raske–langsomme arkitekturen kombinerer en reaktiv modell for beslutninger i sanntid med verdensmodeller og resonneringsmodeller som forutsier endringer i omgivelsene og støtter kjørebeslutninger.

METEOR, som TIER IV har utviklet uavhengig og først og fremst rettet mot private personbiler, har 16 millioner parametere. TIER IV sier at det konvolusjonelle nevrale nettverket bruker en representasjon sett ovenfra for å håndtere alt fra oppfatning til generering av kjørebaner i ett nettverk, uten å være avhengig av HD-kart. Det tar imot bilder fra én til åtte kameraer, kan utvides med LiDAR og radar og støtter halvlederplattformer fra NVIDIA og Renesas.

TIER IV sier at OnePlanner kombinerer omgivelsesoppfatning og bevegelsesplanlegging. Modellen bruker for tiden BEVFusion til å lage en representasjon sett ovenfra fra LiDAR-punktskyer, og sender egenskaper som trekkes ut under oppfatningen, direkte til planleggeren. Dermed reduseres behovet for mellomliggende konverteringer til objektposisjoner og hastigheter. Den innlemmer også HD-kart, ruteinformasjon, trafikklysenes tilstand og kjøretøyets bevegelsestilstand for å generere kjørebaner på seks sekunder. Integreringen med Autoware er fullført.

LatentDrive bruker V-JEPA, en metode for selvveiledet læring, til å representere egenskaper fra kameravideo i et latent rom og generere kjørebaner uten mellomliggende objektdeteksjon og -sporing. TIER IV sier at modellen ikke trenger HD-kart og genererer kjørebaner på fire sekunder ved hjelp av video, ruteinformasjon og kjøretøyets bevegelsestilstand. Den støtter ett eller tre kameraer, mens integreringen med Autoware og validering i kjøretøy fortsatt pågår.

Dette inneholder AutoE2E V1.0

Robotaxi Working Group i Autoware Foundation, som TIER IV sponser, lanserte AutoE2E v1.0 11. november 2026 under Apache 2.0-lisensen for forskning og kommersiell bruk. Trente kontrollpunkter er også tilgjengelige. Utgivelsen omfatter den reaktive modellen, som kjører med 10 Hz, kombinerer seks kameravisninger til en representasjon sett ovenfra og planlegger 6,4 sekunder med akselerasjon og styring. Verdensmodell- og resonneringslagene er fortsatt under utvikling, slik at de kan fungere sammen med den samme planleggeren.

Stiftelsen opplyser at den finjusterte AutoE2E-modellen oppnådde en gjennomsnittlig forskyvningsfeil på 0,744 meter over tre sekunder i validering med opptak av faktiske data. I sammenligningen rangerte den som nummer to blant åtte konfigurasjoner med åpne vekter. I denne testen med åpen sløyfe lagde modellene prediksjoner ut fra loggførte kamerabilder, og resultatene ble vurdert opp mot den menneskelige førerens faktiske kjørebane. AutoE2E fikk også et rasterkart og en rute, mens inndataene varierte mellom modellene. Resultatet gjelder derfor prediksjon av kjørebaner basert på opptak av data, ikke førerløs kjøring på vei.

AutoE2E er integrert med Autoware for evaluering med åpen sløyfe, og testing med lukket sløyfe i faktiske kjøretøy pågår for å vurdere interaktiv kjøring. Stiftelsen sier at ytelse ved utrulling og ressursbehov fortsatt må evalueres for hver enkelt plattform, og at det er planlagt flere prøvekjøringer på vei i 2027. Prosjektet retter seg mot bruksområder fra L2++ handsfree-kjøreassistanse til framtidig førerløs mobilitet på L4-nivå, men L4 er fortsatt et utviklingsmål og ikke en funksjon som finnes i dag.

Kommersialisering og utviklingsarbeidsflyt

For METEOR opplyser TIER IV at selskapet bruker CoMET, plattformen for automatisk merking i Co-MLOps, sammen med agentbasert KI for å automatisere datamerking og opplæring, evaluering og forbedring av modeller. Dette fjerner behovet for manuell koding og merking. Bilprodusenter og komponentleverandører kan optimalisere modellen med åpen kildekode for sine egne kjøretøyspesifikasjoner og ytelseskrav.

Grunnlegger og administrerende direktør Shinpei Kato sa at strategien med flere modeller skal hjelpe produsenter og leverandører med å «ta teknologier i bruk internt i tråd med bruksområdene og ytelseskravene, uten å være avhengige av en bestemt AI-modell eller halvlederplattform».

Ali Kani, visepresident for bilvirksomheten i NVIDIA, sa at integrasjonen av Alpamayo 2 Edge gir utviklere et åpent grunnlag for å ta teknologien fra forskning og over i egne kjøretøy.

De neste stegene TIER IV har skissert, er ytterligere ytelsesforbedringer, optimalisering i kjøretøy, kommersialisering med bilprodusenter og partnere gjennom Autoware samt utvidelse til flere kjøretøytyper og bruksområder. Autoware 2.0 leverer den felles arkitekturen, men den uferdige lukkede sløyfetestingen av AutoE2E viser at tilgjengelighet som åpen kildekode og validert utrulling i kjøretøy fortsatt er separate milepæler.