TIER IV przedstawia pięć otwartoźródłowych modeli do autonomicznej jazdy

TIER IV ogłosiła 11 listopada 2026 r. opracowanie i udostępnienie na zasadach open source pięciu kompleksowych modeli AI do autonomicznej jazdy w systemie Autoware — od rozwiązań wykorzystujących wyłącznie kamery po konfiguracje korzystające również z lidarów, radarów i map wysokiej rozdzielczości. Zestaw modeli daje producentom samochodów i partnerom technologicznym kilka możliwości optymalizacji modeli i integrowania ich z systemami pojazdów.

W skład zestawu wchodzą NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner i LatentDrive. Ich architektury typu end-to-end łączą percepcję otoczenia z generowaniem trajektorii jazdy, ale modele różnią się wymaganiami dotyczącymi czujników, sposobem planowania i stopniem gotowości: niektóre są już zintegrowane z Autoware, podczas gdy w przypadku pozostałych nadal trwają prace nad dostosowaniem ich do pojazdów lub integracją.

TIER IV przedstawia te modele jako konkretne rezultaty technologiczne prac nad Autoware 2.0 — architekturą nowej generacji, którą firma szczegółowo omówiła 2 listopada 2026 r. Architektura ta łączy podejścia oparte na AI z konwencjonalnymi metodami opartymi na regułach, wprowadza elastyczny system indeksowania ułatwiający modułową integrację oprogramowania oraz zapewnia platformę Reference Design, której celem jest ułatwienie komercyjnego wdrażania rozwiązań w różnych pojazdach, zastosowaniach i warunkach eksploatacji.

Różne modele do różnych pojazdów

Według TIER IV model Alpamayo 2 Edge ma 2 miliardy parametrów, w porównaniu z 34 miliardami w modelu Alpamayo 2 Super, i wykorzystuje wyłącznie obrazy z kamer oraz rozumowanie do generowania trajektorii jazdy. Integracja z Autoware jest już zakończona, ale TIER IV nadal optymalizuje model i dostosowuje go do rzeczywistych pojazdów.

Za rozwój AutoE2E odpowiadają wspólnie Autoware Foundation i TIER IV. Według TIER IV model ma 79,9 miliona parametrów i może działać na platformach obliczeniowych innych niż sprzęt NVIDIA; dostępne konfiguracje obejmują rozwiązania wykorzystujące wyłącznie kamery oraz systemy wyposażone także w lidary i radary. Jego architektura szybkiej i wolnej ścieżki łączy model reaktywny, podejmujący decyzje w czasie rzeczywistym, z modelami świata i rozumowania, które przewidują zmiany w otoczeniu i wspierają podejmowanie decyzji dotyczących jazdy.

METEOR, opracowany niezależnie przez TIER IV i przeznaczony przede wszystkim do prywatnych samochodów osobowych, ma 16 milionów parametrów. TIER IV informuje, że jego konwolucyjna sieć neuronowa wykorzystuje obraz otoczenia z lotu ptaka, by w ramach jednej sieci realizować zarówno percepcję, jak i generowanie trajektorii, bez korzystania z map HD. Model przyjmuje obrazy z jednej do ośmiu kamer, może dodatkowo wykorzystywać lidary i radary oraz obsługuje platformy półprzewodnikowe NVIDIA i Renesas.

Według TIER IV OnePlanner łączy percepcję z planowaniem ruchu. Obecnie wykorzystuje BEVFusion do tworzenia obrazu otoczenia z lotu ptaka na podstawie chmur punktów z lidaru, a cechy wyodrębnione podczas percepcji przekazuje bezpośrednio do modułu planującego. Ogranicza to konieczność przekształcania ich pośrednio w pozycje i prędkości obiektów. Model uwzględnia również mapy HD, informacje o trasie, stany sygnalizacji świetlnej i stany ruchu pojazdu, aby generować trajektorie na sześć sekund. Integracja z Autoware jest zakończona.

LatentDrive wykorzystuje V-JEPA — metodę samonadzorowanego uczenia — do odwzorowywania cech obrazu z kamer w przestrzeni ukrytej i generowania trajektorii bez pośredniego wykrywania i śledzenia obiektów. TIER IV informuje, że model nie wymaga map HD i generuje trajektorie na cztery sekundy na podstawie obrazu wideo, informacji o trasie i stanów ruchu pojazdu. Obsługuje jedną lub trzy kamery, a integracja z Autoware i walidacja w pojeździe nadal trwają.

Co obejmuje AutoE2E V1.0

Grupa robocza Robotaxi Working Group działająca w ramach Autoware Foundation i sponsorowana przez TIER IV opublikowała AutoE2E v1.0 11 listopada 2026 r. na licencji Apache 2.0, dopuszczającej zastosowania badawcze i komercyjne; dostępne są również wytrenowane checkpointy. Wydanie obejmuje model reaktywny, działający z częstotliwością 10 Hz, który łączy sześć widoków z kamer w obraz z lotu ptaka i planuje przyspieszanie oraz skręcanie na 6,4 sekundy. Warstwy modelu świata i rozumowania są nadal rozwijane tak, aby mogły współpracować z tym samym modułem planującym.

Fundacja informuje, że dostrojony model AutoE2E osiągnął średni błąd przemieszczenia wynoszący 0,744 metra w horyzoncie trzech sekund podczas walidacji na zarejestrowanych danych. W zestawieniu fundacji zajął drugie miejsce wśród ośmiu konfiguracji z otwartymi wagami. W tym teście w trybie otwartej pętli modele generowały predykcje na podstawie zarejestrowanych klatek z kamer, a następnie porównywano je z rzeczywistą trasą pokonaną przez kierowcę; AutoE2E otrzymywał również rastrową mapę i trasę, natomiast dane wejściowe różniły się w zależności od modelu. Wynik dotyczy więc przewidywania trajektorii na podstawie zarejestrowanych danych, a nie osiągów pojazdu poruszającego się po drogach bez kierowcy.

AutoE2E jest zintegrowany z Autoware na potrzeby oceny w trybie otwartej pętli, a testy w pojeździe w zamkniętej pętli są w toku, by ocenić jazdę w interakcji z otoczeniem. Fundacja informuje, że osiągi wdrożeniowe i wymagania dotyczące zasobów nadal wymagają oceny z uwzględnieniem specyfiki danej platformy; kolejne testy drogowe zaplanowano na 2027 r. Projekt obejmuje zastosowania od systemów wspomagania jazdy bez użycia rąk klasy L2++ po przyszłą bezzałogową mobilność klasy L4, ale L4 pozostaje celem rozwojowym, a nie obecnie dostępną funkcją.

Komercjalizacja i proces rozwoju

W przypadku METEOR TIER IV informuje, że wykorzystuje CoMET — zautomatyzowaną platformę do etykietowania danych w ramach Co-MLOps — wraz z agentową AI, aby automatyzować etykietowanie danych oraz trenowanie, ocenę i doskonalenie modeli, eliminując potrzebę ręcznego kodowania i etykietowania. Producenci samochodów i dostawcy komponentów mogą optymalizować model open source pod kątem specyfikacji i wymagań dotyczących osiągów własnych pojazdów.

Założyciel i dyrektor generalny Shinpei Kato powiedział, że strategia wielomodelowa ma pomóc producentom i dostawcom „przyswajać technologie stosownie do ich zastosowań i wymagań dotyczących wydajności, bez uzależniania się od konkretnego modelu AI ani platformy półprzewodnikowej”.

Ali Kani, wiceprezes ds. motoryzacji w NVIDIA, powiedział, że integracja Alpamayo 2 Edge zapewnia programistom otwartą bazę, która pozwala przenieść tę technologię z etapu badań do ich własnych pojazdów.

Według TIER IV kolejne kroki obejmują dalszą poprawę wydajności, optymalizację w pojeździe, komercjalizację z producentami samochodów i partnerami za pośrednictwem Autoware oraz rozszerzenie zastosowania na różne typy pojazdów i aplikacje. Autoware 2.0 zapewnia wspólną architekturę, ale niedokończone testy AutoE2E w pętli zamkniętej pokazują, że dostępność oprogramowania open source i zweryfikowane wdrożenie w pojazdach pozostają odrębnymi etapami.