Hyundai Motor Group вводит Data Flywheel в полную эксплуатацию

Hyundai Motor Group заявила в объявление от 13 сентября 2026 года, что она ввела свой Data Flywheel в полную эксплуатацию, представив двойственную дорожную карту автономного вождения и то, что она назвала первой демонстрацией своей технологии Level 2++ на HMG Autonomous Driving Media Day, проведённом в штаб‑квартире 42dot в провинции Кенги, Южная Корея.

Во время мероприятия группа представила свою стратегию разработки автономного вождения, технологическую дорожную карту, ключевые достижения и планы внедрения. 42dot представила ключевые технологии и прогресс разработки Atria AI, проприетарного искусственного интеллекта автономного вождения группы, и изложила инициативу по развитию технологии Vision-Language-Action (VLA). Группа также представила видеоматериалы с SDV‑тестовой платформой, оснащённой Atria AI, которая перемещалась по сложному городскому трафику без вмешательства водителя, работая на уровне возможностей Level 2++.

“Конкурентоспособность определяется тем, сколько данных вы собираете, как быстро вы учитесь и насколько эффективно вы можете отразить эти результаты в реальных продуктах и услугах,” сказал Минву Пак, президент и глава подразделения Advanced Vehicle Platform (AVP) в Hyundai Motor Group и генеральный директор 42dot. Пак отметил, что группа будет разрабатывать технологию автономного вождения, которой потребители могут доверять, основываясь на благоприятном цикле данных, ИИ и валидации.

Стратегия двойного трека устанавливает производственные цели на 2028 и 2029 годы

Дорожная карта опирается на расширенное стратегическое партнёрство с NVIDIA, объявленное Hyundai Motor Company и Kia Corporation 16 марта 2026 года. Это соглашение охватывает разработку автономного вождения от уровня 2 до уровня 4 на интегрированной архитектуре, построенной на платформе NVIDIA DRIVE Hyperion, единой обучающей конвейерной системе, охватывающей сбор реальных данных, обучение моделей ИИ и их внедрение в серийные автомобили, а также дальнейшие обсуждения по развитию возможностей роботакси уровня 4 через Motional, совместное предприятие группы в области автономных транспортных средств.

В рамках первого трека группа интегрирует вычислительную платформу ИИ для автомобилей NVIDIA и программное обеспечение автономного вождения в свою архитектуру программно‑определяемого автомобиля (SDV). Производственные автомобили, оснащённые возможностями автономного вождения уровня 2+ на основе решений NVIDIA, планируются к выпуску в первой половине 2028 года, а автомобили уровня 2++ — во второй половине 2028 года. Датчики, используемые в Hyundai Motor, Kia, 42dot и Motional, будут постепенно стандартизированы вокруг NVIDIA DRIVE Hyperion 10, что, по словам группы, обеспечит более согласованный сбор и использование данных для обучения и валидации ИИ.

Второй трек сосредоточен на Atria AI, проприетарной сквозной системе автономного вождения, совместно разрабатываемой подразделением AVP и 42dot в рамках интегрированной среды разработки. Производство автомобилей уровня 2++ на базе Atria AI планируется во второй половине 2029 года, при этом возможности будут развиваться поэтапно на основе данных реального вождения, собранных с серийных автомобилей.

Как работает Data Flywheel

Data Flywheel функционирует как цикл, в котором данные, собранные с автомобилей, используются для обучения и валидации моделей ИИ, а улучшенные модели затем внедряются обратно в автомобили для генерации новых данных. Группа сообщает, что Hyundai Motor и Kia продают более 7 млн автомобилей ежегодно в примерно 190 странах и регионах, и что в настоящее время они эксплуатируют около 40 специализированных автомобилей для сбора данных круглосуточно. Собранные наборы данных включают обычные сценарии вождения, а также граничные случаи: зоны дорожных работ и различия в инфраструктуре, экстремальные погодные условия, резкие смены полос и экстренные манёвры, припаркованные автомобили на боковых улицах и узких дорогах, а также сложную динамику городского трафика.

С начала 2026 года группа интегрировала в систему новые технологии обучения. Hard Example Mining автоматически выявляет сложные ситуации вождения, которые модели ИИ трудно распознать или интерпретировать, и отдаёт приоритет этим сценариям при обучении. Непрерывный конвейер обучения (Continuous Training Pipeline) включает недавно полученные данные реального вождения и валидации в процесс обучения моделей, при этом результаты оценки автомобилей возвращаются в сбор данных и разработку моделей. Технология виртуальной валидации (Virtual Validation Technology) воссоздаёт данные реального вождения в трёхмерных средах, используя графические методы, такие как 3D Gaussian Splatting, для воспроизведения сценариев, которые трудно или потенциально небезопасно воспроизводить в реальных испытаниях.

Модель разработки «Follow-the-Sun» соединяет центры в Южной Корее и США, позволяя командам использовать разницу часовых поясов для выполнения сбора данных, анализа проблем и улучшения моделей в непрерывных 24‑часовых циклах. Группа постепенно интегрирует свой Special Event Recorder, который автоматически записывает и сохраняет значимые события во время автономного вождения, в Data Flywheel, в первую очередь для поддержки обучения моделей и повышения их производительности. Кроме того, создаётся рамочная структура Data Union, основанная на стандартизированных архитектурах датчиков и структурах данных, чтобы данные, генерируемые множеством автомобилей и организаций, могли накапливаться по единым стандартам, первоначально в Hyundai Motor, Kia, 42dot и Motional.

Чжунхён Квон, исполнительный вице‑президент и глава Центра разработки автономного вождения Hyundai Motor Group, а также руководитель подразделения автономного вождения 42dot, заявил, что конкурентоспособность зависит не столько от объёма данных, сколько от скорости их соединения с обучением, валидацией и повышением производительности. Сонгён Чжон, руководитель группы Atria в 42dot, отметил, что группа постоянно повышает эффективность и зрелость Atria AI посредством интегрированного цикла разработки, охватывающего сбор данных, обучение моделей и валидацию в реальных автомобилях.

Пилотный проект уровня 4 в Гванчжу

В сотрудничестве с Министерством земельных ресурсов, инфраструктуры и транспорта Республики Корея группа планирует к концу 2026 года разместить SDV Pace Car, оснащённый Atria AI, в специальном мегаполисе Чоннам‑Гванчжу. Пилотный проект будет эксплуатировать автономные автомобили на реальных корейских дорогах со сложной динамикой трафика и непредсказуемыми переменными, которые группа описывает как условия, принципиально отличающиеся от контролируемых испытательных трасс. Группа заявляет, что сценарии вождения и чрезвычайные ситуации, зафиксированные в ходе развертывания, будут возвращены в Data Flywheel, улучшая как технологии помощи водителю уровня 2+ для массового производства, так и валидацию продвинутых возможностей уровня 4.

Видео вождения в Сеуле и разработка VLA

Группа также опубликовала видеоматериалы с SDV‑тестовой платформой, оснащённой Atria AI, которая перемещалась по реальному трафику Сеула без вмешательства водителя, представленные в трёх категориях. Видео с участием руководителей показывает Пака и Чжона, путешествующих по центру Сеула по автомагистралям, главным магистралям, мостам и городским улицам, обсуждая процесс разработки Atria AI, текущие технические возможности и механизмы принятия решений во время поездки. Съёмки в одном дубле фиксируют плотный утренний час пик в Гангнаме, интенсивный трафик в Джамсиле с частыми взаимодействиями, включающими крупные транспортные средства, такие как автобусы, и дождливое городское вождение в Пангё, каждый ролик длится примерно от двух до четырёх минут без монтажа, кроме регулировки скорости воспроизведения.

Третье видео демонстрирует десять граничных сценариев, включая объезд припаркованных вдоль обочины автомобилей, реагирование на внезапные выездные манёвры, проезд незащищённых поворотов налево, обнаружение пешеходов в перегруженных зонах и идентификацию встречных автомобилей на узких улицах жилых районов. Пак отметил, что скорость разработки и безопасность не являются противоречивыми ценностями, и что группа будет применять к своим автомобилям только тщательно проверенную технологию.

Помимо своих существующих сквозных моделей, 42dot разрабатывает модели Vision-Language-Action, которые объединяют распознавание визуальной информации, языко‑ориентированное рассуждение и генерацию действий в единой структуре. 42dot описывает VLA как ключевую технологию для приложений Physical AI, включая автономное вождение и робототехнику, и заявляет, что добавленное языко‑ориентированное рассуждение повышает качество принятия решений и объяснимость в сложных сценариях вождения. Компания ожидает, что VLA улучшит реакции на редкие дорожные ситуации, опираясь на языко‑ориентированное рассуждение и крупномасштабные предварительно обученные знания, которые трудно получить только из данных вождения. 42dot также выпустила видеоматериалы разработки, демонстрирующие, как модель VLA интерпретирует дорожные ситуации и выводит свои рассуждения на естественном языке во время эксплуатации автомобиля.

«VLA — это ключевая технология для реализации Physical AI, где ИИ выходит за рамки простого вождения, чтобы понимать ситуации, рассуждать о них и действовать», — сказал HeeSeok Lee, руководитель группы Trion Group.

Технология автономного вождения на основе VLA от 42dot в настоящее время находится на этапе валидации модели в симуляции, при этом полный процесс разработки, включая испытания на реальных автомобилях, запланирован на конец 2026 года — начало 2027 года.