Hyundai Motor Group sätter Data Flywheel i full drift

Hyundai Motor Group sade i ett 13 september 2026, tillkännagivande att de har satt sin Data Flywheel i full drift, och redogjorde för en tvåspårig färdplan för autonom körning samt vad de kallade den första presentationen av sin Level 2++‑teknik på HMG Autonomous Driving Media Day, som hölls på 42dots huvudkontor i Gyeonggi-provinsen, Sydkorea.

Under evenemanget presenterade koncernen sin strategi för utveckling av autonom körning, tekniska färdplan, nyckelresultat och implementeringsplaner. 42dot introducerade nyckelteknologier och utvecklingsframsteg för Atria AI, koncernens egna artificiella intelligens för autonom körning, och redogjorde för sitt Vision‑Language‑Action‑ (VLA) teknikutvecklingsinitiativ. Koncernen visade också upp filmsekvenser från ett Atria AI‑utrustat SDV‑Testbed som navigerade komplex stadstrafik utan förarintervention och körde med Level 2++‑kapacitet.

“Konkurrenskraft bestäms av hur mycket data du säkrar, hur snabbt du lär dig och hur effektivt du kan omsätta resultaten i faktiska produkter och tjänster,” sade Minwoo Park, president och chef för Advanced Vehicle Platform (AVP)-divisionen på Hyundai Motor Group samt VD för 42dot. Park sade att koncernen kommer att utveckla autonom körningsteknik som kunder kan lita på, baserad på en positiv cykel av data, AI och validering.

Tvåspårig strategi fastställer produktionsmål för 2028 och 2029

Färdplanen bygger på det utökade strategiska partnerskap med NVIDIA som Hyundai Motor Company och Kia Corporation tillkännagav den 16 mars 2026. Avtalet omfattar utveckling av autonom körning från Level 2 till Level 4 på en integrerad arkitektur baserad på NVIDIA DRIVE Hyperion‑plattformen, en enhetlig inlärningspipeline som sträcker sig över insamling av verkliga data, AI‑modellträning och utrullning i produktionsfordon, samt vidare diskussioner om att främja Level 4‑robotaxi‑kapaciteter via Motional, koncernens joint venture för autonoma fordon.

Under spår ett kommer koncernen att integrera NVIDIAs AI‑beräkningsplattform för fordon och mjukvara för autonom körning i sin mjukvarudefinierade fordon (SDV)-arkitektur. Produktionsfordon utrustade med NVIDIA‑baserade Level 2+‑funktioner för autonom körning är planerade för första halvan av 2028, medan Level 2++‑produktionsfordon är målsatta för andra halvan av 2028. Sensorteknik som används av Hyundai Motor, Kia, 42dot och Motional kommer successivt att standardiseras kring NVIDIA DRIVE Hyperion 10, en förändring som koncernen menar kommer att möjliggöra mer konsekvent datainsamling och -användning för AI‑träning och validering.

Spår två fokuserar på Atria AI, ett eget end‑to‑end‑system för autonom körning som gemensamt utvecklats av AVP‑divisionen och 42dot inom ett integrerat utvecklingsramverk. Produktion av Atria AI‑drivna Level 2++‑fordon är planerad för andra halvan av 2029, med funktioner som utvecklas i faser baserat på verkliga kördata som samlas in från produktionsfordon.

Hur Data Flywheel fungerar

Data Flywheel fungerar som en cykel där data som samlas in från fordon används för att träna och validera AI‑modeller, och förbättrade modeller sedan distribueras tillbaka till fordonen för att generera ny data. Koncernen uppger att Hyundai Motor och Kia säljer mer än 7 miljoner fordon årligen i cirka 190 länder och regioner, och att de för närvarande driver omkring 40 dedikerade datainsamlingsfordon dygnet runt. De insamlade datasetten omfattar rutinmässiga körsituationer samt kantfall: vägarbeten och infrastrukturskillnader, svåra väderförhållanden, plötsliga filbyten och nödförfaranden, parkerade fordon på sidogator och smala vägar samt komplexa urbana trafikdynamiker.

Sedan början av 2026 har koncernen integrerat nya inlärningstekniker i systemet. Hard Example Mining identifierar automatiskt utmanande körsituationer som AI‑modeller har svårt att känna igen eller tolka och prioriterar dessa scenarier för träning. En Continuous Training Pipeline införlivar nyförvärvad data från verklig körning och validering i modellträning, där resultat från fordonsevaluering återförs till datainsamling och modellutveckling. Virtual Validation Technology rekonstruerar verklig kördata till tredimensionella miljöer med hjälp av grafikmetoder som 3D Gaussian Splatting för att återskapa scenarier som är svåra eller potentiellt osäkra att reproducera i verkliga tester.

En Follow‑the‑Sun‑utvecklingsmodell kopplar samman centra i Sydkorea och USA, vilket låter team utnyttja tidszonskillnader för att utföra datainsamling, problemanalys och modellförbättring i kontinuerliga 24‑timmarscykler. Koncernen integrerar gradvis sin Special Event Recorder, som automatiskt registrerar och lagrar betydande händelser under autonom körning, i Data Flywheel, främst för att stödja modellträning och prestandaförbättring. Den etablerar också ett Data Union‑ramverk baserat på standardiserade sensorarkitekturer och datastrukturer, så att data som genereras av flera fordon och organisationer kan samlas under gemensamma standarder, initialt för Hyundai Motor, Kia, 42dot och Motional.

Junghyun Kwon, verkställande vice VD och chef för Hyundai Motor Groups Autonomous Driving Development Center samt ledare för 42dot Autonomous Driving Division, sade att konkurrenskraft beror mindre på datamängd än på hur snabbt data kopplas till inlärning, validering och prestandaförbättring. Seonggyun Jeong, gruppledare för 42dots Atria Group, sade att koncernen kontinuerligt förbättrar prestanda och mognad för Atria AI genom en integrerad utvecklingscykel som omfattar datainsamling, modellträning och verklig fordonstestning.

Gwangju Level 4‑pilot

I samarbete med Sydkoreas Ministry of Land, Infrastructure and Transport planerar koncernen att distribuera den Atria AI‑utrustade SDV Pace Car i Jeonnam‑Gwangju Special Metropolitan City senast i slutet av 2026. Piloten kommer att köra autonoma fordon på faktiska koreanska vägar med komplex trafikdynamik och oförutsägbara variabler, vilket koncernen beskriver som förhållanden som i grunden skiljer sig från kontrollerade testbanor. Den uppger att körscenario och nödsituationer som fångas under driftsättningen kommer att återföras till Data Flywheel, vilket förbättrar både Level 2+‑massproducerad förarassistans och valideringen av avancerade Level 4‑kapaciteter.

Seoul‑körfilm och VLA‑utveckling

Koncernen släppte också videomaterial från det Atria AI‑utrustade SDV‑Testbedet som navigerade i faktisk Seoul‑trafik utan förarintervention, presenterat i tre kategorier. En exekutiv ride‑along‑video visar Park och Jeong som färdas genom centrala Seoul via motorvägar, stora huvudvägar, broar och stadsgator, och diskuterar Atria AI:s utvecklingsprocess, nuvarande tekniska möjligheter och beslutsmekanismer under färden. En‑tag‑sekvenser fångar trångt morgonrus i Gangnam, högdensitetstrafik i Jamsil med frekventa interaktioner med stora fordon som bussar, samt regnig stadskörning i Pangyo, där varje klipp varar ungefär två till fyra minuter utan redigering förutom justering av uppspelningshastigheten.

En tredje video visar tio kantfalls‑scenarier, inklusive att undvika fordon som är parkerade längs vägrenen, reagera på plötsliga inbromsningar från andra fordon, navigera oskyddade vänstersvängar, upptäcka fotgängare i trånga områden och identifiera mötande fordon på smala bostadsgator. Park sade att utvecklingshastighet och säkerhet inte är motstridiga värden, och att koncernen endast kommer att tillämpa grundligt validerad teknik i sina fordon.

Utöver sina befintliga end‑to‑end‑modeller utvecklar 42dot Vision‑Language‑Action‑modeller som kombinerar visuell informationsigenkänning, språkbaserad resonemang och handlingsgenerering i ett enda ramverk. 42dot beskriver VLA som en nyckelteknologi för Physical AI‑tillämpningar, inklusive autonom körning och robotik, och säger att det tillagda språkbaserade resonemanget möjliggör förbättrat beslutsfattande och förklarbarhet i komplexa körscenario. Företaget förväntar sig att VLA ska förbättra svaren på sällsynta körsituationer genom att utnyttja språkbaserat resonemang och storskalig förtränad kunskap som är svår att lära sig enbart från kördata. 42dot har också släppt utvecklingsmaterial som visar hur VLA‑modellen tolkar körsituationer och presenterar sitt resonemang på naturligt språk under fordonets drift.

“VLA är en kärnteknologi för att implementera Physical AI där AI går bortom att bara köra för att förstå situationer, resonera kring dem och agera,” sade HeeSeok Lee, Gruppchef för 42dot’s Trion Group.

42dot’s VLA‑baserade teknik för autonom körning befinner sig för närvarande i den simulationsbaserade modellvalideringsfasen, och hela utvecklingsprocessen, inklusive tester med riktiga fordon, är planerad från slutet av 2026 till början av 2027.