TIER IV presenterar fem modeller med öppen källkod för autonom körning

TIER IV meddelade den 11 november 2026 att företaget utvecklar fem AI-modeller för end-to-end-autonom körning med öppen källkod och tillgängliga för Autoware. Modellerna omfattar allt från system med enbart kameror till konfigurationer med LiDAR, radar och högupplösta kartor. Utbudet ger biltillverkare och teknikpartner flera alternativ för att optimera modellerna och integrera dem i fordonssystem.

Utbudet består av NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner och LatentDrive. Deras end-to-end-utformning kopplar samman avläsning av omgivningen med generering av körbanor, men modellerna skiljer sig åt vad gäller sensorkrav, planeringsmetod och utvecklingsstadium: vissa är integrerade med Autoware, medan anpassning för fordon eller integration fortfarande pågår för andra.

TIER IV beskriver modellerna som konkreta tekniska resultat av Autoware 2.0, nästa generations arkitektur som företaget presenterade i detalj den 2 november 2026. Arkitekturen kombinerar AI-baserade metoder med konventionella regelbaserade metoder, inför ett flexibelt indexeringssystem för modulär programvaruintegration och tillhandahåller ett ramverk för referensdesign som ska underlätta kommersiell användning i olika fordon, tillämpningar och driftmiljöer.

Olika modeller för olika fordon

TIER IV uppger att Alpamayo 2 Edge har 2 miljarder parametrar, jämfört med 34 miljarder i Alpamayo 2 Super, och att modellen enbart använder kamerabilder och resonemang för att generera körbanor. Integrationen med Autoware är klar, men TIER IV optimerar fortfarande modellen och anpassar den för verkliga fordon.

Autoware Foundation och TIER IV leder utvecklingen av AutoE2E. TIER IV anger att modellen har 79,9 miljoner parametrar och uppger att den kan köras på andra beräkningsplattformar än NVIDIAs, med konfigurationer som sträcker sig från enbart kameror till system med LiDAR och radar. Den snabba–långsamma arkitekturen kombinerar en reaktiv modell för beslut i realtid med världsmodeller och resonemangsmodeller som förutsäger förändringar i omgivningen och ger stöd för körbeslut.

METEOR, som TIER IV har utvecklat självständigt och främst riktar in sig på privatägda personbilar, har 16 miljoner parametrar. Enligt TIER IV använder det konvolutionella neurala nätverket en representation i fågelperspektiv för att hantera allt från avläsning av omgivningen till generering av körbanor i ett och samma nätverk, utan att förlita sig på HD-kartor. Modellen tar emot bilder från en till åtta kameror, kan kompletteras med LiDAR och radar och stöder halvledarplattformar från NVIDIA och Renesas.

TIER IV uppger att OnePlanner kombinerar avläsning av omgivningen med rörelseplanering. Modellen använder för närvarande BEVFusion för att skapa en representation i fågelperspektiv från LiDAR-punktmoln och överför funktioner som extraherats vid avläsningen direkt till planeraren, vilket minskar antalet mellanliggande omvandlingar till objektpositioner och hastigheter. Den använder också HD-kartor, ruttinformation, trafikljusens lägen och fordonets rörelsetillstånd för att generera körbanor sex sekunder framåt. Integrationen med Autoware är klar.

LatentDrive använder V-JEPA, en metod för självövervakad inlärning, för att representera egenskaper från kameravideo i ett latent utrymme och generera körbanor utan mellanliggande objektdetektering och spårning. TIER IV uppger att modellen inte behöver någon HD-karta och genererar körbanor fyra sekunder framåt med hjälp av video, ruttinformation och fordonets rörelsetillstånd. Den stöder en eller tre kameror, medan integrationen med Autoware och valideringen i fordon fortfarande pågår.

Det här ingår i AutoE2E V1.0

Autoware Foundations Robotaxi-arbetsgrupp, med TIER IV som sponsor, släppte AutoE2E v1.0 den 11 november 2026 under licensen Apache 2.0 för forskning och kommersiell användning. Tränade kontrollpunkter finns också tillgängliga. I versionen ingår den reaktiva modellen, som körs med 10 Hz, sammanför sex kameravyer till en representation i fågelperspektiv och planerar acceleration och styrning 6,4 sekunder framåt. Världsmodell- och resonemangslagren utvecklas fortfarande för att fungera med samma planerare.

Enligt stiftelsen uppnådde den finjusterade AutoE2E-modellen ett genomsnittligt förskjutningsfel på 0,744 meter över tre sekunder vid validering med inspelade data. I jämförelsen kom den på andra plats bland åtta konfigurationer med öppna vikter. I det här testet med öppen slinga gjorde modellerna förutsägelser utifrån loggade kamerabilder, och resultaten jämfördes med den faktiska körbanan som den mänskliga föraren följde. AutoE2E fick också en rasterkarta och en rutt, medan indatamängden varierade mellan modellerna. Resultatet gäller därför förutsägelse av körbanor med inspelade data, inte körprestanda utan förare på väg.

AutoE2E är integrerat med Autoware för utvärdering med öppen slinga, och tester med sluten slinga i verkliga fordon pågår för att bedöma interaktiv körning. Enligt stiftelsen måste prestanda vid driftsättning och resurskrav fortfarande utvärderas för varje plattform, och ytterligare vägtester planeras till 2027. Projektet riktar sig mot tillämpningar från förarassistans på nivå L2++ utan händer på ratten till framtida förarlös mobilitet på nivå L4, men L4 är fortfarande ett utvecklingsmål och inte en befintlig förmåga.

Kommersialisering och utvecklingsprocess

För METEOR uppger TIER IV att företaget använder CoMET, den automatiserade märkningsplattformen inom Co-MLOps, tillsammans med agentisk AI för att automatisera datamärkning samt träning, utvärdering och förbättring av modeller. Det gör manuell kodning och märkning överflödig. Biltillverkare och komponentleverantörer kan optimera modellen med öppen källkod för sina egna fordonsspecifikationer och prestandakrav.

Grundaren och vd:n Shinpei Kato sade att strategin med flera modeller är avsedd att hjälpa tillverkare och leverantörer att ”ta till sig tekniker utifrån sina användningsområden och prestandakrav, utan att vara beroende av en viss AI-modell eller halvledarplattform.”

NVIDIA:s vice vd för fordonsverksamheten, Ali Kani, sade att integrationen av Alpamayo 2 Edge ger utvecklare en öppen grund för att föra tekniken från forskningen till sina egna fordon.

TIER IV:s uttalade nästa steg är ytterligare prestandaförbättringar, optimering i fordon, kommersialisering tillsammans med biltillverkare och partner genom Autoware samt expansion till fler fordonstyper och användningsområden. Autoware 2.0 tillhandahåller den gemensamma arkitekturen, men det ofärdiga arbetet med testning i en sluten återkopplingsslinga i AutoE2E visar att tillgång till öppen källkod och validerad driftsättning i fordon fortfarande är två separata milstolpar.