Porsche очолює створення спільного маховика даних для брендів Volkswagen Group

На конференції GTC Berlin компанії NVIDIA 21 жовтня 2026 року Porsche, бренди Volkswagen Group і CARIAD оголосили, що спільно створюють спільний маховик даних для розробки автономних транспортних засобів. Початкове впровадження та інтеграцію в екосистему очолює Porsche разом із Voxel51, NVIDIA та Microsoft.

Volkswagen Group очолює розробку стека фізичного ШІ, що поєднує дані автопарку із симуляцією, навчанням та оцінюванням. За словами Voxel51, підключений автопарк групи щодня генерує обсяг даних, еквівалентний даним 11 000 середньостатистичних водіїв. Компанії очікують, що співпраця дасть змогу скоротити кількість повторних тестових поїздок на реальних дорогах на 90% і скоротити цикли регресійного тестування ШІ на 85%.

Ролі учасників у спільному циклі

Компанії описують співпрацю як еталонну архітектуру для автовиробників, які створюють передові системи керування автомобілем наступного покоління.

Volkswagen надає підключений автопарк, дані про реальні поїздки, платформу автомобіля та системні вимоги. Voxel51 забезпечує рівень даних, підтримуючи шість робочих процесів у цьому циклі: мультимодальний пошук і отримання даних, автоматичне маркування, відбір даних за сценаріями, балансування наборів даних, добір навчальних даних і валідацію моделей. NVIDIA надає технології отримання даних, їх генерації та симуляції, зокрема Cosmos Data Factory для підготовки, розширення й оцінювання навчальних даних, бібліотеки Omniverse NuRec для реконструкції реальних поїздок, а також відкриті моделі й інструменти для тестування систем керування автомобілем у симуляції. Microsoft Azure забезпечує хмарну інфраструктуру та обчислювальні ресурси; робочі навантаження виконуються в масштабі автопарку на інфраструктурі, якою група вже користується.

У власному повідомленні NVIDIA для преси за підсумками конференції зазначено, що Porsche очолює розробку робочого процесу маховика даних для брендів Volkswagen Group через Voxel51, використовуючи Cosmos Data Factory та Omniverse NuRec на Azure.

Віцепрезидент NVIDIA з автомобільного напряму Ріші Далл заявив у повідомленні, що симуляція перетворює досвід водіння в реальних умовах на безперервний цикл навчання та вдосконалення, а Volkswagen Group може перетворювати дані автопарку на високоточні сценарії симуляції за допомогою платформи даних Voxel51 разом з Omniverse NuRec і Cosmos.

Аудит, контрольні етапи генерації та результати реконструкції

Віртуальна валідація випусків програмного забезпечення для керування автомобілем — один із перших способів застосування спільного циклу для Porsche та Volkswagen Group. Інженери відтворюють реконструйовані зображення з камер під час реальних поїздок і звіряють результати симуляції з вимірюваннями в реальних умовах. За словами Voxel51, мета полягає в тому, щоб зробити тестування відтворюваним, скоротити цикли зворотного зв’язку та зменшити залежність від тестових поїздок на реальних дорогах.

Перш ніж будь-який запис потрапить на реконструкцію за допомогою GPU, Voxel51 перевіряє необроблений журнал за приблизно 80 критеріями, що охоплюють цілісність даних із сенсорів, часові параметри, калібрування, траєкторії, об’єкти та системи координат. У детальному технічному огляді Дена Ґурала, керівника Voxel51 із партнерств у сфері фізичного ШІ, зазначено, що аудит безпосередньо зчитує файли MCAP і виконується на трьох рівнях: перевірка маніфесту займає близько мілісекунди на одну поїздку, перевірка епізоду — близько секунди, а декодована перевірка — кілька хвилин на поїздку. Для кожної перевірки фіксується, чи її пройдено, не пройдено або не вдалося виконати. Застосовується правило, яке Voxel51 називає «відсутність даних — це не успішне проходження», тож відсутній вхідний параметр не можна вважати валідними даними.

Ґурал описує цикл із п’яти етапів: пошук, перевірка, генерація, реконструкція та оцінювання. Для етапу пошуку платформа інтегрує NVIDIA Cosmos Dataset Search: кліпи перетворюються на векторні представлення за допомогою Cosmos-Embed1 і зберігаються в Milvus. Потім агентний механізм повторного ранжування доручає моделі-планувальнику створити критерії оцінювання на основі мети пошуку, використовує Cosmos Reason для оцінювання кожного кліпу за цими критеріями та формує список із новим ранжуванням.

За словами Ґурала, Voxel51 перевірила аудит на семи загальнодоступних наборах даних: nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive і Lyft Level 5. Аудит виявив у опублікованих даних 25 підтверджених проблем, 17 із яких усунули до реконструкції. Щодо генерації синтетичних даних за допомогою Cosmos Data Factory, у детальному огляді зазначено, що збережені дані контрольного етапу показали: 12 кроків семплювання зрівнялися з 35 за часткою прийняття, знизивши вартість із 6,80 до 2,43 хвилини GPU на кліп; контроль за атрибутами пройшли лише 30–38% згенерованих кліпів; а повторне калібрування оцінювача підвищило частку семантично успішних результатів із 3% до 91% без додаткового часу GPU.

Щодо реконструкції, у детальному огляді повідомляється про медіанне пікове співвідношення сигнал/шум 29,05 дБ для 25 загальнодоступних сцен nuScenes, оброблених на GPU NVIDIA H100. У ньому також наведено приклад однієї нічної сцени nuScenes: за цим показником вона набрала 28,59 дБ, але її структурна подібність становила 0,56, а навчена перцептивна подібність — 0,61. На думку Ґурала, цей приклад показує, що за єдиним показником якості зображення можна помилково зарахувати явно поганий результат. Кожен запуск реконструкції потрапляє в чергу на перевірку людиною: інженери або схвалюють результат для симуляції, або повертають його на повторне навчання, або відхиляють. Завершені сцени пакують у файли USDZ, готові до використання в симуляторах, зокрема NVIDIA AlpaSim.

Розгортання в Azure та контроль над циклом

Кожен етап виконується як завдання в Microsoft Azure, де Volkswagen Group керує даними свого автопарку. Azure забезпечує зберігання даних і обчислювальні ресурси для їх обробки, реконструкції та моделювання, водночас ці робочі процеси залишаються в межах наявної в групі моделі безпеки, керування ідентифікацією та регіонального контролю.

У Voxel51 зазначили, що спільна модель даних дає змогу переносити дані про поїздки та сценарії, створені в одному проєкті, між програмами розробки транспортних засобів, випусками програмного забезпечення та брендами. Кожна нова поїздка розширює базу сценаріїв, а реконструйовані сцени можна повторно використовувати в майбутніх циклах розробки й валідації.

Співзасновник і генеральний директор Voxel51 Браян Мур написав, що автовиробник може самостійно керувати циклом розробки, не створюючи всі інструменти власноруч: «Щоб досягти справді провідних у галузі показників, потрібно ефективно використовувати дані, до яких має доступ ваша компанія. Ви маєте самостійно контролювати цикл розробки та вдосконалення, навіть якщо не створюєте самостійно кожен рівень стека». Voxel51 описує свою платформу як розширювану: команди можуть використовувати власні моделі, визначати спеціальну логіку сценаріїв і підключати наявні дані та інфраструктуру, не обмежуючись заданим способом побудови самої системи керування автомобілем.

У Voxel51 розповіли, що почали співпрацювати з Porsche у 2024 році, коли технічний керівник Porsche Тін Стрібор Зон описав проблему з даними як таку, для розв’язання якої потрібні автоматизоване маркування, щоб зрозуміти дані, виявлення сценаріїв, щоб знаходити нові або важливі випадки, і відбір даних для усунення надмірності. У дописі Voxel51 також наведено результати опитування McKinsey: кожен четвертий споживач у світі змінив би бренд заради кращих функцій автономного водіння.

Окремо, на GTC Berlin, згідно з повідомленням NVIDIA, Volkswagen Commercial Vehicles демонструє платформу автономного транспортного засобу ID. Buzz AD на обчислювальній платформі NVIDIA Hyperion для підтримки кількох систем автономного водіння.