A globális robotaxi-piac – amelyet a fizikai mesterséges intelligencia első kereskedelmi áttörésének tekintenek – 2035-re elérheti a 400 milliárd dolláros értéket, miközben már ma több mint 6 millió kereskedelmi jármű működik önvezetőként a világ legsűrűbb forgalmú városaiban. Az NVIDIA nyílt platformja áll az iparág mögött: minden ma kereskedelmi léptékben működő robotaxi-program az NVIDIA moduláris technológiai összeállítását használja – valamilyen kombinációban.
A három számítógép: az NVIDIA robotaxi platformjának felépítése
Az NVIDIA az önvezető járművek fejlesztéséhez szükséges teljes technológiai vermet egy háromszámítógépes megoldásban foglalja össze. Ez lefedi a mesterséges intelligencia modelljeinek betanítását, a szimulációt és biztonsági validációt, valamint a valós idejű, járműn belüli számítást.
1. Tréningszámítógép: NVIDIA DGX
A robotaxi-programok egyre növekvő mennyiségű flottaadatot dolgoznak fel ahhoz, hogy egyre képesebb modelleket hozzanak létre. A modelleket NVIDIA DGX rendszereken lehet betanítani. Az NVIDIA Alpamayo portfólió nyílt VLA (vision language action) reasoning modelleket, szimulációs keretrendszereket és fizikai AI-adatkészleteket kínál, amelyeket a fejlesztők saját igényeikhez alakíthatnak.
Az Alpamayo reasoning modellei a komplex vezetési szituációkat kisebb lépésekre bontják, majd minden lépést végiggondolva kiválasztják a legbiztonságosabb útvonalat. Egy teszten a meta-akció és láncolatos gondolkodási (chain-of-thought) adatok hozzáadásával egy VLA modell pályaelőrejelzési pontossága jelentősen javult: a minimális átlagos eltérési hiba 43%-kal csökkent, 2,08-ről 1,18-ra.
2. Szimulációs és validációs számítógép: NVIDIA Omniverse és Cosmos
A fizikai tesztkilométerek önmagukban nem elegendők a ritka, „long-tail” vezetési szituációk lefedéséhez. Az NVIDIA Omniverse NuRec modellek érzékelőadatokból rekonstruálják a valós vezetési helyzeteket, míg az NVIDIA Cosmos világalapozó modellek fizikailag hiteles variációkat generálnak belőlük – így néhány valós sarokeset akár millió kombinációvá bővíthető, lefedve a forgalmi, időjárási, fényviszony- és érzékelő-kondíciók széles skáláját. A rendszer NVIDIA RTX PRO Servereken fut, és támogatja a zárt hurkú szimulációt és validációt.
Az NVIDIA AlpaSim szimulációs keretrendszer ezt a munkafolyamatot egészíti ki: a fejlesztők segítségével azonosíthatják a modellek gyenge pontjait még az éles bevetés előtt.
3. Járműbeli számítógép és szenzorarchitektúra: NVIDIA DRIVE Hyperion
Az NVIDIA DRIVE Hyperion a vállalat moduláris, 4-es szintű robotaxikhoz tervezett referencia-architektúrája. A DRIVE Hyperion 10 kettős NVIDIA DRIVE AGX Thor rendszerchipet alkalmaz, amelyet a Blackwell platformra építettek, és a következő szenzorkészlettel párosítottak:
- 14 nagyfelbontású kamera
- 9 radar
- 3 lidar
- 12 ultrahangos érzékelő
A rendundáns számítási és érzékelési kialakítás biztosítja a „fail-operational” üzemmódot: ha egy szenzor vagy számítási egység meghibásodik, a jármű biztonságosan folytathatja a menetét. A kettős DRIVE AGX Thor modern AI-feladatokat – köztük VLA modelleket – futtat érzékeléshez, tervezéshez és irányításhoz. A NVIDIA Halos gyártásra kész biztonsági alapot biztosít a Halos OS-en, valamint egy átfogó validációs és tanúsítási keretrendszert kínál felhőtől a járműig. Az Lenovo és az SWM is a DRIVE AGX Thor platformra épített saját 4-es szintű robotaxi-megoldást.
Kik építenek az NVIDIA robotaxi platformjára?
Az NVIDIA ökoszisztémája minden olyan régióban jelen van, ahol ma kereskedelmi robotaxi-szolgáltatások indulnak: Ázsiában, Európában, a Közel-Keleten és Észak-Amerikában. A szereplők három nagy csoportba sorolhatók.
Flottaoperátorok és mobilitási platformok
- Uber bővíti az NVIDIA DRIVE Hyperionra épített flottáját, és 2028-ra 28 városban tervez jelenlétet. Az Uberrel közösen az NVIDIA egy robotaxi AI-adatgyárat is épít az NVIDIA Cosmos alapján. Az Uber platformján olyan partnerek is megjelennek, mint az Autobrains, az Avride, a Lucid, a May Mobility, a Mercedes-Benz, a Momenta, a Nissan, a Nuro, a Pony.ai, a Stellantis, a Waabi, a Wayve, a WeRide és a Zoox.
- Bolt az NVIDIA technológiáival fejleszti és terjeszti ki önvezető járműveit Európában.
- Lyft a DRIVE Hyperiont tervezi referencia-architektúraként jövőbeli autonóm flottáihoz. A May Mobility járművei már most is a Lyft hálózatán működnek Atlantában, NVIDIA DRIVE-alapon.
- WeRide a Grab partnerségén keresztül tervezi a DRIVE Hyperion- és DRIVE AGX Thor-alapú GXR modellt Délkelet-Ázsia kulcspiacaira vinni.
- Waymo az NVIDIA-val közösen fejleszti autonóm számítástechnikai rendszerét.
AV-fejlesztők és technológiai gyártók
- Wayve, Nissan és Uber közösen fejleszt egy globális robotaxi-programot, amelyben Nissan járműmérnöki tudása, a Wayve megtestesült AI-ja és az NVIDIA DRIVE Hyperion platform találkozik.
- Autobrains müncheni (Uberrel) és délkelet-ázsiai (VinFast-tal) robotaxi-programokat épít DRIVE Hyperion alapon, saját Agentic AI technológiájával.
- Zoox a DRIVE rendszert használja járműbeli számításhoz, valamint felhőalapú tréninghez és szimulációhoz.
- Pony.ai a DRIVE Hyperion és a DRIVE AGX Thor alapján fejlesztette új generációs önvezető tartományvezérlőjét.
- Tensor egy 4-es szintű Robocar-t épít, amelynek járműbeli szuperszámítógépébe nyolc NVIDIA DRIVE AGX Thor rendszerchip kerül.
- Waabi robotaxi-piaci terjeszkedéséhez az Uberrel köt együttműködési megállapodást; a Waabi Driver platform DRIVE AGX Thorra épül.
- TIER IV és Isuzu 4-es szintű autonóm buszokat fejleszt DRIVE Hyperion és DRIVE AGX Thor alapokon.
- DeepRoute.ai szintén a DRIVE Hyperion + DRIVE AGX Thor kombinációra épít új generációs robotaxikat.
Autógyártók
- Tesla NVIDIA szuperszámítógépeken tréningezi önvezetési neurális hálózatait.
- Mercedes-Benz az Uberrel és az NVIDIA-val közösen fejleszt robotaxi-ökoszisztémát az új S-osztály alapján, teljes NVIDIA DRIVE AV L4 szoftverrel és Alpamayo modellekkel.
- Stellantis, Wayve és Uber együtt fejleszt és vezet be 4-es szintű önvezető mobilitási szolgáltatásokat, DRIVE Hyperion és AI-számítástechnikai technológiák felhasználásával.
- Lucid, Nuro és Uber globális robotaxi-szolgáltatáson dolgozik, DRIVE AGX Thor alapon.
- Hyundai Motor és Kia bővíti NVIDIA-val való együttműködését adatvezérelt önvezetési rendszerek fejlesztésében, szintén DRIVE Hyperion alapon. Az NVIDIA emellett a Hyundai közös vállalkozásával, a Motional-lal is szorosabb együttműködést tervez a 4-es szintű robotaxi-szolgáltatások fejlesztése érdekében.
- Lenovo a DRIVE AGX Thor-alapú AD1 tartományvezérlőjét szállítja az SWM-mel közös új generációs robotaxi-programhoz – erről a Techkalauz korábban részletesen is írt.
Miért döntő az NVIDIA nyílt platformstratégiája?
Az NVIDIA megközelítésének lényege, hogy nem zárt rendszert kínál, hanem nyílt platformot: könyvtárakat, szoftverfejlesztői készleteket, munkafolyamatokat és modelleket, amelyeket a fejlesztők saját technológiai összeállításuk mellé, azzal kombinálva alkalmazhatnak. Ez magyarázza, hogy egymással versenyen lévő vállalatok – mint az Uber és a Lyft, vagy a Waymo és a Pony.ai – egyaránt az NVIDIA ökoszisztémájára támaszkodnak.
Az NVIDIA AI-stratégiája a gépjárműipar mellett más területeken is terjeszkedik: a vállalat RTX-alapú megoldásai a médiaipartól az egészségügyi és ipari alkalmazásokig jelen vannak. A robotaxi-piac az egyik legösszetettebb és legmagasabb tétű terület, ahol az NVIDIA „physical AI” víziója a legkonkrétabb formát ölti: valódi utakon, valós forgalomban közlekedő, önvezető flottákban.
Gyakori kérdések
Mekkora a globális robotaxi-piac várható értéke 2035-re?
A piaci előrejelzések szerint a globális robotaxi-piac 2035-re elérheti a 400 milliárd dolláros értéket, miközben több mint 6 millió kereskedelmi önvezető jármű lehet forgalomban.
Mi az NVIDIA DRIVE Hyperion 10, és milyen szenzorokat tartalmaz?
A DRIVE Hyperion 10 az NVIDIA moduláris, 4-es szintű robotaxikhoz tervezett referencia-architektúrája, amely kettős DRIVE AGX Thor rendszerchipet párosít 14 nagyfelbontású kamerával, 9 radarral, 3 lidarral és 12 ultrahangos érzékelővel a 360 fokos, valós idejű szenzorfúzió érdekében.
Milyen pontossági javulást ért el az NVIDIA VLA modellje a chain-of-thought tréninggel?
A meta-akció és láncolatos gondolkodási adatok hozzáadása 43%-kal csökkentette a minimális átlagos eltérési hibát: a mutató 2,08-ról 1,18-ra javult egy nehéz önvezető kiértékelési teszten.
Uber hány városban tervez NVIDIA-alapú robotaxi-szolgáltatást üzemeltetni 2028-ra?
Az Uber 2028-ra 28 városban tervezi kiterjeszteni az NVIDIA DRIVE Hyperionra épített önvezető flottáját, és az NVIDIA-val közösen egy Cosmos-alapú robotaxi AI-adatgyárat is épít ritka vezetési szituációk feldolgozására.
Forrás: NVIDIA Blog
