Chiński Baidu uruchomił system AI o nazwie „Apollo World”, który generuje wirtualne środowiska jazdy do trenowania robotaksówek Apollo Go. Firma ogłosiła model podczas AI Day w Shenzhen, poinformował Reuters. Wdrożenie następuje w momencie, gdy chińskie i globalne firmy rozwijające autonomiczną jazdę nadal szukają tańszych sposobów na rozwój tej technologii.

Dzień wirtualnej jazdy według Baidu

Głównym argumentem jest wydajność. Według Baidu Apollo World może symulować do 100 000 km (62 000 mil) jazdy dziennie. Zdaniem firmy taka objętość odpowiada mniej więcej trzem latom testów drogowych jednego autonomicznego pojazdu poruszającego się z kierowcą bezpieczeństwa.

To jednak porównanie samego Baidu, a nie niezależny benchmark. Wartość „trzy lata dziennie” odnosi się wyłącznie do jazdy symulowanej. Nie dowodzi, jak bezpieczne są pojazdy na prawdziwych drogach ani czy są gotowe do codziennego użytku.

Pytaniem otwartym pozostaje, czy symulacje wiernie odwzorowują zróżnicowane drogi i warunki jazdy w miastach, w których Apollo Go planuje działać. Firma nie wykazała też jeszcze, ile dodatkowych testów w warunkach rzeczywistych będą wymagać pojazdy.

Baidu dodał, że już wykorzystuje Apollo World do trenowania robotaksówek Apollo Go przeznaczonych do wdrożeń w innych krajach. Apollo Go jest największym operatorem robotaksówek w Chinach, a do jego konkurentów należą WeRide, Pony.ai i Momenta Global.

Strumienie danych z czujników, a nie tylko sceny drogowe

Apollo World wykracza poza generowanie statycznych obrazów. Może symulować, jak drogi i ich otoczenie zmieniają się w czasie, oraz przewidywać, co może wydarzyć się dalej. Dane na żywo z kamer i czujników lidar pomagają oprogramowaniu autonomicznej jazdy rozumieć otoczenie i po nim się poruszać.

Model jest trenowany na danych z rzeczywistych testów drogowych. Według doniesień Baidu zarejestrował ponad 350 milionów kilometrów danych z jazdy, które Apollo World wykorzystuje również do generowania nowych sytuacji drogowych, z jakimi pojazdy nie miały wcześniej do czynienia. Te wcześniej niewidziane scenariusze mają znaczenie, ponieważ rzadkie zdarzenia niebezpieczne – tego rodzaju, które najsilniej ujawniają ograniczenia systemu autonomicznej jazdy – pojawiają się w codziennej jeździe zbyt rzadko, by można je było zebrać wyłącznie poprzez testy drogowe.

Według doniesień Baidu zaproponował również standard „2+3” do testowania modeli świata – systemów AI, które modelują, jak środowisko ewoluuje, i generują symulowane sytuacje, z których inne oprogramowanie, np. system autonomicznej jazdy, może się uczyć. Jeśli przyjmą go inni deweloperzy, Baidu mógłby pomóc kształtować sposób, w jaki takie systemy będą oceniane w dłuższej perspektywie.

Firma opisała Apollo World jako system AI zdolny do rozumienia informacji z wielu źródeł i działania na ich podstawie. Poinformowała, że technologia może być również zastosowana do rozwoju robotów, a nie tylko autonomicznych samochodów.

Problem kosztów napędzający te działania

Jednym z największych wyzwań w branży robotaksówek jest koszt rozwoju i eksploatacji technologii. Wiele chińskich firm nie jest właścicielami wszystkich wykorzystywanych pojazdów. Zamiast tego dostarczają technologię autonomicznej jazdy i współpracują z producentami samochodów, firmami przewozowymi i innymi operatorami zagranicznymi. Taki układ obniża koszty operacyjne, ale budowanie i trenowanie podstawowych systemów pozostaje kosztowne. Symulowany przebieg odnosi się właśnie do tych wydatków: generowanie przejechanej odległości w oprogramowaniu eliminuje lata, których fizyczny samochód z kierowcą bezpieczeństwa potrzebowałby do pokonania tej samej trasy.

Frank McCleary, ekspert ds. autonomicznej jazdy w firmie doradczej Arthur D. Little, powiedział Reutersowi, że firmy nadal wydają znaczne środki na trenowanie systemów AI i przygotowanie pojazdów. Stwierdził, że tempo wdrożenia zależy od tego, jak dobrze system potrafi nauczyć się jazdy w nowym miejscu, i podkreślił, że AI pomaga firmom osiągać jeszcze szybszy postęp.

Chiński rynek robotaksówek ma szybko wzrosnąć w krótkim okresie. Według Reutersa Morgan Stanley szacuje, że do 2035 roku kraj ten będzie miał 1 milion robotaksówek. XPeng, partner Volkswagena w Chinach, również planuje uruchomić swoją usługę robotaksówek w 2027 roku. Tesla przyjęła inne podejście w swojej flocie Cybercab, wykorzystując modele AI trenowane na nagraniach wideo osób prowadzących samochód. To, jak symulacje sprawdzą się na prawdziwych drogach – oraz czy inni deweloperzy przyjmą zaproponowany przez Baidu standard testowania – należy do wskaźników wartych obserwacji, gdy ten rynek się kształtuje.