TIER IV veröffentlicht fünf Open-Source-KI-Modelle für autonomes Fahren

Fünf Modelle für unterschiedliche Anforderungen an Fahrsysteme

Die Modelle werden über das Autoware-Ökosystem veröffentlicht, das TIER IV als Open-Source-Software für autonomes Fahren beschreibt. Nach Angaben des Unternehmens können Entwickler je nach Leistungsanforderungen das passende Modell auswählen und es mit Autoware optimieren sowie in Fahrzeugsysteme integrieren.

Die Veröffentlichung umfasst NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner und LatentDrive. Ihre Konzepte decken unterschiedliche Kombinationen aus Sensoren, Karten und Planungsmethoden ab.

• Alpamayo 2 Edge nutzt Kamerabilder als Eingabe und setzt Schlussfolgerungen ein, um Fahrtrajektorien zu erzeugen. Das Modell hat 2 Milliarden Parameter und wurde in Autoware integriert.
• AutoE2E kann auf Rechenplattformen jenseits von NVIDIA-Hardware ausgeführt werden. Das Reactive Model wurde veröffentlicht, während sich das World Model und das Reasoning Model noch in der Entwicklung befinden.
• METEOR ist ein Modell mit 16 Millionen Parametern, das sich vor allem an privat genutzte Personenfahrzeuge richtet. Es unterstützt eine bis acht Kameras sowie LiDAR und Radar.
• OnePlanner kombiniert Wahrnehmung und Bewegungsplanung. Es nutzt Sensordaten, HD-Karten, Routeninformationen, den Zustand von Verkehrssignalen und den Bewegungszustand des Fahrzeugs, um Trajektorien für die nächsten sechs Sekunden zu erzeugen.
• LatentDrive nutzt Kameravideo, Routeninformationen und den Bewegungszustand des Fahrzeugs, um Trajektorien für die nächsten vier Sekunden zu erzeugen, ohne HD-Karten zu benötigen.

Autoware 2.0 soll KI und konventionelle Systeme kombinieren

TIER IV führt die Entwicklung von Autoware 2.0 an, das das Unternehmen als skalierbare und anpassungsfähige Architektur beschreibt. Sie soll KI-Modelle mit konventionellen regelbasierten Technologien kombinieren und dadurch den Aufbau autonomer Fahrsysteme für unterschiedliche Anwendungen und Systemanforderungen ermöglichen.

AutoE2E nutzt eine Fast-to-Slow-Architektur, die ein Reactive Model für Echtzeit-Fahrentscheidungen, ein World Model zur Vorhersage von Veränderungen in der Umgebung und ein Reasoning Model zur Unterstützung von Fahrentscheidungen kombiniert. METEOR verwendet ein neuronales Faltungsnetz und eine Vogelperspektiven-Darstellung, um Wahrnehmung und Trajektorienerzeugung in einem neuronalen Netz zu verarbeiten, ohne auf hochauflösende Karten angewiesen zu sein.

Nach Angaben von TIER IV arbeitet die automatisierte CoMET-Kennzeichnungsplattform als Teil von Co-MLOps mit agentischer KI, um Datenkennzeichnung, Modelltraining, Evaluierung und Verbesserungen zu automatisieren. Dies soll Autoherstellern und Zulieferern helfen, die Open-Source-Modelle für ihre eigenen Fahrzeugspezifikationen und Leistungsanforderungen zu optimieren.

Veröffentlichung erweitert Optionen für Autohersteller und Partner

Die Modelle befinden sich in unterschiedlichen Entwicklungsstadien. TIER IV optimiert Alpamayo 2 Edge und passt es an reale Fahrzeuge an. Das Reactive Model von AutoE2E wurde in Autoware integriert, während eine Vermarktung für Robotaxi-Anwendungen geprüft wird. Auch OnePlanner wurde bereits in Autoware integriert. LatentDrive wird derzeit in eine Fahrzeugumgebung integriert und dort validiert.

Shinpei Kato, Gründer und CEO von TIER IV, sagte, die Veröffentlichungen gäben Autoherstellern und Zulieferern mehr Auswahl bei der Integration von KI in ihre Produkte. „Damit Autohersteller und Zulieferer KI-Technologie in ihre eigenen Produkte integrieren können, ist es jedoch entscheidend, dass sie Technologien entsprechend ihren Anwendungen und Leistungsanforderungen selbstständig einsetzen können, ohne von einem bestimmten KI-Modell oder einer bestimmten Halbleiterplattform abhängig zu sein“, sagte Kato in der Mitteilung des Unternehmens.

TIER IV erklärte, das Unternehmen werde die Modelle weiter verbessern, für den Einsatz in Fahrzeugen optimieren und ihre Entwicklung sowie Vermarktung über Autoware vorantreiben. Außerdem will TIER IV die Zusammenarbeit mit der globalen Open-Source-Community stärken und autonome Fahrsysteme für unterschiedliche Fahrzeugtypen und Anwendungen ausweiten.