No datora ekrāna reālajā pasaulē
Viens no interesantākajiem 42dot aspektiem ir tas, kā dažādas tehnoloģijas ir apvienotas vienā produktā. Piemēram, Gleo AI ir uz liela valodas modeļa (LLM) bāzes veidots MI aģents, kura uzdevums ir saprast autovadītāja nodomus un droši izpildīt automobiļa funkcijas. Cita komanda izstrādā autonomās braukšanas MI, izmantojot Vision Language Action (VLA) tehnoloģiju, kas apvieno MI izpratni par apkārtni ar reālu transportlīdzekļa vadīšanu. Automobiļu operētājsistēmu komanda rada pamata programmatūru, kas ļauj dažādām automobiļa sistēmām sazināties savā starpā un darboties kopā.
Izaicinājums reti ir tehnisks
Kādā piemērā no autonomās braukšanas izstrādes vienā un tajā pašā braukšanas scenārijā bija tikai jānomaina navigācijas galamērķis. MI tad izvēlējās atbilstošo joslu, lai nogrieztos vai brauktu taisni. Tas izstrādātājiem apliecināja, ka viņu algoritmi tiešām ietekmē reālu transportlīdzekļu kustību.
Īpaši interesanta izstrādes procesa daļa ir negaidītu situāciju testēšana. Testējot Gleo AI drošības sistēmu Gleo Guard, komanda tīšām veidoja neparastas komandas. Vienā no situācijām MI neatpazina žargona terminu „dujjongku,“ kļūdaini klasificējot normālu navigācijas pieprasījumu kā potenciāli riskantu. Tā vietā, lai vienkārši pievienotu vārdu sarakstam, komanda secināja, ka pastāv dziļāka problēma: MI ir jāsaprot gan lietotāja nodoms, gan transportlīdzekļa izmantošanas konteksts. Līdz ar to viņi turpināja attīstīt Gleo Guard uzņēmuma iekšienē kā modeli ar specializāciju auto jomā.
Interesanta pieeja ir vērojama arī transportlīdzekļu operētājsistēmu izstrādē. Mērķis ir paslēpt transportlīdzekļa sarežģītību no citiem izstrādātājiem. Piemēram, izstrādātājs var kontrolēt automobiļa logu ar tik vienkāršu komandu kā Window.set_position(0.5) bez vajadzības saprast loga piedziņas mehānisma sarežģīto uzbūvi. Tas ļauj izstrādātājiem koncentrēties uz funkcijām, ko viņi reāli vēlas ieviest.
Autonomās braukšanas progresa mērīšana
Komandai bija nepieciešams arī pārskatāms veids, kā mērīt autonomās braukšanas progresu. Tā kā satiksmē ne vienmēr ir viens pareizais lēmums, izstrādātāji vispirms ieviesa kopīgus standartus un tad izveidoja vērtēšanas metriku. Tas padarīja izstrādi sistemātiskāku: tā vietā, lai vienkārši minētu, vai modelis ir labāks, izstrādātājiem bija iespēja to uzlabot saskaņā ar izmērāmiem rezultātiem. Noderīgi bija pat neizdevušies eksperimenti, jo tie deva informāciju nākamajam mēģinājumam.
42dot pieeja kopumā liecina, ka mūsdienu automobiļu izstrāde vairs nesastāv tikai no aparatūras vai programmēšanas. Izstrādātājiem ir jāsaprot sarežģītas sistēmas, jādefinē skaidri standarti, jāsadarbojas ar citām komandām, jātestē reālās pasaules situācijas un jāuzņemas atbildība par gala produktu. 42dot izstrādi uzskata par pabeigtu nevis tad, kad kods darbojas, bet gan tad, kad kods uzticami kalpo klientam reālā satiksmē.
Pleos ir 42dot izstrādāta nākamās paaudzes programmatūras platforma un automobiļu infoizklaides (IVI) sistēma. Pirmais Hyundai modelis ar šo infoizklaides sistēmu ir IONIQ 3. Modeļa specifikācijas un cenas tiks izziņotas drīzumā, un tas būs pieejams šoruden.
Uzzināt vairāk par Hyundai IONIQ 3Mākslīgais intelekts izstrādes paātrināšanai
Hyundai Motor Group mākslīgā intelekta pārmaiņas neaprobežojas ar tehnoloģiju ieviešanu. Uzņēmums saredz MI kā konkurences priekšrocību, kas jau tiek izmantota visā uzņēmumā.
Piemērs ir sadursmes drošības MI asistents (Crash Safety AI Assistant), kas palīdz inženieriem atrast, salīdzināt un izskatīt atbilstošus gadījumus no uzkrātajiem trieciena testu datiem un izpētes materiāliem. Sistēma apkopo trieciena testu rezultātus, testu attēlus un tehniskās analīzes datus, ļaujot inženieriem atrast, salīdzināt un izskatīt iespējami būtiskos gadījumus.
Vēl viens piemērs ir MI automatizācijas atpazīšanas pakalpojums (AI Automation Recognition Service), kas izmanto redzes MI un ražošanas līnijās uzstādītas kameras, lai automātiski nolasītu transportlīdzekļu identifikācijas numurus (VIN) un reāllaikā pārliecinātos, ka uz konveijera esošais automobilis atbilst sistēmā esošajai informācijai. Līdz šim darbinieki pārbaudīja šo sistēmu manuāli ar vizuālām pārbaudēm vai datiem no sistēmas.
–
