Em 17 de julho, a WeRide (NASDAQ: WRD, HKEX: 0800), empresa líder global em tecnologia de direção autônoma, lançou oficialmente seu grande modelo de base de cognição de IA física, o WeRide WITT, desenvolvido internamente. Baseado na capacidade de grandes modelos de linguagem visual (VLM), o WITT introduz pela primeira vez o conceito de "unidade mínima de fato físico", integrando informações multimodais como vídeo, imagem e texto, decompondo cenas reais em constante mudança em unidades de fato que podem ser identificadas e verificadas, construindo uma nova geração de estrutura de compreensão de IA centrada em fatos físicos.
WITT significa World Intelligence Toward Truth, "Inteligência Mundial Rumo à Verdade". Esta denominação também homenageia o filósofo do século XX Ludwig Wittgenstein, cuja visão de que "o mundo é a totalidade dos fatos" está altamente alinhada com a lógica subjacente da IA física: para que a IA compreenda o mundo real, o segredo está em extrair fatos confiáveis do ambiente, comportamento, regras, riscos e relações temporais, formando julgamentos e raciocínios sobre o mundo físico com base nisso.
Com a aceleração da implementação da IA física, a direção autônoma se tornou o primeiro setor a ser comercializado em larga escala, e os pontos problemáticos também se concentram: cada vez mais dados, mas os dados com valor real para treinamento, avaliação e iteração não são facilmente identificados e utilizados de forma eficiente; amostras de cauda longa de alto valor são escassas; dados de operação real de L4 e dados de produção em massa de L2 são misturados com ruídos como intervenções humanas e segmentos inválidos; grandes modelos de uso geral também são propensos a alucinações e julgamentos errôneos ao compreender cenas de tráfego complexas.
A indústria precisa urgentemente de um mecanismo de compreensão de dados eficiente e confiável, que extraia continuamente fatos de cena eficazes de dados reais de estrada, melhore a qualidade e eficiência dos dados que entram no ciclo fechado de treinamento, avaliação e iteração, e permita que a experiência do mundo real se transforme na capacidade evolutiva do sistema de direção autônoma.
O WeRide WITT foi criado exatamente para isso. Enraizado no solo de dados das operações comerciais globais da WeRide, ele extrai leis cognitivas do mundo físico de informações operacionais massivas, formando quatro capacidades principais: extração de fatos, raciocínio de fatos, verificação de fatos e orquestração de fatos, abrangendo todo o ciclo, desde o reconhecimento de cena e atribuição de eventos até a verificação de dados e divisão de aprendizado, tornando cada quilômetro de dados reais de estrada um sinal confiável para iteração do modelo.
1. Extração de Fatos
O WITT pode identificar a "unidade mínima de fato físico" em vídeos de estradas reais a partir de três dimensões: fatos de direção padrão, fatos de interação multiagente e condições físicas ambíguas, cobrindo comportamentos de trânsito diários, mudanças nas relações entre participantes do trânsito e incertezas do estado físico em ambientes complexos.
Por exemplo, um vídeo de direção em estrada urbana durante uma noite chuvosa seria decomposto pelo WITT em múltiplas unidades de fato, como conversão à direita do veículo, estrada urbana, cruzamento, mudança de sinal no cruzamento, etc. Cada unidade de fato possui características de alta confiança, calibrabilidade e rastreabilidade, e pode gerar descrições de cena de alta densidade, fornecendo a base para compreensão, verificação e divisão de aprendizado subsequentes.
2. Raciocínio de Fatos
Após concluir a extração de fatos, o WITT pode raciocinar ainda mais sobre eventos-chave, relações comportamentais e mudanças de risco na cena, e analisar as causas dos eventos e as tendências evolutivas subsequentes.
No processo de desenvolvimento de direção autônoma, os engenheiros muitas vezes precisam encontrar cenas específicas de cauda longa em vídeos massivos, como "um pedestre atravessando repentinamente dentro de uma área de construção", "outro veículo pisando na faixa sob baixa visibilidade em dia chuvoso", "veículo próprio desacelerando para ceder em um encontro em estrada estreita", etc. Com base em seu mecanismo de dados de vídeo integrado, o WITT suporta pesquisa rápida em dados de vídeo massivos por meio de palavras-chave ou perguntas em linguagem natural, localizando com precisão sequências temporais e cenas alvo relevantes, melhorando significativamente a eficiência da descoberta de amostras de cauda longa, retrocesso de dados e localização de problemas.
3. Verificação de Fatos
Para evitar alucinações de grandes modelos de uso geral em ambientes de tráfego complexos, o WITT avalia a saída do modelo a partir de seis dimensões: usuários vulneráveis da via, comportamento do veículo próprio, comportamento de outros veículos, compreensão da cena, completude dos fatos e instalações de tráfego, e introduz a confiança do fato, invocando evidências físicas externas para verificar inversamente se a conclusão é válida.
Ao rastrear erros factuais, alucinações, omissões e erros de sequência temporal, o WITT fornece padrões de julgamento de qualidade para usuários de dados e sinais de preferência para treinamento de modelo, guiando o modelo a gerar continuamente resultados de compreensão mais alinhados com as leis físicas. Atualmente, a taxa média de erro factual por segmento do WITT em cenários verticais de direção autônoma é de apenas cerca de um terço daquela de grandes modelos de uso geral.
4. Orquestração de Fatos
Na operação real de estradas, o valor de diferentes dados não é o mesmo. O WITT pode dividir inteligentemente vídeos factuais de acordo com seu valor de aprendizado, permitindo que cada dado entre no caminho de aprendizado mais adequado.
Cenas raras de cauda longa são redirecionadas para o modelo de mundo autodesenvolvido da WeRide, WeRide GENESIS, para treinamento simulado e expansão de cena; cenas diárias de alta frequência são usadas para aprendizado por reforço e otimização de processos; segmentos anômalos entram em um mecanismo de revisão para evitar que dados críticos sejam erroneamente classificados como "dados sujos", maximizando o valor dos dados reais de estrada.
Assim, o WeRide WITT e o WeRide GENESIS impulsionam conjuntamente o volante de IA física da WeRide na nuvem: o WITT é responsável por extrair, compreender, verificar e orquestrar fatos físicos de dados reais de estrada, e o GENESIS gera cenas de simulação de alta fidelidade e cenas de treinamento de cauda longa com base nisso. Ambos treinam cooperativamente o modelo do veículo, promovendo a implementação e evolução contínua das capacidades de direção autônoma no mundo real.
Suportando a operação eficiente deste volante de IA física está a eficiência de engenharia de implantação do WeRide WITT. Em comparação com grandes modelos de uso geral que muitas vezes têm centenas de bilhões de parâmetros, o WeRide WITT, com um tamanho de modelo mais leve, pode economizar 98% dos custos de Token em tarefas semelhantes, processar 10.000 minutos de vídeo de operação de veículo por dia em uma única placa e alcançar um aumento de eficiência de processamento de dados de até 200 vezes. No modo de etiquetagem, uma única solicitação do WITT pode gerar mais de 100 etiquetas dinâmicas, permitindo que vídeos massivos de estradas reais sejam rapidamente pesquisados, verificados e inseridos na iteração do modelo, tornando-se ativos factuais continuamente acumulados.
Com base no volante de IA física, a WeRide se tornou a única empresa no mundo a alcançar a aplicação comercial em escala de direção autônoma de nível L4 e assistência à direção de nível L2++. No campo da direção autônoma L4, a WeRide possui licenças de direção autônoma em oito países, com seus produtos de direção autônoma implementados em 12 países e mais de 40 cidades, e uma frota de veículos autônomos L4 superior a 3.000 unidades. O Robotaxi iniciou operações comerciais totalmente autônomas em larga escala em duas cidades de dois países: Guangzhou, Pequim, Abu Dhabi e Dubai.
Ao mesmo tempo, os dados de alta qualidade e as capacidades de modelo acumulados pelo L4 estão sendo continuamente transferidos para o WRD 3.0, uma solução ADAS ponta a ponta de estágio único L2++, por meio do volante de IA física. Atualmente, o WRD 3.0 conquistou seis títulos consecutivos sem precedentes na Segunda Competição Chinesa de Direção Inteligente, garantindo pedidos de quase 30 modelos de veículos, sendo produzido em massa em veículos como Chery Exeed Sterra e GAC Aion N60, e exportou sua tecnologia para países como Alemanha, França e Japão.
Partindo do cenário de verificação de alta densidade e alta complexidade da direção autônoma, o WeRide WITT demonstra potencial de uso geral para IA física. Sua capacidade de modelagem unificada de fatos físicos também fornece a capacidade subjacente para compreender o mundo real para cenários de IA física mais amplos, como a robótica incorporada.
Em uma nova fase de implementação em escala da IA física, a WeRide continuará a avançar a evolução das capacidades do grande modelo de base de cognição de IA física com base na verificação do mundo real, impulsionando a IA da compreensão do mundo físico para atuar em maior escala sobre o mundo físico.
Comentários (0)
Deixe um comentário