Anlık Bildirim

Nvidia, otonom sürüşte Tesla ve Waymo’yu yenmek istiyor

Teknoloji devi Nvidia, Tesla ve Waymo’ya karşı otonom sürüşte iddiasını güçlendiriyor. Şirkete göre otonom sürüş için milyarlarca kilometre sürüş verisine gerek yok.

Nvidia, otonom sürüşte Tesla ve Waymo’yu yenmek istiyor Tam Boyutta Gör
Nvidia’nın otomotiv birimi başkanı Xinzhou Wu, şirketin otonom sürüş teknolojisinde nasıl rakiplerini geride bırakmayı planladığını ayrıntılarıyla paylaştı. Wu’ya göre, Tesla ve Waymo gibi devasa sürüş verisine sahip olmaya gerek yok. Şirkete göre gereken tek şey ise doğru sensörler ve gerçekten mantıklı düşünebilen bir yapay zeka sistemi.

Geçtiğimiz günlerde Wu ve CEO Jensen Huang, Kaliforniya’dan San Francisco’ya yapılan bir test sürüşünde Mercedes CLA ile MB.Drive Assist Pro sistemini denedi. Nvidia teknolojileriyle desteklenen sistem, Tesla’nın Full Self-Driving özelliğine benzer şekilde şantiye alanları, çift sıra park edilmiş araçlar ve dar koridorlar dahil günlük trafik engellerini başarıyla yönetti ve sürüş sırasında hiçbir müdahale gerekmedi.

“Fiziksel yapay zekada ChatGPT anı”

Nvidia, uzun süredir sahne arkasında çalıştıktan sonra otonom sürüş alanında daha belirgin bir liderlik pozisyonu hedefliyor. Şirket, Tesla gibi firmalara çip tedarik etmenin yanı sıra Mercedes, Jaguar Land Rover ve Lucid gibi ortaklarına kendi AI destekli sürüş özelliklerini sunuyor. Hatırlanacağı üzere CES 2025’te Huang, Alpamayo adını verdikleri portföyü tanıttı. Alpamayo, araçlara belirli koşullar altında Seviye 4 otonomi sağlayabilen AI modelleri, simülasyon şablonları ve veri setlerini içeriyor. Huang, bu tanıtımı “fiziksel yapay zeka için ChatGPT anı” olarak nitelendirmişti.

Aktarılanlara göre Alpamayo, koşullara göre mantık yürütebilme yeteneğiyle öne çıkarken klasik mühendislik tabanlı sistemle birleşik yaklaşım sunuyor. Huang, bu hibrit yaklaşımın hem insan benzeri sürüş davranışı sağladığını hem de yol kurallarına dayalı güvenlik çerçevesi oluşturduğunu vurguluyor. Nvidia, bunun uçtan uca dünyadaki tek hibrit mimari olduğunu söylüyor.

Nvidia, otonom sürüşte Tesla ve Waymo’yu yenmek istiyor Tam Boyutta Gör
Wu, Nvidia’nın sistemini Tesla’dan ayıran en önemli farkın çoklu sensör kullanımı olduğunu ifade ediyor. Kamera, radar, ultrasonik sensörlerin yanı sıra üst düzey konfigürasyonlarda lidar kullanımıyla sistemin zorlu durumlarda bile güvenli sürüş sağlaması hedefleniyor. Lidar kullanımı maliyeti artırsa da Wu’ya göre Nvidia’nın dikey entegrasyon stratejisi, gerekli güvenlik performansını mümkün olan en düşük maliyetle sunmayı mümkün kılıyor. Test edilen Mercedes CLA’da 10 kamera, 5 radar ve 12 ultrasonik sensör bulunuyor.

Öte yandan şirketin DRIVE Hyperion platformu, farklı sensör konfigürasyonlarını destekleyecek şekilde tasarlanmış. Temel versiyon, daha uygun maliyetli kamera ve radar kombinasyonuna dayanırken ileri otonomi için lidar eklenebiliyor. Wu, lidar fiyatlarının düşmesiyle birlikte 40.000-50.000 dolar civarındaki araçların ileri düzey otonom sensör paketini rahatlıkla kullanabileceğini öngörüyor.

Nvidia, otonom sürüşte Tesla ve Waymo’yu yenmek istiyor Tam Boyutta Gör
Nvidia, Waymo ve Tesla’nın sahip olduğu gerçek dünya sürüş verisindeki üstünlüğüne rağmen simülasyonu bir avantaj olarak kullanıyor. Wu, şirketin bu noktada iki strateji izlediğini belirtiyor. İlki NuRec ile gerçek dünyadaki senaryoları yeniden inşa etmek ve sahne içi öğeleri değiştirerek farklı sonuçları test etmek. Bu yöntem, nadir ve uç durum senaryolarını tanımlayarak sistemin davranışlarını optimize etmeye yardımcı oluyor.

Ayrıca Nvidia, partnerlerinden elde edilen verileri de simülasyonlarda kullanılıyor. Waymo’nun şehirdeki elektrik kesintisi sırasında robotaksilerin kavşakları bloke etmesi gibi olaylar Nvidia tarafından simüle edilip sistemin bu durumlarda güvenli tepki vermesi sağlanıyor. Nihai hedef, sistemin bu uç durumları mantık yürüterek öngörebilmesi, yani gerçek dünyada milyarlarca kilometre sürüş verisine ihtiyaç duymadan güvenli sürüş sağlayabilmesi.

Wu, bu vizyonu Vision Language Action (VLA, Görsel-Dil-Eylem) modeli ile hayata geçirmeyi planladıklarını belirtiyor. Bu model, görsel algı, dil anlayışı ve fiziksel eylemi tek bir yapıda birleştiriyor ve internet ölçeğinde veri setleriyle önceden eğitilmiş büyük temel modellerden besleniyor. Wu’ya göre bu yaklaşım sürücü eğitimine benzetirken bir sonraki aşamada hedeflerinin sisteme hafıza eklemek olduğunu söylüyor. Buna ek olarak pekiştirmeli öğrenme ile modelin daha da yetenekli hale getirilmesi üzerinde çalışılıyor.

Bu haberi ve diğer DH içeriklerini, gelişmiş mobil uygulamamızı kullanarak görüntüleyin: DH App Gallery Uygulamasını İndir DH Android Uygulamasını İndir DH iOS Uygulamasını İndir
Sorgu:

Editörün Seçtiği Sıcak Fırsatlar

Tavsiyelerimiz

Yeni Haber
şimdi
Geri Bildirim