Xiaomi otevírá OneVL: nový rámec pro autonomní řízení

Xiaomi zasáhlo do závodu o autonomní řízení. Jeho nově vydaný rámec OneVL je nyní s otevřeným zdrojovým kódem a nabídka je ambiciózní: poskytnout systémům pro autonomní řízení lepší způsob, jak číst silnici, uvažovat v podmínkách nejistoty a předvídat, co se stane dál.

To je důležité, protože AI pro autonomní řízení byla dlouho rozdělena mezi dvě různé školy myšlení. Jedna se soustředí na modely Vize-Jazyk-Akce, neboli systémy VLA, které interpretují dopravní scény a převádějí toto porozumění do řídicích rozhodnutí. Druhá spoléhá na modely světa, navržené k simulaci toho, jak se situace může vyvíjet v následujících několika sekundách. Xiaomi uvádí, že OneVL tyto dva směry spojuje v jediném rámci pomocí uvažování v latentním prostoru, metody zaměřené na rychlejší a efektivnější predikci a rozhodování.

Jednoduše řečeno, společnost se snaží vyřešit jeden z nejtěžších problémů v technologii autonomního řízení: nejen vidět silnici, ale rozumět příčině a následku v reálném čase. Chodec se odlepí od obrubníku. Koloběžka přejede jízdní pruh. Auto před vámi váhá na křižovatce. To nejsou statické snímky. Jsou to pohybující se hádanky. Xiaomi tvrdí, že OneVL je navrženo tak, aby s touto proměnlivostí pracovalo s větší přesností než konvenční přístupy.

Společnost uvádí, že rámec rozšiřuje uvažovací schopnosti jejího modelu XLA při současném zlepšení rychlosti inferencí i přesnosti. Také hlásí silné výsledky napříč běžnými srovnávacími testy zaměřenými na vnímání, uvažování a plánování, tři oblasti, které tvoří jádro softwaru pro autonomní vozidla. Xiaomi dále tvrdí, že OneVL může překonat explicitní řetězcové uvažování v přesnosti a zároveň držet rychlosti blízké latentním inferenčním systémům optimalizovaným hlavně pro předpověď konečné odpovědi.

Nejen rychlejší, ale i snazší získat důvěru

Jednou z nejzajímavějších částí vydání je důraz Xiaomi na interpretovatelnost. V oblasti autonomního řízení jsou výkonnostní metriky jen část příběhu. Inženýři, regulátoři a nakonec i cestující chtějí vědět, proč stroj učinil rozhodnutí. Xiaomi uvádí, že OneVL dokáže své kroky vysvětlit jak přirozeným jazykem, tak vizuálně, čímž vývojářům poskytuje jasnější okno do toho, jak model dospěl k závěru a co očekává, že se na silnici stane dál.

To může být užitečné daleko za hranicemi výzkumných ukázek. Pokud systém dokáže ukázat, proč se rozhodl zpomalit, změnit pruh nebo dát přednost, je snazší jej auditovat, upravovat a potenciálně validovat v bezpečnostně kritických prostředích. Pro odvětví často kritizované za rozhodování v černé skříňce to není zanedbatelná věc.

Na načasování to také něco říká. OneVL přichází krátce poté, co Xiaomi uvolnilo zdrojové kódy pro Omnivoice, svůj model generování zvuku, což naznačuje, že se společnost více otevírá vývoji v oblasti umělé inteligence napříč více doménami. Nejde jen o zveřejnění kódu ze záměrů dobré vůle. Je to signál. Xiaomi chce hlasitější postavení v diskusi o umělé inteligenci a jasně vidí chytrou mobilitu jako jedno z bojových polí, které stojí za to obsadit.

Konkurence v autonomním řízení a vtělené umělé inteligenci se měsíc od měsíce zpřísňuje. Technologičtí giganti, automobilky i specializované startupy všichni míří na stejnou cenu: systémy, které dokážou dostatečně dobře rozumět fyzickému světu, aby v něm mohly bezpečně jednat. Otevřením OneVL se Xiaomi nekončí jen připojením do soutěže. Snaží se ovlivnit její pravidla.