Xiaomi OneVL atklāj: uzlabo redzi, plāno un izskaidro lēmumus

Xiaomi ir ieviesis asas pārmaiņas autonomās braukšanas sacensībā. Nesen izlaistais OneVL ietvars tagad ir atvērts kods, un piedāvājums ir ambiciozs: dot pašbraucošajām sistēmām labāku veidu, kā nolasīt ceļu, spriest par nenoteiktību un paredzēt, kas notiks tālāk.

Tam ir nozīme, jo autonomās braukšanas mākslīgais intelekts ilgi bijis sadalīts divās domāšanas skolās. Viena pieeja koncentrējas uz redzes-valodas-darbības modeļiem, jeb VLA sistēmām, kas interpretē satiksmes skatus un pārvērš šo izpratni par braukšanas lēmumiem. Otra balstās uz pasaules modeļiem, kas paredz, kā situācija var attīstīties nākamo dažkārt tikai pāris sekunžu laikā. Xiaomi apgalvo, ka OneVL apvieno šos divus virzienus vienā ietvarā, izmantojot latentās telpas spriešanu, metodi, kas padara prognozēšanu un lēmumu pieņemšanu ātrāku un efektīvāku.

Vienkāršā valodā uzņēmums cenšas atrisināt vienu no grūtākajām problēmām pašbraucošās tehnoloģijās: ne tikai saredzēt ceļu, bet arī saprast cēloņsakarības reālajā laikā. Gājējs sper ārā no apmales. Skūteris šķērso joslu. Priekšā braucošais auto kavējas krustojumā. Tas nav statisks attēls. Tā ir kustīga mīkla. Xiaomi norāda, ka OneVL ir radīts, lai tiktu galā ar šo haosu ar lielāku precizitāti nekā tradicionālās pieejas.

Uzņēmums norāda, ka ietvars paplašina tā XLA modeļa spriešanas spējas, vienlaikus paaugstinot gan secināšanas ātrumu, gan precizitāti. Tāpat tas apgalvo, ka sasniegtas spēcīgas sekmes standarta etalonos, kas saistīti ar uztveri, spriešanu un plānošanu, trīs jomām, kas ir autonomo transportlīdzekļu programmatūras centrā. Xiaomi arī norāda, ka OneVL var pārspēt tiešu domāšanas ķēdes pieeju precizitātē, vienlaikus saglabājot ātrumu tuvu latentās telpas inferencēšanas sistēmām, kuras optimizētas galvenokārt gala atbilžu prognozēšanai.

Ne tikai ātrāk, bet arī vieglāk uzticēties

Viens no interesantākajiem izlaiduma aspektiem ir Xiaomi uzsvars uz interpretējamību. Autonomajā braukšanā veiktspējas rādītāji ir tikai daļa stāsta. Inženieri, regulatoru pārstāvji un, galu galā, pasažieri vēlas zināt, kāpēc mašīna pieņēma konkrētu lēmumu. Xiaomi saka, ka OneVL spēj izskaidrot savas darbības gan dabiskajā valodā, gan vizuālā formā, it kā dotu izstrādātājiem skaidrāku skatu uz to, kā modelis nonāca pie secinājuma un ko tas sagaida notikt nākotnē uz ceļa.

Tam var būt praktiska nozīme tālāk par pētniecības demonstrācijām. Ja sistēma spēj parādīt, kāpēc tā izvēlējās samazināt ātrumu, mainīt joslu vai dot ceļu, kļūst vieglāk to auditēt, uzlabot un potenciāli validēt drošības kritiskās vidēs. Nozarei, ko bieži kritizē par melnās kastes lēmumu pieņemšanu, tas nav sīkums.

Laiks arī ir nozīmīgs. OneVL iznāk drīz pēc tam, kad Xiaomi atvēra Omnivoice — savu audio ģenerēšanas modeli, kas liecina, ka uzņēmums vairāk liek uz atvērtu mākslīgā intelekta izstrādi vairākās jomās. Tas nav tikai kodu publicēšana labvēlības pēc. Tas ir signāls. Xiaomi vēlas skaļāku lomu mākslīgā intelekta diskusijā un acīmredzot redz gudro mobilitāti kā vienu no cīņas laukiem, ko vēlas iekarot.

Konkurence autonomajā braukšanā un iemiesotajā mākslīgajā intelektā kļūst aizvien sīvāka. Tehnoloģiju giganti, automobiļu ražotāji un specializēti jaunuzņēmumi visi tiecas pēc tā paša mērķa: sistēmām, kas var pietiekami labi izprast fizisko pasauli, lai droši tajā rīkotos. Atverot OneVL avotu kodu, Xiaomi ne tikai pievienojas šai sacensībai. Tas cenšas ietekmēt tās noteikumus.