Nvidia, otonom sürüşte Tesla ve Waymo’yu yenmek istiyor

Nvidia’nın otomotiv birimi başkanı Xinzhou Wu, şirketin otonom sürüş teknolojisinde nasıl rakiplerini geride bırakmayı planladığını detaylarıyla paylaştı. Wu’ya nazaran, Tesla ve Waymo üzere devasa sürüş verisine sahip olmaya gerek yok. Şirkete nazaran gereken tek şey ise doğru sensörler ve sahiden 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 emsal halde şantiye alanları, çift sıra park edilmiş araçlar ve dar koridorlar dahil günlük trafik manilerini muvaffakiyetle yönetti ve sürüş sırasında hiçbir müdahale gerekmedi.

“Fiziksel yapay zekada ChatGPT anı”

Nvidia, uzun müddettir sahne ardında çalıştıktan sonra otonom sürüş alanında daha besbelli bir liderlik konumu hedefliyor. Şirket, Tesla üzere firmalara çip tedarik etmenin yanı sıra Mercedes, Jaguar Land Rover ve Lucid üzere ortaklarına kendi AI takviyeli sürüş özelliklerini sunuyor. Hatırlanacağı üzere CES 2025’te Huang, Alpamayo ismini verdikleri portföyü tanıttı. Alpamayo, araçlara muhakkak şartlar altında Düzey 4 otonomi sağlayabilen AI modelleri, simülasyon şablonları ve data setlerini içeriyor. Huang, bu tanıtımı “fiziksel yapay zeka için ChatGPT anı” olarak nitelendirmişti.

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

Wu, Nvidia’nın sistemini Tesla’dan ayıran en değerli farkın çoklu sensör kullanımı olduğunu söz ediyor. Kamera, radar, ultrasonik sensörlerin yanı sıra üst seviye konfigürasyonlarda lidar kullanımıyla sistemin kuvvetli durumlarda bile inançlı sürüş sağlaması hedefleniyor. Lidar kullanımı maliyeti artırsa da Wu’ya nazaran 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 biçimde 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 seviye otonom sensör paketini rahatlıkla kullanabileceğini öngörüyor.

Nvidia, Waymo ve Tesla’nın sahip olduğu gerçek dünya sürüş verisindeki üstünlüğüne karşın simülasyonu bir avantaj olarak kullanıyor. Wu, şirketin bu noktada iki strateji izlediğini belirtiyor. Birincisi NuRec ile gerçek dünyadaki senaryoları yine inşa etmek ve sahne içi öğeleri değiştirerek farklı sonuçları test etmek. Bu yol, az ve uç durum senaryolarını tanımlayarak sistemin davranışlarını optimize etmeye yardımcı oluyor.

Ayrıca Nvidia, partnerlerinden elde edilen bilgileri de simülasyonlarda kullanılıyor. Waymo’nun kentteki elektrik kesintisi sırasında robotaksilerin kavşakları bloke etmesi üzere olaylar Nvidia tarafından simüle edilip sistemin bu durumlarda inançlı reaksiyon vermesi sağlanıyor. Sonuncu gaye, sistemin bu uç durumları mantık yürüterek öngörebilmesi, yani gerçek dünyada milyarlarca kilometre sürüş verisine gereksinim duymadan inançlı sürüş sağlayabilmesi.

Wu, bu vizyonu Vision Language Action (VLA, Görsel-Dil-Eylem) modeli ile hayata geçirmeyi planladıklarını belirtiyor. Bu model, görsel algı, lisan anlayışı ve fizikî hareketi tek bir yapıda birleştiriyor ve internet ölçeğinde bilgi setleriyle evvelce eğitilmiş büyük temel modellerden besleniyor. Wu’ya nazaran bu yaklaşım şoför eğitimine benzetirken bir sonraki evrede maksatlarının sisteme hafıza eklemek olduğunu söylüyor. Buna ek olarak pekiştirmeli öğrenme ile modelin daha da yetenekli hale getirilmesi üzerinde çalışılıyor.

Kaynak : Donanimhaber