Wayve
端到端學習,自駕無需高精地圖
Wayve 是一家專注於「具身」人工智慧的自駕車軟體公司,採用全端學習的 AV2.0 架構,讓車輛不需要高精度地圖或手寫規則,就能在未曾測試過的城市自行駕駛。傳統自駕系統往往依賴龐大的 HD 地圖與大量工程師手寫的行為規則,導致部署成本高、更新速度慢。Wayve 透過深度學習模型直接從感測器資料(相機、雷達、LiDAR)學習駕駛決策,具備快速適應新環境的能力,降低了前期資料收集與標註的門檻。
這是什麼
Wayve 的核心是 AV2.0 端到端學習平台,將感知、規劃與控制整合於單一神經網路。車輛只需安裝標準感測器,即可在不同道路、天氣與交通規則的城市中自行判斷路徑、避讓行人與其他車輛,並完成加減速、轉向等操作。平台支援持續的在路學習(on‑road learning),讓車隊在真實環境中不斷優化模型。
解決什麼問題
- 高成本的地圖建置:不需要事先製作或維護高精度地圖,減少前期投入。
- 規則維護的複雜度:不依賴手寫規則,避免因各國法規差異而頻繁調整程式。
- 部署速度:新城市上路只需收集感測器資料,即可快速部署測試車隊。
- 持續學習:車隊在營運過程中自動回饋資料,模型持續最佳化,提升安全與效率。
適合的對象包括自動駕駛新創、傳統車廠想加速自駕方案、以及物流與共享出行平台希望以較低成本擴展到新城市的業者。
TheAI學院 編輯建議
編輯實測後的真心話Wayve 以純學習方式挑戰傳統自駕,對想快速進入新市場的業者相當具吸引力。
— theai 編輯團隊
主要功能
- 全端感知規劃控制
- 無需 HD 地圖
- 持續在路學習
- 多感測器即插即用
- 跨城市快速部署
如何使用 Wayve
- 車廠洽詢 Wayve 導入 AV2.0 平台。
- 於車輛安裝標準感測器。
- 讓端到端神經網路從感測器學習駕駛。
- 免高精地圖與手寫規則。
- 在未測試過的城市自駕。
- 快速適應新環境。
- 降低資料收集門檻。
適用場景
- 城市共享出行車隊擴張
- 物流配送車輛進入新城市
- 車廠測試新市場的自駕原型
Wayve 的優點與缺點
優點
- 降低前期成本
- 高適應性
- 可持續最佳化
缺點
- 需要大量真實路測資料
- 法規合規仍需人工審核
Wayve 常見問題
Wayve 的系統需要哪些感測器?
只要配備相機、雷達與 LiDAR 等常見感測器,即可使用 Wayve 的端到端模型,硬體需求相對簡化。
如何確保在沒有 HD 地圖的情況下安全駕駛?
系統透過深度學習即時解析環境特徵,並結合多層次安全監控與冗餘機制,確保在各種路況下的安全決策。
Wayve 的模型能否在不同國家的交通規則下運作?
模型會在實際道路上持續學習,並可透過在地資料微調,以符合各國的交通規則與慣例。
使用者評價
還沒有足夠評價,搶先分享你的使用心得!
寫下你的評價
Wayve 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 自動化
更多gb的 AI 工具
同樣來自gb的 AI 工具,一起看看。