Por que a IA é fundamental para os planos da XPING para carros autônomos

O fabricante de EV XPeng tem como alvo um Lançamento global em 2027 para a posteridade VLA 2.0 sistema de direção autônomo. O XPNG VLA 2.0 lançou seu primeiro modelo com o L4 na China, marcando um passo significativo em direção ao sonho de um carro autônomo.

Os carros XPeng ainda não estão completamente sem motoristas. Mas falando ao Mashable, o chefe do XPENG General Intelligence Center, Dr. Xianming Liu, explicou que o VLA 2.0 pode ser a chave para alcançar o objetivo final.

O que é direção autônoma L4?

Os sistemas de direção autônoma geralmente são gerados em um dos seis estágios; conforme definido pela organização global de padrões automotivos SAE International. Isto varia desde nenhuma automação de condução no nível 0 (L0) até automação total no nível 5 (L5).

A maioria dos carros disponíveis com tais sistemas operam em L2, proporcionando automação parcial da direção. Apesar do nome, o sistema Full Self-Driving (FSD) da Tesla é um sistema L2. Empresa O sistema de marcação do escritor mudou No início deste ano, o termo “condução totalmente autônoma” foi considerado enganoso, acrescentando o sufixo “(supervisionado)” e o nome “Piloto automático”. (Esse recurso foi renomeado novamente como anúncio “Você ajudou Tesla Drive” para manter seus padrões no lançamento chinês em maio).

Algumas outras automações L3 chegaram, com a Mercedes-Benz se tornando a primeira montadora a oferecer aos clientes dos EUA automatizações condicionais em 2024. No entanto, este sistema autônomo L3 só funciona em situações muito limitadas, como em certas rodovias durante o dia em dias claros, o que limita sua praticidade.

O L4 marca o próximo passo na condução de alta automação, não necessitando de nenhum motorista. Agora XPNG afirma que seu sistema VLA 2.0 alimentado por IA – que significa visão de ação e linguagem – está quase lá.

Mashable configurou um teste no XPING P7 com VLA 2.0 e encontrou uma competição acirrada no traje. O carro poderia navegar facilmente pelas grandes estradas da cidade de Pequim, estradas rurais acidentadas e tráfego intenso de pedestres e scooters com intervenção mínima do motorista. Poderia até ser estacionado sozinho depois que todos tivessem saído do veículo.

O motorista precisa ressaltar dois pontos, ressaltando que o VLA 2.0 ainda não é um sistema completamente independente. Empresas de robotáxi autônomos, como Tesla e Waymo, sofreram incidentes de segurança depois que pessoas tiraram o volante, e o XPNG não afirma estar pronto para mergulhar. Mas no geral, o VLA 2.0 é seguro, eficiente e até luxuoso.

Da direção autônoma à IA física

Segundo Liu, o VLA 2.0 é uma mudança fundamental em comparação com o anterior Guia de Navegação L2 (NGP). Enquanto o NGP está focado no desenvolvimento da direção autônoma, o VLA 2.0 está focado na solução de problemas físicos de IA.

“Depois que você trabalha em um problema de IA, tudo muda”, disse Liu.

Sistemas de direção autônoma, como o NGP, normalmente operam em uma estrutura percepção, previsão, planejamento, controle. Nesse sistema, o veículo utiliza sensores para detectar seu ambiente e abstraí-lo em dados que utiliza para representar as caixas para outros carros. Ele então prevê o que esses trens farão, planeja um curso de ação e controla o vagão para executar esse plano.

“O NgP é um sistema de direção autônoma tradicional onde primeiro fazemos uma percepção e depois tomamos uma segunda decisão. Este é o paradigma mais antigo da direção autônoma, ou mesmo agora na robótica”, disse Liu. “Há muitas limitações nestes tipos de algoritmos. Quando você trabalha com direção autônoma ou IA por mais de 10 anos, você verá uma limitação. Você nunca poderá escalar o suficiente ou geralmente escalar todo o sistema para todos os tipos de cenários.”

Ao criar um sistema de agente L4 autônomo e, eventualmente, um robotáxi autoativável, o carro será capaz de reconhecer e responder a situações inesperadas que não são avaliadas na programação específica. O problema, explicou Liu, é que os desenvolvedores não sabem necessariamente quais são esses problemas.

“Eles nos chamam desconhecido desconhecido“Liu. “Para problemas desconhecidos são tão desconhecidos. Você nunca pode resolvê-los individualmente. É portanto necessário mudar o modelo, e basta mudar o sistema geral que seja suficientemente escalável para resolver todos os problemas”.

Para o XPING, a solução foi mudar toda a abordagem para a condução autónoma, mudando para um foco na IA física – a integração do software de IA com hardware tangível, como carros ou robótica. Ao contrário dos chatbots digitais de IA, como ChatGPT, DeepSeek e Claudia, a IA física pode interagir diretamente com o mundo físico. Também pode desenhar e adaptar-se a um fluxo constante de informação, libertando-se da estrutura do anterior sistema de condução autónoma.

“A IA física é completamente diferente da digital porque o sinal de entrada não é estruturado, é contínuo”, disse Liu. “A carga de informações é muito maior do que a de dados estruturados, como texto ou voz. E o controle do sinal requer alta latência e alta eficiência. Isso significa que sua latência precisa ser muito baixa.”

Voltando-se para a IA física, o XPING foi capaz de escalar, expandindo os parâmetros do seu modelo e alimentando-o com grandes quantidades de dados para aprendizagem.

“Nós apenas pegamos todas as entradas do sensor da câmera e treinamos diretamente o modelo. Expandimos a capacidade do modelo, transformamos-no em bilhões de parâmetros e usamos o modelo usando uma escala de dados muito maior em comparação com modelos de linguagem grande, e pedimos ao modelo para tomar uma decisão”, disse Liu.

“Mudámos o paradigma da condução autónoma e estamos a ver resultados com sucesso. O modelo é suficientemente geral para estar pronto para a condução autónoma L4.”

Como os carros autônomos estão conectados aos robôs humanóides?

Em vez de se concentrar apenas na direção autônoma, a XPNG está desenvolvendo os fundamentos da IA ​​por trás do modelo VLA 2.0 para serem aplicados em uma variedade de casos de uso – incluindo a robótica. A empresa se tornou viral quando discutiu que seu robô humanóide IRON estava desumanamente vivo em novembro passado, abrindo-se até para dissipar especulações de que se tratava de uma pessoa real no caso.

Embora a conexão entre os dois projetos possa não ser imediatamente aparente, Liu disse ao Mashable que muitos dos desafios enfrentados pelos carros autônomos e pelo desenvolvimento de robôs humanóides são muito semelhantes. Como tal, as inovações são transferidas.

“Grande parte do nosso orçamento de P&D é gasto em IA ou treinamento de infraestrutura, o próprio modelo de dados”, disse Liu, observando que a XPING parece uma empresa de EV e IA física.

Um foco significativo da pesquisa e desenvolvimento contínuo do XPING é a capacidade do modelo de IA de reconhecer e responder a comandos verbais cada vez mais complexos. Este papel é importante para robôs humanóides e carros autônomos.

“Os robôs não são necessários apenas para compreender o ambiente que é o mundo, mas também para reconstruí-lo”, disse Liu. “Mas às vezes é preciso entender como se comunicar com as pessoas ou mesmo com outros agentes do mundo”.

O XPNG X9 EV pode acomodar até sete pessoas.
Crédito: XPeng

Enquanto o VLA 2.0 está navegando, ele usa informações de visão dos sensores da câmera do carro, além de ser capaz de receber comandos verbais. Esta função agora é utilizada para executar instruções diretas e imediatas, como dizer ao carro para virar 300 metros ou mudar para a faixa da direita. Em última análise, o XPING visa permitir que os passageiros simplesmente entrem no carro, digam verbalmente para onde ir e relaxem enquanto se dirigem para o seu destino.

“Esses carros, ‘ei, basta parar na frente. Eu quero comprar café, então você tem que parar na frente do Starbucks.’ O carro deve entender o seu treinamento, deve traduzir o seu treinamento em algumas ações”, disse Liu. “Queremos ter certeza de que o modelo pode compreender não apenas o mundo, ou seja, o sensor (a partir dos dados da câmera), mas também o treinamento e a mente humana”.

XPING e Tesla estão trabalhando para o mesmo objetivo

O trabalho da XPeng com veículos elétricos autônomos e robôs humanóides gerou comparações frequentes com a empresa Tesla de Elon Musk. Liu reconheceu esses paralelos, observando que a Tesla também está construindo um modelo de IA semelhante que está pressionando para alcançar o L4.

“Acho que só há uma maneira de resolver o problema claramente: é preciso repensar o problema desde o início”, disse Liu ao Mashable. “(XPNG e Tesla estão) fazendo algo na mesma trajetória. Queremos resolver o seguinte problema de primeiros princípios.isso o dividiria em seus elementos mais básicos). Diretamente no L4, eles tentam resolver o problema não usando regras, apenas usando modelos de IA. Eu acho que isso é uma semelhança.

Humildemente, Liu ressalta, onde o XPING se diferencia do Tesla é no grande volume de dados que possui sobre má direção. Utilizando esta informação, a XPING conseguiu desenvolver o seu próprio modelo de resposta a tais cenários, de forma a estar melhor preparada para todos os imprevistos que possam ocorrer na estrada.

“Para o XPING, temos muitos dados na China que são uma condução incrível. Portanto, vamos encontrar muitos casos extremos.isto é, em circunstâncias raras e inesperadas fora da norma)”, disse Liu. É por isso que precisamos pagá-lo. E esta é a nossa vantagem, e também importante, em comparação com Tesla.

Abandone o roteiro

Em vez de ser desenhado e baseado em um mapa da estrada, o VLA 2.0 é treinado para o comportamento humano ao dirigir. Isto é para garantir que ele responda adequadamente à variedade infinita e não prescrita de circunstâncias. Por exemplo, pode analisar um cenário e definir um limite de velocidade adequado e seguro para esse tipo de ambiente e condições.

“Às vezes, embora a estrada seja limitada, é tipo 80 (limite de velocidade), mas é bastante lotado, é preciso diminuir a velocidade e prestar atenção. Ou com mau tempo, por exemplo, está chovendo ou com neblina, as pessoas diminuem a velocidade por causa do ambiente”, Liu.

“Portanto, nesses casos, você não pode pedir ao carro que ordene que você siga o limite de velocidade do mapa ou de todas as placas. Certifique-se de estar ciente do perigo e saber como dirigir com segurança e controlar a velocidade.”

Após o aprendizado, os controladores podem ajustar manualmente a velocidade máxima do carro para que não cause desconforto durante o trajeto.

“Para segurança e conforto, a chave é controlar a velocidade”, disse Liu. “As pessoas podem controlar o volante, controlar o livro, para determinar a velocidade. Mas o modelo está tentando aprender que tipo de velocidade típica as pessoas dirigem nesse tipo de situação, porque o carro precisa ser seguro o suficiente e também não muito lento.”

Muitos modelos de carros XPING estão disponíveis na China, mas nenhum entrou nos EUA
Crédito: XPeng

Embora o VLA 2.0 seja baseado em uma grande quantidade de dados compartilhados, o XPING espera eventualmente oferecer uma experiência mais personalizada. Liu enfatizou que a empresa aumentará a capacidade dos carros individuais de aprender e se adaptar aos seus próprios proprietários, adaptando-se aos seus hábitos pessoais de condução. (Significativamente, o VLA 2.0 não transfere dados para a nuvem, todo o processamento necessário é feito localmente no carro).

“Então estamos trabalhando”, disse Liu. “Definitivamente, o comportamento de direção personalizado é uma das coisas em que estamos trabalhando, então esperamos que você veja isso mais tarde.”

Não está claro exatamente em que período esse recurso pode estar presente. O que está claro é que o XPING tem uma grande ambição – e talvez até a tecnologia – para trazê-lo de volta. Liu reconheceu que o VLA 2.0 ainda não é perfeito, exigindo por vezes a intervenção do condutor. Mesmo assim, não negamos que seja importante para o objectivo final de fabricar veículos seguros e totalmente autónomos.

Esta entrevista foi levemente editada para fins de gramática e clareza.

Revelado: Mashable hospedou XPING na China.