Wayve le prouve : l'AI embarquée transforme le développement des voitures autonomes
Le CEO de Wayve, Alex Kendall, a présenté une nouvelle approche des voitures autonomes : au lieu d'une programmation rigide, ils utilisent une AI embarquée qui
L'IA intégrée et l'apprentissage sur les vraies routes est ce qui transforme le développement des véhicules autonomes aujourd'hui, selon le PDG de Wayve, Alex Kendall, dans une interview avec Tom Mackenzie de Bloomberg.
Comment fonctionne l'approche IA pour les véhicules autonomes
Le chemin traditionnel pour développer des automobiles autonomes est d'écrire le code manuellement. Chaque règle pour chaque situation : que faire à un feu rouge, comment contourner une voiture garée, comment se garer dans un espace étroit. Les ingénieurs décrivent des règles pour les scénarios anticipés, puis testent le véhicule dans ces mêmes scénarios. Étroit et long.
Wayve a choisi un chemin complètement différent. Au lieu de la programmation hard-coded, ils ont équipé leurs véhicules d'une IA intégrée qui observe les vraies routes comme le ferait un conducteur, apprend des situations du monde réel et s'améliore continuellement. Les caméras, lidar et radar collectent les données vidéo, les réseaux de neurones les traitent en temps réel et prennent des décisions sur les virages, l'accélération et le freinage.
La clé de cette approche est de ne pas confiner le véhicule à un environnement contrôlé pour l'entraînement, mais de le déployer sur des vraies rues avec de vraies personnes. Cela semble dangereux, mais Wayve affirme que le véhicule apprend des millions de fois plus vite de cette façon que dans des simulations idéales. Chaque trajet est une leçon.
Chaque rencontre avec un nouveau scénario améliore le modèle.
Pourquoi cela accélère l'expansion des robotaxis
Le principal problème de l'approche traditionnelle est l'adaptation aux nouvelles villes. Chaque ville est unique : différentes routes, panneaux, climat, comportement des conducteurs. Avec le développement manuel, les entreprises dépensent des années pour adapter une voiture à Londres, puis d'autres années pour San Francisco. Avec l'approche IA, le véhicule s'adapte lui-même. Déployez-le à Londres pendant un mois—il apprendra toutes les particularités des routes de Londres, le comportement des piétons, le climat. Puis San Francisco—et le cycle se répète, mais beaucoup plus vite, car la connaissance de comment apprendre est déjà intégrée au modèle. Cela donne à Wayve un énorme avantage :
- L'IA intégrée apprend de chaque trajet—pas besoin de énormes ensembles de données annotées manuellement
- Les mises à jour sont envoyées par air à tous les véhicules simultanément
- L'expansion ne nécessite pas de reprogrammation pour chaque ville
- Le robotaxi devient économiquement viable plus tôt
Wayve a déjà déployé des taxis autonomes à Londres et s'expande vers de nouveaux marchés. Des concurrents comme Tesla et Cruise utilisent des approches IA similaires, mais Wayve parie clairement plus lourdement sur cela, en abandonnant les simulations et les grands ensembles de données étiquetés manuellement.
Ce que cela signifie
Si l'IA intégrée fonctionne à l'échelle, alors les véhicules autonomes passent de l'expérience scientifique à l'industrie. Cela signifie que les robotaxis seront disponibles dans plus de villes plus tôt que ne l'avaient prédit les analystes. Les coûts baisseront car les entreprises n'auront pas besoin de dépenser des millions pour adapter à chaque région.