Hyundai откладывает внедрение автономного вождения до 2029 года, но бросает вызов Tesla: компания хочет превзойти её по объему данных.
Группа Hyundai Motor поставила себе новую цель: превзойти Tesla и других конкурентов по объему данных для автономного вождения в течение 5 лет с момента массового производства собственной системы. Южнокорейская группа установила эту дату, одновременно объявив о задержке на 2 года первоначально запланированного срока внедрения технологии автономного вождения.
Система Atria AI, разработанная Hyundai совместно с 42dot — дочерней компанией группы, специализирующейся на автономном вождении, — теперь ожидается к второй половине 2029 года, хотя изначально ее производство планировалось к концу 2027 года. До этого момента Hyundai будет использовать программное обеспечение Nvidia: автомобили уровня 2+ появятся в первой половине 2028 года, а автомобили уровня 2++ — во второй половине того же года.
Пересмотренный график
Пак Мин-у, руководитель подразделения Advanced Vehicle Platform в Hyundai и генеральный директор компании 42dot, объяснил основания этого прогноза во время презентации, состоявшейся в Пангёо к югу от Сеула: «Hyundai продаёт 7 миллионов автомобилей в год на 190 рынках, что позволяет нам собирать данные в масштабах всей компании, и при таком темпе мы сможем превзойти то, что наши конкуренты создали за пять лет».
Парк объяснил отсрочку запуска Atria AI стратегическим решением: «Мы считаем, что Atria AI мог бы развиваться быстрее, если бы мы вложили в него все наши ресурсы. Но мы приняли стратегическое решение замедлить процесс. Запуск массового производства слишком поспешно создает риск предложения посредственной системы уровня 2++, которая значительно ниже наших истинных целей».
Как сообщает Electric Vehicles, руководитель также кратко описал подход Hyundai в области конкуренции в сфере автономного вождения: «Конкуренция в области автономного вождения больше не сводится к скорости. Она заключается в том, сколько данных можно собрать, с какой скоростью можно научиться ими пользоваться и с какой скоростью это приводит к реальным продуктам и услугам».
В результате этого решения календарный план теперь предусматривает иной подход, который Квон Джун-хён, руководитель отдела автономного вождения компании 42dot, описывает следующим образом: «До 2027 года мы сосредоточимся на доведении функций управления, парковки и активной безопасности до высокого уровня с точки зрения качества продукта. 2028 год будет посвящён сбору большого количества данных в критических ситуациях для создания по-настоящему безопасного продукта. А в 2029 году мы начнём подготовку к сертификации безопасности не только в Корее, но и в Северной Америке и Европе».
Методы работы Hyundai
Стратегия южнокорейского производителя основана на использовании данных, генерируемых огромным парком транспортных средств, который в настоящее время не находится в эксплуатации. В настоящее время у Hyundai есть около 40 автомобилей, предназначенных исключительно для сбора информации для их систем автономного вождения. Компания стремится превзойти своих конкурентов по объему данных, но это планирование касается размера наборов данных, а не обязательно возможностей продуктов.
Hyundai называет эту стратегию Data Flywheel — систему, основанную на идее о том, что большее количество автомобилей генерирует больше данных, что в свою очередь позволяет улучшать программное обеспечение, а затем и сами автомобили. Среди предусмотренных инструментов — Hard Example Mining, который автоматически выявляет ситуации во время вождения, при которых модель сталкивается с трудностями, такие как участки строительства, неблагоприятные погодные условия, резкие смены полос движения или нерегулярные парковки.
Группа также будет использовать устройство Special Event Recorder для записи информации в ситуациях, таких как резкие ускорения или торможения, нерегулярные дистанции следования или моменты, когда водитель или система отключают помощь. Hyundai, Kia, 42dot и Motional кроме того стандартизируют датчики на платформе Nvidia DRIVE Hyperion 10, с целью того, чтобы данные, собранные любым из этих предприятий, могли использоваться для обучения одинаковых моделей.