Autozulieferer Valeo und Natix Network bündeln ihre KI-Kompetenzen beim Aufbau eines der weltweit größten Open-Source-Multi-Camera-World-Foundation-Modelle (WFM). Was so sperrig klingt, soll im Grunde einmal helfen, die immensen Datenmengen beim autonomen Fahren bereitstellen zu können. Dabei wollen beide Partner neue Maßstäbe für KI-gestützte Weltmodelle setzen, die Bewegungen, Verkehrssituationen und Interaktionen in der realen Umgebung nicht nur erkennen, sondern auch vorhersagen können.

Im Mittelpunkt der Zusammenarbeit steht die Kombination aus Valeos Know-how im sogenannten World Modeling und dem globalen Multi-Kamera-Datennetzwerk von Natix. Ziel ist es, die Entwicklung autonomer Fahrfunktionen, Robotik-Anwendungen und sogenannter Physical AI zu beschleunigen.

Mehr Realwelt-Daten für autonomes Fahren

Autonome Systeme benötigen große Mengen qualitativ hochwertiger Realwelt-Daten. Genau hier setzt die Kooperation an. Natix bringt ein dezentrales Kamera-Netzwerk ein, das innerhalb von sieben Monaten bereits mehr als 100.000 Stunden Multi-Kamera-Fahrdaten gesammelt hat. Hochgerechnet entspricht dies rund 600.000 Stunden Videomaterial aus realen Verkehrssituationen in Europa, den USA und Asien.

Von Wahrnehmung zu Vorhersage

Ein zentrales Ziel der neuen World-Modelle ist der Schritt von reiner Objekterkennung hin zur Prognose von Verkehrssituationen. Multi-Kamera-Modelle sollen nicht nur analysieren, was aktuell passiert, sondern auch abschätzen, wie sich Verkehrsteilnehmer und Umgebungen in den nächsten Sekunden entwickeln.

Marc Vrecko, CEO der Brain Division von Valeo, erklärt: "Durch die Kombination unserer Forschung im generativen World Modeling mit den globalen Multi-Kamera-Daten von Natix beschleunigen wir die Entwicklung leistungsfähiger KI-Modelle für Fahrerassistenz und autonomes Fahren."

Open-Source-Ansatz soll Entwicklung beschleunigen

Ein besonderes Merkmal der Partnerschaft ist der Open-Source-Ansatz. Valeo und Natix wollen nicht nur Modelle entwickeln, sondern auch Trainingsdaten und Werkzeuge der Entwickler-Community zur Verfügung stellen. Dadurch sollen Vergleiche zwischen verschiedenen Regionen, Verkehrsszenarien und Fahrbedingungen erleichtert werden.

Für die Automobilindustrie könnte dies langfristig zu schnelleren Entwicklungszyklen bei Assistenzsystemen, automatisierten Fahrfunktionen und Sicherheitsanwendungen führen – bei gleichzeitig sinkenden Entwicklungskosten.

Mehr zum Thema entdecken SchadenBusiness Technologie-Kooperation: Geballtes Know-how

Haftungsausschluss: Das Urheberrecht dieses Artikels liegt beim ursprünglichen Autor. Die erneute Veröffentlichung dieses Artikels dient ausschließlich der Informationsverbreitung und stellt keine Anlageberatung dar. Bei Verstößen kontaktieren Sie uns bitte umgehend. Wir werden bei Bedarf Korrekturen oder Löschungen vornehmen. Vielen Dank.