🚨 HET ALPAMAYO AUTONOME RIJSYSTEEM IS VANDAAG GETEST DOOR DE CEO VAN NVIDIA, JENSEN HUANG 🔥 Hier is een samenvatting van alles wat je moet weten over de test: Tijdens een echte testrit in San Francisco demonstreerden NVIDIA CEO Jensen Huang en een ingenieurscollega het Alpamayo autonome rij systeem, waarbij ze de unieke "fusie" architectuur benadrukten. Het systeem combineert een end-to-end (E2E) neurale netwerk met een klassieke door mensen ontworpen stack. Deze hybride aanpak is ontworpen om "supermenselijke" rijcapaciteiten te bieden, terwijl het een traceerbare, regelgebaseerde veiligheidsrand behoudt die voorkomt dat de auto "uit distributie" of onveilige manoeuvres uitvoert. Het E2E-model, dat Huang opmerkte dat op een opmerkelijk "mensachtige" en gracieuze manier rijdt, is in staat tot complexe redeneringen en kan generaliseren vanuit een enorme dataset van menselijk rijgedrag. Tijdens de test navigeerde het voertuig succesvol door lastige snelwegwissels, ging om met obstructies bij hoge snelheden en voerde "duw" manoeuvres uit rond dubbelgeparkeerde voertuigen en bouwconussen. De ontwikkelaars benadrukten dat de snelheid van iteratie van het E2E-model ongelooflijk hoog is, met ongeveer zeven nieuwe modelversies die elke dag worden gegenereerd. Veiligheid en validatie waren centrale thema's van de test. Het team maakt gebruik van een "functionele scenario boom" en AI-tools om gegevens te cureren voor specifieke wegomstandigheden, naast een gesloten-lus evaluatiesysteem (CLU) dat dagelijks 2 miljoen tests uitvoert in een gereconstrueerde pixel-perfecte wereld. Deze rigoureuze tests hielpen het systeem de hoogste beoordeling te behalen in de 2025 NCAP-normen, die de sprekers opmerkten steeds strenger worden. De hardware die deze software ondersteunt omvat een op maat gemaakte, functioneel veilige computer aangedreven door 10 camera's, 5 radars en 12 ultrasone sensoren. Vooruitkijkend integreert het team een "redeneringssysteem" en "Cosmos" (een generatief wereldmodel) om zeldzame "long tail" hoeken aan te pakken door omgevingsfactoren zoals weer en verlichting in simulatie te veranderen. Huang concludeerde dat deze combinatie van een mensachtig E2E-model en een rigide veiligheidsstack de technologie klaar maakt om op te schalen van L2++ naar L4 robotaxi's. Videobron: NVIDIA Youtube-kanaal