WeRide przedstawia WITT – model „Physical AI” oparty na weryfikowalnych faktach

WeRide (NASDAQ: WRD, HKEX: 0800) zaprezentował WITT (World Intelligence Toward Truth) – model „Physical AI Cognitive Foundation Model”, którego celem jest budowanie rozumienia świata fizycznego na podstawie zaufanych faktów. Fakty te mają pochodzić z realnych obserwacji z doświadczenia operacyjnego.

WITT wykorzystuje możliwości modelu wideo-język (VLM). Firma wprowadza pojęcie Atomic Physical Facts (APFs) – najmniejszych, weryfikowalnych jednostek informacji o świecie fizycznym – i buduje faktową ramę poznawczą dla systemów Physical AI.

Model ma łączyć dane z różnych modalności: wideo, obrazy i tekst. Następnie ma rozkładać stale zmieniające się środowiska na weryfikowalne fakty. Te fakty mają być możliwe do wskazania, „analizowania” oraz potwierdzania.

WITT działa w oparciu o cztery kluczowe funkcje: Fact Extraction (wydobywanie faktów), Fact Reasoning (wnioskowanie na faktach), Fact Verification (weryfikacja faktów) oraz Fact Curation (selekcja i kuracja danych do uczenia). WITT ma stale zamieniać dane z rzeczywistości w sygnały do uczenia, oceny i iteracji modeli.

Firma podkreśla, że w porównaniu z istotnie większymi modelami ogólnego przeznaczenia WITT ma obniżać koszty tokenów nawet o do 98%. Producent deklaruje też nawet 200x wyższą efektywność przetwarzania danych w porównywalnych zadaniach.

Dlaczego WITT powstał

WeRide wskazuje, że gdy Physical AI przechodzi z etapu badań do wdrożeń w realnym świecie, autonomiczne prowadzenie staje się pierwszą dziedziną, która uzyskuje skalowalną komercyjną walidację. Jednocześnie budowanie systemów, które niezawodnie rozumieją świat fizyczny, pozostaje fundamentalnym wyzwaniem.

Ogromne ilości danych z realnego świata wciąż rosną w wykładniczym tempie. Jednak wskazanie i wykorzystanie tych danych z rzeczywistą wartością dla treningu, oceny i kolejnych iteracji jest trudne. Wysokowartościowe scenariusze „long-tail” są z natury rzadkie, a zbiory danych zbierane zarówno z operacji autonomicznego prowadzenia L4, jak i z produkcyjnych systemów ADAS często zawierają interwencje człowieka, nieaktywne segmenty i inne formy szumu.

Firma dodaje też, że modele ogólnego przeznaczenia mogą mieć problem z konsekwentną interpretacją złożonych środowisk drogowych. W rezultacie pojawiają się halucynacje, błędy faktograficzne oraz niepełne rozumienie scen.

Branża potrzebuje wydajnego i zaufanego mechanizmu do rozumienia danych – takiego, który potrafi stale wyodrębniać znaczące fakty dotyczące scen z danych z jazdy, poprawiać jakość i efektywność treningu, oceny oraz iteracji modeli, a także przekształcać doświadczenie z realnego świata w zaufane sygnały do uczenia, napędzające rozwój systemów autonomicznych.

WITT powstał, aby odpowiedzieć na to wyzwanie.

Jak działa WITT: APFs i cztery etapy pipeline’u

WITT jest oparte na dużej skali operacji autonomicznego prowadzenia WeRide. Model stale wydobywa wzorce, relacje i zaufane fakty z ogromnych wolumenów danych operacyjnych. Zamiast traktować dane jako surowe wejście do treningu, WITT traktuje zaufane fakty jako podstawowe klocki poznania Physical AI.

Ta baza umożliwia przekształcanie doświadczenia z realnego świata w uporządkowaną wiedzę dzięki czterem kluczowym funkcjom: Fact Extraction, Fact Reasoning, Fact Verification i Fact Curation.

Razem tworzą kompletny proces obejmujący rozumienie scen, przypisywanie zdarzeń, walidację danych oraz kurację uczenia – tak, aby każdy kilometr danych z realnej jazdy stawał się zaufanym sygnałem do poprawy modelu.

Fact Extraction

WITT identyfikuje i wyodrębnia trzy kategorie Atomic Physical Facts z danych z jazdy: standardowe fakty dotyczące prowadzenia, fakty dotyczące interakcji wielu uczestników oraz fizycznie niejednoznaczne warunki. Razem te fakty obejmują codzienne zachowania w ruchu drogowym, rozwijające się relacje między uczestnikami ruchu oraz niepewność w złożonych środowiskach fizycznych.

Na przykład nagranie wideo z jazdy można rozłożyć na wiele APFs, w tym ograniczoną widoczność spowodowaną deszczem, pieszego wchodzącego na przejście, spowolnienie pojazdu „ego”, równoległy przejazd pobliskiego pojazdu, zmianę sygnalizacji świetlnej oraz wzrost ryzyka kolizji. Każdy fakt ma być zaprojektowany tak, by był wysoce wiarygodny, możliwy do prześledzenia i weryfikowalny. Ma to umożliwiać bogatsze opisy scen oraz stanowić fundament pod kolejne etapy wnioskowania, walidacji i uczenia.

Fact Reasoning

Po wyodrębnieniu faktów WITT analizuje kluczowe zdarzenia, relacje behawioralne i rozwijające się ryzyka w danej scenie, identyfikując jednocześnie przyczyny tych zdarzeń oraz potencjalne kierunki ich rozwoju.

W fazie R&D (badawczo-rozwojowej) autonomicznego prowadzenia inżynierowie często muszą przeszukiwać ogromne zbiory wideo w poszukiwaniu konkretnych scenariuszy „long-tail”, takich jak nagłe wejście pieszego w strefie robót, zjazdy z pasa przy słabej widoczności czy złożone manewry ustępowania na wąskich drogach. Dzięki zintegrowanemu silnikowi analizy wideo WITT umożliwia użytkownikom wyszukiwanie wybranych scenariuszy przez słowa kluczowe lub zapytania w języku naturalnym, co ma znacząco poprawić efektywność wyszukiwania scenariuszy, badania danych i analizy przyczyn.

Fact Verification

Aby ograniczać halucynacje typowe dla modeli ogólnego przeznaczenia, WITT ocenia wyniki w sześciu wymiarach:

• użytkownicy dróg w sytuacjach zagrożenia (Vulnerable road users),
• zachowanie pojazdu „ego” (Ego-vehicle behavior),
• zachowanie pojazdów w otoczeniu (Surrounding vehicle behavior),
• rozumienie sceny (Scene understanding),
• kompletność faktów (Comprehensive fact),
• infrastruktura i obiekty drogowe (Traffic facilities).

Model wprowadza ocenę wiarygodności faktów (factual confidence scoring) i weryfikuje wnioski w oparciu o zewnętrzne dowody fizyczne, aby ustalić, czy interpretacje są potwierdzone przez obserwowalną rzeczywistość.

WITT, śledząc błędy faktograficzne, halucynacje, pominięcia i niespójności czasowe, dostarcza zarówno benchmark jakości dla użytkowników danych, jak i sygnał preferencji do treningu modeli. W efekcie systemy AI mają być stale kierowane w stronę dokładniejszego i mocniej osadzonego w realiach rozumienia fizycznego.

Firma deklaruje, że dziś WITT osiąga średni wskaźnik błędu faktograficznego na poziomie około jednej trzeciej w porównaniu z wiodącymi modelami ogólnego przeznaczenia w zadaniach rozumienia scenariuszy w autonomicznym prowadzeniu.

Fact Curation

W realnych operacjach nie wszystkie dane mają taką samą wartość dla uczenia. WITT automatycznie identyfikuje fakty o wysokiej wartości i kieruje je do najbardziej efektywnych procesów uczenia, aby maksymalizować poprawę modelu.

Rzadkie scenariusze „long-tail” mogą być zwracane do WeRide GENESIS, autorskiego modelu symulacji ogólnego przeznaczenia, w celu treningu symulacyjnego i rozszerzania scenariuszy. Częste, codzienne scenariusze mogą wspierać reinforcement learning (uczenie przez nagrody) oraz optymalizację workflow. Dane nietypowe lub niejednoznaczne mogą być kierowane do procesów przeglądu, aby zapobiec odrzucaniu wartościowych informacji jako szumu.

Dzięki temu, że każdy element danych trafia na najbardziej odpowiednią ścieżkę uczenia, WITT maksymalizuje wartość danych operacyjnych z realnego świata i stale przekształca doświadczenie w inteligencję modelu.

WITT w architekturze Physical AI firmy

W ramach architektury Physical AI WeRide WITT pełni kluczową warstwę rozumienia i oceny. Wraz z WeRide GENESIS, autorskim modelem symulacji ogólnego przeznaczenia, WITT tworzy „flywheel” Physical AI, który stale przekłada doświadczenie z realnego świata na poprawę modelu.

WITT wydobywa, rozumie, weryfikuje i kuratoruje fakty fizyczne z danych z rzeczywistości, natomiast GENESIS generuje środowiska symulacyjne o wysokiej wierności oraz scenariusze treningowe „long-tail” na podstawie tych faktów. Wspólnie oba systemy trenują i ulepszają modele po stronie pojazdu, umożliwiając systemom autonomicznego prowadzenia nieustanne rozwijanie się dzięki zarówno doświadczeniu z realnego świata, jak i uczeniu w świecie syntetycznym.

Wydajność i koszty

W porównaniu z modelami ogólnego przeznaczenia, które często opierają się na setkach miliardów parametrów, WITT ma zapewniać silną wydajność dzięki znacznie efektywniejszej architekturze. Model obniża koszty tokenów nawet o do 98%, przetwarza do 10 000 minut wideo z pracy pojazdu dziennie na jednym GPU i zapewnia do 200 razy większą efektywność przetwarzania danych w porównywalnych zadaniach.

W procesach etykietowania jedno zlecenie do WITT może generować ponad 100 dynamicznych tagów, co pozwala szybko wyszukiwać, weryfikować i włączać duże wolumeny wideo z realnej jazdy do pipeline’ów rozwoju modeli. Następnie stają się one stale gromadzącymi się aktywami faktów.

Skala wdrożeń WeRide

Dzięki temu „flywheelowi” WeRide stał się jedyną firmą na świecie, która osiągnęła masowe, komercyjne wdrożenie zarówno autonomicznego prowadzenia L4, jak i systemów inteligentnego prowadzenia L2++.

W obszarze L4 WeRide uzyskał zezwolenia na autonomiczne prowadzenie w ośmiu krajach i na ośmiu rynkach, wdrożył produkty do autonomicznej jazdy w ponad 40 miastach w 12 krajach i obsługuje flotę liczącą ponad 3 000 autonomicznych pojazdów. Usługi Robotaxi osiągnęły już regularne, masowe operacje w pełni bez kierowcy w Guangzhou, Pekinie, Abu Zabi i Dubaju.

Jednocześnie wysokiej jakości dane i możliwości modelu zgromadzone w wyniku operacji L4 są stale przenoszone do jednomodelowej, end-to-end oferty ADAS firmy w ramach jej „flywheela” Physical AI. Dziś WRD 3.0 ma za sobą sześć kolejnych zwycięstw w China Urban Intelligent Driving Competition. Rozwiązanie zostało też wybrane do prawie 30 programów pojazdów i trafiło do produkcji na wielu platformach, w tym w modelach Chery Exeed oraz GAC Aion. Poza Chinami rozszerzyło zakres walidacji technologii na międzynarodowe rynki, takie jak Niemcy, Francja i Japonia.

Wychodząc od autonomicznego prowadzenia – jednego z najbardziej wymagających środowisk pod względem danych i złożoności operacyjnej dla Physical AI – WITT ma pokazywać szerszy potencjał zastosowań dla Physical AI.

Gdy Physical AI wejdzie w nową fazę masowych wdrożeń, WeRide będzie nadal rozwijać modele kognitywne oparte na walidacji w realnym świecie, umożliwiając AI przejście od rozumienia świata fizycznego do działania w nim na dużą skalę.