Xiaomi frigiver open source OneVL til selvkørende AI

Xiaomi har kastet en skarp albue ind i kapløbet om autonom kørsel. Deres nyudgivne OneVL-framework er nu open source, og målet er ambitiøst: at give selvkørende systemer en bedre måde at aflæse vejen på, ræsonnere under usikkerhed og forudse, hvad der sker.

Det betyder noget, fordi AI til autonom kørsel længe har været delt mellem to forskellige retninger. Den ene side fokuserer på Vision Language Action-modeller, eller VLA-systemer, som fortolker trafikscener og omsætter den forståelse til kørselsbeslutninger. Den anden bygger på verdensmodeller, designet til at simulere, hvordan en situation kan udvikle sig i løbet af de næste sekunder. Xiaomi siger, at OneVL samler disse to tilgange i én ramme gennem latent rumræsonnement, en metode der skal gøre forudsigelser og beslutningstagning hurtigere og mere effektiv.

Helt enkelt forsøger virksomheden at løse et af de sværeste problemer i selvkørende teknologi: ikke blot at se vejen, men at forstå årsag og virkning i realtid. En fodgænger træder ud fra fortovet. En scooter krydser en bane. En bil foran tøver i et kryds. Det er ikke statiske billeder. Det er bevægelige gåder. Xiaomi hævder, at OneVL er bygget til at håndtere den kompleksitet med større præcision end konventionelle metoder.

Virksomheden siger, at rammeværket udvider ræsonnementsevnerne i deres XLA-model samtidig med, at både inferenshastighed og nøjagtighed øges. De påstår også stærke resultater på almindelige benchmarks knyttet til perception, ræsonnement og planlægning, tre områder der ligger i kernen af software til autonome køretøjer. Xiaomi går videre og siger, at OneVL kan overgå eksplicit ræsonnement via tankeforløb i nøjagtighed, samtidig med at hastigheden holdes tæt på latente inferenssystemer, der primært er optimeret til slutresponsforudsigelse.

Ikke bare hurtigere, men nemmere at stole på

En af de mere interessante dele af udgivelsen er Xiaomis fokus på fortolkelighed. I autonom kørsel er præstationscifre kun en del af historien. Ingeniører, tilsynsmyndigheder og i sidste ende passagerer vil vide, hvorfor en maskine traf en beslutning. Xiaomi siger, at OneVL kan forklare sine handlinger både i naturligt sprog og visuelt, hvilket i praksis giver udviklere et klarere indblik i, hvordan modellen nåede en konklusion, og hvad den forventer sker næste gang på vejen.

Det kan vise sig nyttigt langt ud over forskningsdemoer. Hvis et system kan vise, hvorfor det valgte at sænke farten, skifte vognbane eller vige, bliver det lettere at revidere, forbedre og potentielt validere i sikkerhedskritiske miljøer. For en branche, der ofte kritiseres for sort-boks-beslutninger, er det ikke en lille detalje.

Tidspunktet er også sigende. OneVL kommer kort efter, at Xiaomi gjorde Omnivoice, deres model til lydgenerering, open source, hvilket tyder på, at virksomheden satser hårdere på åben AI-udvikling på tværs af flere domæner. Det handler ikke kun om at offentliggøre kode for god vilje. Det er et signal. Xiaomi ønsker en stærkere stemme i AI-debatten, og virksomheden ser tydeligvis smart mobilitet som et af de områder, der er værd at kæmpe om.

Konkurrencen inden for autonom kørsel og embodied AI bliver tættere for hver måned. Teknologigiganter, bilproducenter og specialiserede startups jagter alle den samme præmie: systemer, der kan forstå den fysiske verden godt nok til at handle sikkert i den. Ved at gøre OneVL open source deltager Xiaomi ikke blot i konkurrencen. Virksomheden forsøger at forme betingelserne for den.