物理AIと汎用エッジインテリジェンスの出現

ネトラダイン最高経営責任者兼創設者、アヴニーシュ・アグラワル
ネトラダイン最高技術責任者兼創設者、デビッド・ジュリアン

長年にわたり、AIの進歩はベンチマーク、デモ、クラウドベースのインテリジェンスで測定されてきました。しかし、AIの最も重要な変化は、データセンターの外、つまり現実の世界で起こっています。

私たちはこれをフィジカルAIと呼んでいます。現実世界を認識し、リアルタイムで理性を示し、物事を成すのに十分な速さで行動する知能です。

フィジカル AI はイベント後の分析ではありません。それは、道路上でも、さまざまな工業用地でも、人、車両、資産が相互作用する場所など、ダイナミックでリスクの高い環境で、一瞬で意思決定を下すことです。

物理AIが根本的に異なる理由

物理環境では、遅延、信頼性、精度は理論上の問題ではなく、実存的な問題です。

前方衝突警告を考えてみましょう。ドライバーが安全な制動距離をすでに使い果たした後に到着した場合は役に立ちません。カメラフレームとセンサー → 融合知覚 → リスク推定 → 可聴アラートなど、物理的な AI システムがデバイス上でループを閉じます。すべて制限されたレイテンシーバジェット内です。セーフティクリティカルなループでは、「数秒後」では答えになりません。もう手遅れです。

真のフィジカル AI には、次の 3 つの難しい機能が必要です。 エッジでのリアルタイム推論、 ノイズの多い予測不可能な条件下での高精度、および 実世界での何百万件ものインタラクションでの導入実績。

ロングテールは本物

2 つのクリップは、データセット内では似ていても、道路上では動作が異なります。濡れたフロントガラスから反射して。曲がりくねったトラックによる部分的な閉塞。斜めの脇道にある一時停止標識。停止が必要かどうかは、標識だけではなく状況によって決まります。

物理的な AI はこうした変化に強固でなければなりません。というのも、システムがクリーンな再検討を求めることはできないからです。とにかく決定しなければなりません。

堅牢性は、センサーフュージョン、フレーム間の時間的モデリング、および実際のデプロイメントからの継続的なハードネガティブマイニングによって実現されます。これはラボでトレーニングされた AI ではありません。現実世界のロングテールから学習するのはAIです。

ネトラダインの基盤：物理AIを大規模に導入

NetradyneのフィジカルAIに関する取り組みは、実際の運用上の問題から始まりました。それは、最も重要な瞬間にドライバーがより安全な意思決定を行えるように支援する方法です。

現在、Netradyneの物理AIは大規模に導入されており、運転時間の 100% を分析し、車両に直接推論し、運転室内で即時にアラートを送信しています。これは、現実世界の何十億マイルもの距離にわたって動作するプロダクションフィジカルAIです。

ほとんどのシステムでは、しきい値ベースのまばらな検出であるスナップショットで世界を見ています。物理 AI はすべてを認識します。つまり、ドライブ全体にわたる高密度の継続的な理解です。NetradyneのLiveSearchは、車両1台あたり100時間以上に及ぶデバイスインテリジェンスを利用して、エッジシステムを継続的に検索できるようにします。

キャブでのコーチングは、ローカルだからこそ有効です。推論はデバイス上で行われるため、デッドゾーンを走行するフリートトラックでも一貫した安全動作が得られます。

物理 AI から一般化されたエッジインテリジェンスまで

初期のエッジAIシステムは、特定のイベントを検出し、事前定義されたアラートをトリガーするという狭いタスクを解決するために構築されていました。Generalized Edge Intelligenceは、タスク固有のモデルを超えて、人、車両、オブジェクト、動作、コンテキストにわたって環境を継続的に理解するシステムに移行します。

個別のイベントを認識するのではなく、一般化されたシステムが構築されます エッジでのパーシスタントワールドモデル—物理環境が時間の経過とともにどのように振る舞うかをキャプチャします。新しいセンサーを必要とせずに、ローカルで推論し、複数のユースケースにインテリジェンスを適用します。

1つのシーン、多くの回答

交差点の 30 秒のセグメントを 1 つ実行するだけで、同じ表現から複数の結果を導き出すことができます。

• 安全性: 「ローリングストップはありましたか？」

• リスクアセスメント: 「スピードと雨のコンディションを考えると、距離を追うのは危険だったの？」

• オペレーション: 「ルートのどこにニアミスが集まるの？」

• トレーニング: 「正しい降伏行動の例をドライバーに見せてください。」

Generalized Edge Intelligenceとは、質問ごとに新しいパイプラインを構築するのをやめて、継続的に更新されるクエリ可能な世界モデルの構築を始めることです。

プレゼンスだけではなく意図を理解する

次の分野は、コンテクストに基づく意図推論、つまり理解です。 何 現実世界の俳優がそうする傾向があるのは それを 彼らは存在します。

狭いAIシステムが、「前方の歩行者」と「サイクリストが検出されました」という一般的なアラートを発行します。意図に関する一般化されたエッジインテリジェンスの理由。歩行者は静止していて注意散漫なので、差し迫ったリスクは低い。しかし、サイクリストの軌跡から、前方に駐車中の車を避けるためにトラックの車線に合流することが示唆されています。システムは触覚フィードバックを提供したり、スロットルレスポンスを調整したりして、ドライバーをより安全な速度に誘導します。 前 正式な警告が必要です。

これがエッジでの状況認識です。衝突回避から先進運転支援への道のりです。

デプロイメントモート

物理 AI は単なるモデルカテゴリーではなく、デプロイメントの最重要事項です。

エッジネイティブシステムは、時間が経つにつれて利点が複雑になります。1マイルごとに、シミュレーションでは再現できないまれなロングテールデータが追加されます。すべてのデバイスが常時オンのセンサーになります。すべての改善点は、ハードウェアを更新せずにソフトウェアとして出荷されます。

プラットフォームがイベントトリガーだけでなく、クエリが可能になるにつれて、ハードウェアを再インストルメントすることなく新製品が登場します。エッジコンピューティングはついにリアルタイム推論に十分対応できるようになりました。基礎モデルは一般化を可能にします。ピースは収束しつつあります。

Netradyneのビジョン:ジェネラライズド・エッジ・インテリジェンスの時代をリードする

Netradyneは、この移行を主導する独自の立場にあります。

何年にもわたって導入されてきた物理AI、ディープエッジインフラストラクチャ、および前例のない規模での現実世界のデータが基盤となります。何百万台ものカメラが配備されました。エッジでの継続的な学習。何十億マイルもの距離を繰り返し改善します。

次に登場するのは、1 つの機能ではなく、最先端の新しいクラスのインテリジェンスです。物理的な世界を継続的に理解し、環境の変化に適応し、あらゆる場所でより安全で効率的な運用を可能にする企業です。

Netradyne では、ジェネラライズド・エッジ・インテリジェンスは目標ではありません。これは、現実の世界ですでに運用されている物理AIの自然な進化です。すべてのマイル、あらゆる瞬間、毎日。

Netradyneの物理AIプラットフォーム、Driver•i、およびビデオライブサーチ機能の詳細については、以下をご覧ください。 netradyne.com

‍

‍