В неустанном стремлении к автономности 5-го уровня самым большим барьером всегда были не правила дорожного движения, а хаос окружающего мира. Сегодня Waymo преодолела этот барьер. В знаковом объявлении, которое сокращает разрыв между генеративным ИИ (Generative AI) и физической робототехникой, лидер в области беспилотного вождения, принадлежащий Alphabet, представил мировую модель Waymo (Waymo World Model) — симуляционный движок нового поколения, построенный на базе Genie 3 от Google DeepMind.
В течение многих лет индустрия полагалась на «пройденные мили» как на золотую метрику безопасности. Waymo, уже налетавшая почти 200 миллионов миль в полностью автономном режиме по дорогам общего пользования, теперь фактически заявляет, что физических миль больше недостаточно. Используя колоссальные знания о мире интернет-масштаба Genie 3, Waymo не просто фиксирует реальность; они синтезируют её. От торнадо, обрушивающихся на шоссе, до слонов, бродящих по городским улицам, мировая модель Waymo позволяет «водителю Waymo» (Waymo Driver) проживать невозможное, гарантируя его готовность к маловероятному.
В Creati.ai мы рассматриваем это не просто как обновление симулятора, а как появление настоящего Физического ИИ (Physical AI) — этапа, когда генеративные модели перестают просто создавать видео и начинают учить роботов выживать.
Сердце этого прорыва — Google Genie 3. В то время как его предшественники прославились созданием игровых 2D-сред из изображений, Genie 3 представляет собой квантовый скачок в понимании измерений. Это мировая модель общего назначения, предварительно обученная на огромном корпусе разнообразных видеоданных, что дает ей интуитивное понимание физики, постоянства объектов и причинно-следственных связей.
Waymo адаптировала этого гиганта под специфические строгие требования сферы вождения. В отличие от традиционных симуляторов, которые полагаются на созданные вручную ассеты и жесткие физические движки, мировая модель Waymo является сквозной генеративной моделью (end-to-end generative). Она не просто визуализирует сцену; она «грезит» ею, поддерживая временную согласованность между кадрами.
Крайне важно, что эта система выходит за пределы видимого спектра. Она генерирует высокоточные мультисенсорные выходные данные, синтезируя не только видеопотоки с камер, но и 4D-облака точек Лидара (LiDAR). Это меняет правила игры. Автономное транспортное средство (AV) не «видит» как человек; оно воспринимает глубину и геометрию через лазерные импульсы. Симулятор, генерирующий только фотореалистичное видео, бесполезен для стека, зависящего от Лидара. Мировая модель Waymo устраняет этот пробел, создавая синтетическую реальность, которая математически неотличима от необработанных данных сенсоров.
«Длинный хвост» (Long-tail) сценариев вождения — те редкие происшествия, которые случаются раз на миллиард миль — исторически был ахиллесовой пятой разработки беспилотников. Вы не можете жестко запрограммировать автомобиль на ситуацию, которую он никогда не видел, и вы не можете ждать 100 лет, пока испытательный парк случайно столкнется с определенным типом стихийного бедствия.
Мировая модель Waymo решает эту проблему нехватки данных, генерируя достоверные обучающие данные для краевых случаев (edge cases). Как было подчеркнуто в презентации, система может создавать сценарии, которые было бы опасно или невозможно инсценировать в реальном мире.
В одной из самых впечатляющих демонстраций Waymo показала, как её система справляется с:
Это не скриптовые анимации. Это интерактивные среды, где эго-автомобиль (обучаемый беспилотник) может принимать решения, а мир реагирует соответствующим образом. Если машина тормозит перед слоном, рассчитывается физика остановки, данные сенсоров меняются, и «мир» продолжает развиваться связно.
Генеративная модель, галлюцинирующая случайный хаос, полезна, но контролируемая симуляция — это инструмент. Waymo внедрила три различных механизма для обуздания креативности Genie 3, позволяя инженерам наносить точечные удары по пробелам в обучении беспилотника.
Этот механизм обеспечивает контрфактуальное тестирование. Инженеры могут взять лог из реального мира — скажем, момент, когда беспилотник уступил дорогу перестраивающемуся грузовику — и спросить: «А что, если?»
Это позволяет изменять статичный мир. Инженеры могут менять геометрию дорог, состояние сигналов светофора или переставлять других участников дорожного движения. Тихий пригородный перекресток может быть мгновенно превращен в напряженную шестиполосную развязку со сломанным светофором, проверяя, как беспилотник обобщает свои знания на новых «уровнях» игры.
Пожалуй, самая характерная функция «Генеративного ИИ (Generative AI)» из трех: она позволяет инженерам манипулировать симуляцией с помощью текстовых подсказок на естественном языке.
Чтобы понять масштаб этого сдвига, мы должны сравнить новый генеративный подход с детерминированными симуляторами, которые определяли отрасль в последнее десятилетие.
Сравнение архитектур симуляции
| Функция | Традиционные симуляторы | Мировая модель Waymo (Genie 3) |
|---|---|---|
| Основная технология | Игровые движки (Unreal/Unity) и логика на основе правил | Генеративная мировая модель (Video-to-World) |
| Создание ассетов | Ручное моделирование ассетов (автомобили, деревья, дороги) | Генеративный синтез из изученных концепций |
| Точность датчиков | Аппроксимации на основе трассировки лучей | Обученный синтез датчиков (камера + лидар) |
| Разнообразие сценариев | Ограничено заранее запрограммированной логикой | Бесконечная генерация сценариев «длинного хвоста» |
| Реализм | Высокая визуальная точность, жесткое поведение | Высокая семантическая точность, реактивная физика |
| Обработка краевых случаев | Сценарные специфические события | «Невозможные» сценарии на основе промптов |
| Масштабируемость | Линейная (требует больше времени художников/разработчиков) | Экспоненциальная (ограничена только вычислительными мощностями) |
Выпуск мировой модели Waymo знаменует собой конвергенцию между ИИ типа «чат-бот», который доминировал в заголовках, и «роботизированным» ИИ, работающим в физическом мире. Это дорожная карта Физического ИИ: использование рассуждений и генеративных возможностей больших моделей для решения кинетических задач.
Рассматривая вождение не как набор правил если/то, а как задачу непрерывного прогнозирования внутри изученной модели мира, Waymo приводит свой стек в соответствие с тем, как, вероятно, функционирует человеческий мозг — мы запускаем внутренние симуляции мира для предсказания результатов. Genie 3 наделяет «водителя Waymo» воображением.
Эта разработка также бросает серьезный вызов конкурентам. В то время как другие в этой области полагаются на данные автопарка для поиска краевых случаев, Waymo теперь может их производить. Преимущество «миллиардов виртуальных миль» существовало годами, но качество этих миль только что выросло экспоненциально. Миля, пройденная в симуляции Genie 3, больше не является приближением к видеоигре; это точная репетиция реальности на уровне сенсоров.
С нашей точки зрения в Creati.ai, последствия выходят далеко за рамки беспилотных такси. Waymo и Google DeepMind фактически создают физический движок для реальности. Технология, позволяющая автомобилю понять торнадо, — это та же технология, которая со временем научит домашних роботов ориентироваться в загроможденной кухне или промышленных дронов инспектировать зоны бедствия.
Мировая модель Waymo — это предупредительный выстрел для всей индустрии: будущее автономности зависит не только от лучших сенсоров или быстрых процессоров. Оно зависит от того, у кого лучшие «сны» о мире — и прямо сейчас сны Waymo становятся неотличимы от реальности.
Google запустил новые возможности Gemini AI в Gmail, предлагая пользователям AI‑поддерживаемые сводки поиска и расширенную помощь в написании в рамках подписки Google AI Pro.
Агентство по охране окружающей среды США (EPA) постановило, что xAI Илона Маска незаконно эксплуатировало десятки турбин на природном газе для питания своих дата-центров в Теннесси без надлежащих разрешений, что вызывает экологические и регуляторные обеспокоенности.
