Škálování systémů autonomního řízení není pouze otázkou shromažďování větších objemů dat z jízd a trénování rozsáhlejších modelů AI. S tím, jak se automatizované řízení stává stále závislejším na end-to-end AI, potřebují vývojáři také způsoby, jak generovat, testovat a validovat obrovské množství dopravních situací. Práce společnosti Foretellix kolem referenčního řešení NVIDIA Alpamayo zdůrazňuje, jak se tato výzva v oblasti verifikace stává ústřední součástí další fáze vývoje autonomních vozidel.

Iniciativa NVIDIA Alpamayo je navržena kolem otevřených modelů a nástrojů pro vývoj systémů autonomního řízení založených na uvažování (reasoning-based systems). Foretellix přispívá svými zkušenostmi v oblasti verifikace založené na scénářích s cílem propojit vývoj AI se systematickým testováním a měřením pokrytí. Základní myšlenka je významná: autonomní vozidlo by mělo nejen dosahovat dobrých výsledků ve scénářích, se kterými se již setkalo, ale mělo by být také systematicky prověřováno napříč mnoha kombinacemi uspořádání silnic, účastníků provozu, počasí a dalších podmínek, kterým může čelit.

Právě v tomto ohledu získává verifikace řízená pokrytím (coverage-driven verification) mimořádnou hodnotu. Namísto pouhého hromadění větší testovací datové sady mohou vývojáři zmapovat různé dimenze provozního prostředí a identifikovat, kde testování zůstává nedostatečné. Generování scénářů se pak může soustředit na tyto mezery, čímž vytváří zpětnou vazbu mezi trénováním, simulací a validací. Foretellix popisuje tento přístup jako obzvláště relevantní pro autonomii založenou na AI, protože end-to-end systémy poskytují méně tradičních softwarových modulů, které by bylo možné testovat nezávisle. 

Kombinace základních modelů AI s rozsáhlou simulací a verifikací by tak mohla změnit způsob, jakým jsou systémy autonomního řízení vyvíjeny. Syntetické scénáře lze generovat ve velkých množstvích, zatímco rekonstruované situace z reálného světa mohou dodat další rozměr realismu. Cílem není nahradit testování na silnicích, ale umožnit prozkoumání daleko většího množství variací ještě předtím, než se s nimi vozidla setkají ve fyzickém světě.

Tento směr rovněž poukazuje na zásadní posun v inženýrství autonomních vozidel: zatímco AI činí samotnou implementaci stále škálovatelnější, verifikace a validace se stávají vzácným zdrojem. Schopnost prokázat, že vozidlo řízené AI bylo otestováno napříč dostatečně širokou a smysluplnou škálou situací, může být v konečném důsledku stejně důležitá jako samotné zdokonalování modelu řízení.

Více informací o tématu najdete zde. 

Celý článek najdete zde.

FORETELLIX. Foretellix Unveils Reference Solution Integrating NVIDIA Alpamayo to Scale AI Autonomous Vehicle Development [online]. Foretellix, 31. května 2026 [cit. 2026-08-21]. Dostupné z: https://www.foretellix.com/nvidia-alpamayo-reference-solution-to-scale-ai/