Waabi表示,其AI虚拟驾驶系统已成功从一个自动驾驶卡车平台迁移至另一个平台,且无需任何额外训练、工程调整或新数据支持,这被该公司称为自动驾驶领域的重大突破。
据悉,Waabi Driver软件已与沃尔沃VNL自动驾驶卡车完成集成,该项目由Waabi与沃尔沃自动驾驶解决方案公司联合推进。系统在首次部署时,便能够在高速公路及复杂城市街道上实现自主驾驶。
Waabi表示,此次迁移实现了"零样本"泛化能力,即AI驾驶系统在完全不同的车辆平台上运行时,无需任何新的真实世界数据、仿真数据或模型微调。
此前,Waabi Driver的训练平台为彼得比尔特579卡车,而沃尔沃VNL自动驾驶版在传感器配置、控制系统及车辆特性上均与前者存在显著差异。Waabi认为,这一成果证明了同一AI系统可跨多个车辆平台运行,无需经历传统所需的漫长工程验证流程,对于推动自动驾驶卡车的规模化商业落地具有重要意义。
该公司表示,此次突破建立在早期里程碑的基础之上——Waabi Driver此前已从高速公路场景扩展至复杂城市道路的运营。Waabi认为,能够同时跨驾驶环境和车辆平台实现泛化,是自动驾驶系统实现商业规模化的核心能力。
沃尔沃自动驾驶解决方案公司总裁尼尔斯·耶格尔表示:"在公共道路上测试集成了Waabi Driver的沃尔沃VNL自动驾驶卡车,是我们双方合作的重要验证节点。这也展示了沃尔沃自动驾驶卡车平台的可扩展性——该平台专为集成不同车型与虚拟驾驶系统而设计,能够支持广泛的使用场景与应用需求。我们与Waabi携手,正将自动驾驶运输解决方案推向商业现实。"
Waabi还表示,这一能力的意义可能远超自动驾驶卡车领域,是迈向更具适应性的物理AI系统的重要一步,此类系统有望在各类机器和环境中广泛运行。
Waabi创始人兼首席执行官拉克尔·乌尔塔森表示:"这是物理AI领域的历史性时刻。我们在业内首次证明,虚拟驾驶系统能够在完全不同的硬件形态之间实现泛化,且不需要任何训练样本——无论是真实的还是仿真的——也无需任何微调。这一能力的潜在影响远不止于交通运输领域,它是新一代智能机器的基础,这些机器将能够自适应、规模化地运行于物理世界,创造出我们今天难以想象的可能性与机遇。"
Waabi表示,此次演示标志着将同一自动驾驶系统部署于不同卡车平台和运营环境这一目标迈出了重要一步,而该公司认为这正是自动驾驶运输大规模商业化部署的必要前提。
Q&A
Q1:Waabi Driver的"零样本"泛化能力是什么意思?
A:
"零样本"泛化是指AI驾驶系统在迁移到全新车辆平台时,无需任何新的真实世界数据、仿真数据,也不需要对模型进行微调,就能直接完成自主驾驶任务。Waabi Driver此前在彼得比尔特579卡车上训练,迁移到传感器、控制系统均不同的沃尔沃VNL自动驾驶卡车后,首次部署即可在高速公路和复杂城市道路上正常运行,体现了系统强大的跨平台适应能力。
Q2:Waabi与沃尔沃自动驾驶解决方案公司合作的具体内容是什么?
A:
双方合作的核心是将Waabi Driver软件集成至沃尔沃VNL自动驾驶卡车平台,并在公共道路上完成实际测试验证。沃尔沃自动驾驶解决方案公司总裁尼尔斯·耶格尔表示,这次合作不仅验证了Waabi的技术能力,也展示了沃尔沃平台可兼容不同车型与虚拟驾驶系统的可扩展性,双方共同目标是推动自动驾驶运输解决方案走向商业化落地。
Q3:Waabi Driver的跨平台能力对自动驾驶行业有哪些影响?
A:
这一能力的核心价值在于降低了自动驾驶系统大规模商业化的门槛。传统上,将AI驾驶系统迁移至新车型需要大量工程调试和重新验证,成本高、周期长。Waabi实现"零样本"迁移后,同一套AI系统可跨多个车辆平台快速部署,大幅提升规模化效率。Waabi CEO拉克尔·乌尔塔森认为,这一技术基础不仅适用于卡车运输,还可延伸至更广泛的物理AI和智能机器领域。
好文章,需要你的鼓励
云安全公司Sysdig记录了首个"代理式勒索软件"案例——JadePuffer行动。AI代理自主完成入侵服务器、窃取凭证、加密文件并生成勒索信等全流程操作,速度惊人。然而,该攻击并非完全无人介入:人类仍负责选定目标、部署基础设施并提供初始访问凭证。研究人员暂未确认驱动该代理的具体模型,但指出随着运行成本降低,类似攻击规模可能快速扩大。
阿里巴巴AMAP团队提出BlockPilot,通过自适应预测每个输入的最优推测解码块大小,在Qwen3-4B上实现4.20倍无损推理加速,比现有最优方法提升约10%。
英国机器人与AI公司Humanoid发布KinetIQ Ascend强化学习系统,目标是以人类速度甚至更快达到99.9%的操作可靠性。该系统通过试错学习,在多项工业任务中表现出色:在机器送料任务中吞吐量提升42%,拣货递物任务成功率从80%升至98%,双臂搬运任务成功率达99%,且所有成果仅需数天训练即可实现。该系统还展示出类似大语言模型的扩展规律,训练时间越长性能越稳定提升。
上交大与字节跳动提出无环境代码AI验证器Dockerless,无需Docker测试环境即可判断代码修复正确性,训练性能接近传统环境化方法。