WeRide ra mắt mô hình AI vật lý WITT: Đột phá với khái niệm 'Đơn vị sự thật vật lý tối thiểu'

Cảm ơn bạn đọc đã gửi tin cho IT!

Theo tin từ IT ngày 17 tháng 7, hôm nay, công ty công nghệ xe tự lái WeRide đã công bố mô hình lớn nền tảng nhận thức AI vật lý tự phát triển mang tên WeRide WITT.

Theo giới thiệu, dựa trên năng lực của mô hình ngôn ngữ thị giác (VLM), WITT lần đầu tiên đưa ra khái niệm "đơn vị sự thật vật lý tối thiểu", kết nối các thông tin đa phương thức như video, hình ảnh và văn bản, đồng thời phân tách các cảnh thực tế biến đổi liên tục thành các đơn vị sự thật có thể nhận diện và kiểm chứng, từ đó xây dựng một khung hiểu biết AI thế hệ mới lấy sự thật vật lý làm cốt lõi.

WITT là viết tắt của "World Intelligence Toward Truth", có nghĩa là "xây dựng nhận thức thế giới bằng các sự thật đáng tin cậy". Tên gọi này cũng là sự tri ân đối với triết gia thế kỷ 20 Ludwig Wittgenstein, người đã đưa ra quan điểm "thế giới là tổng thể của các sự thật", vốn rất tương đồng với logic nền tảng của AI vật lý: Để AI nhận thức được thế giới thực, chìa khóa nằm ở việc chắt lọc các sự thật đáng tin cậy từ môi trường, hành vi, quy tắc, rủi ro và mối quan hệ thời gian, từ đó hình thành nên các phán đoán và suy luận về thế giới vật lý.

Theo giới thiệu chính thức, WITT chắt lọc các quy luật nhận thức của thế giới vật lý từ lượng thông tin vận hành khổng lồ, hình thành bốn năng lực cốt lõi: trích xuất sự thật, suy luận sự thật, kiểm chứng sự thật và điều phối sự thật. Hệ thống này xuyên suốt toàn bộ chuỗi quy trình từ nhận diện cảnh, quy kết sự kiện đến kiểm chứng dữ liệu và phân luồng học tập, giúp mỗi km dữ liệu đường bộ thực tế trở thành tín hiệu lặp lại mô hình đáng tin cậy.

1. Trích xuất sự thật

WITT có khả năng nhận diện "đơn vị sự thật vật lý tối thiểu" trong video đường bộ thực tế từ ba chiều kích: sự thật lái xe tiêu chuẩn, sự thật tương tác đa chủ thể và điều kiện vật lý mơ hồ, bao phủ các hành vi giao thông hàng ngày, sự thay đổi mối quan hệ giữa những người tham gia giao thông và tính bất định của trạng thái vật lý trong môi trường phức tạp.

Ví dụ, một đoạn video lái xe trong thành phố vào ban đêm khi trời mưa sẽ được WITT phân tách thành nhiều đơn vị sự thật như: xe tự lái rẽ phải, đường đô thị, giao lộ, sự thay đổi tín hiệu đèn giao thông, v.v. Mỗi đơn vị sự thật đều có đặc điểm độ tin cậy cao, có thể hiệu chuẩn và truy xuất nguồn gốc, đồng thời có thể tạo ra mô tả cảnh mật độ cao, cung cấp nền tảng cho việc hiểu, kiểm chứng và phân luồng học tập sau này.

2. Suy luận sự thật

Sau khi hoàn tất trích xuất sự thật, WITT có thể suy luận sâu hơn về các sự kiện then chốt, mối quan hệ hành vi và sự thay đổi rủi ro trong cảnh, đồng thời phân tích nguyên nhân sự kiện và xu hướng diễn biến tiếp theo.

Trong quy trình nghiên cứu và phát triển xe tự lái, các kỹ sư thường cần tìm kiếm các cảnh "đuôi dài" (long-tail) cụ thể từ lượng video khổng lồ, chẳng hạn như "người đi bộ đột ngột băng qua đường trong khu vực thi công", "xe khác đè vạch trong điều kiện tầm nhìn thấp khi trời mưa", "xe tự lái giảm tốc nhường đường khi tránh xe trên đường hẹp", v.v. Dựa trên công cụ dữ liệu video tích hợp, WITT hỗ trợ tìm kiếm nhanh lượng lớn dữ liệu video thông qua từ khóa hoặc câu hỏi ngôn ngữ tự nhiên, định vị chính xác thời gian và cảnh mục tiêu liên quan, giúp nâng cao đáng kể hiệu quả phát hiện mẫu đuôi dài, truy xuất dữ liệu và định vị vấn đề.

3. Kiểm chứng sự thật

Để tránh việc các mô hình lớn tổng quát tạo ra "ảo giác" (hallucination) trong môi trường giao thông phức tạp, WITT đánh giá đầu ra của mô hình từ sáu chiều kích: người tham gia giao thông dễ bị tổn thương, hành vi của xe tự lái, hành vi của xe khác, hiểu biết về cảnh, tính đầy đủ của sự thật và cơ sở hạ tầng giao thông. Đồng thời, hệ thống đưa vào độ tin cậy của sự thật, sử dụng các bằng chứng vật lý bên ngoài để kiểm chứng ngược lại kết luận có xác thực hay không.

Thông qua việc theo dõi các lỗi sự thật, ảo giác, thiếu sót và lỗi trình tự thời gian, WITT không chỉ cung cấp tiêu chuẩn đánh giá chất lượng cho người sử dụng dữ liệu mà còn cung cấp tín hiệu ưu tiên cho việc huấn luyện mô hình, hướng dẫn mô hình liên tục tạo ra các kết quả hiểu biết phù hợp với quy luật vật lý hơn. Hiện tại, tỷ lệ lỗi sự thật trung bình trên mỗi phân đoạn trong các cảnh chuyên biệt về xe tự lái của WITT chỉ bằng khoảng 1/3 so với các mô hình lớn tổng quát.

4. Điều phối sự thật

Trong vận hành đường bộ thực tế, giá trị của các dữ liệu khác nhau là không giống nhau. WITT có khả năng phân luồng thông minh các video sự thật dựa trên giá trị học tập, giúp mỗi dữ liệu đi vào lộ trình học tập phù hợp nhất.

Các cảnh đuôi dài khan hiếm được đưa ngược lại mô hình thế giới WeRide GENESIS do WeRide tự phát triển để mô phỏng huấn luyện và mở rộng cảnh; các cảnh hàng ngày tần suất cao được dùng để học tăng cường và tối ưu hóa quy trình; các phân đoạn bất thường được đưa vào cơ chế kiểm tra lại để tránh việc dữ liệu quan trọng bị đánh giá nhầm là "dữ liệu rác", từ đó tối đa hóa giá trị của dữ liệu đường bộ thực tế.

Như vậy, WeRide WITT và WeRide GENESIS cùng vận hành "bánh đà AI vật lý" của WeRide trên đám mây: WITT chịu trách nhiệm trích xuất, hiểu, kiểm chứng và điều phối các sự thật vật lý từ dữ liệu đường bộ thực tế, GENESIS dựa vào đó để tạo ra các cảnh mô phỏng độ trung thực cao và các cảnh huấn luyện đuôi dài, cả hai phối hợp huấn luyện mô hình trên xe.

IT được biết, so với các mô hình lớn tổng quát có tham số lên tới hàng trăm tỷ (B), WeRide WITT với quy mô mô hình nhẹ hơn có thể tiết kiệm 98% chi phí Token trong các tác vụ tương tự, một card đơn có thể xử lý 10.000 phút video vận hành xe mỗi ngày, đạt mức tăng hiệu suất xử lý dữ liệu lên tới 200 lần. Ở chế độ gắn nhãn, WITT có thể xuất ra hơn 100 nhãn động chỉ trong một lần yêu cầu, giúp lượng lớn video đường bộ thực tế được tìm kiếm, kiểm chứng và đưa vào quy trình lặp lại mô hình một cách nhanh chóng.

Chuyên đề Hội nghị Trí tuệ Nhân tạo Thế giới 2026

Tuyên bố quảng cáo: Các liên kết chuyển hướng bên ngoài trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, tiết kiệm thời gian lựa chọn, kết quả chỉ mang tính chất tham khảo, tất cả các bài viết của IT đều bao gồm tuyên bố này.