Wayveイギリスを拠点とする全端末でのAI開発者の一員

4.6 (5)

レビュー: Daniel Nikulshyn·更新 2026年5月

Autonomous Driving Deep Learning Embodied AI Foundation Models Computer Vision Automotive Research

概要

Londonを拠点とするウェイブは、一元的なディープラーニングアプローチの下で、自律走行技術を開発している。詳細なHDマップと手動コードの基準に頼るのではなく、カメラ入力を含む実世界の運転データから直接学習していて、都市間と車両種類を一般化したいという目的を持っているこの会社は、AV2.0プラットフォームと基盤モデルであるGAIAおよびLINGOを含むアービッドエーアイモデルの開発に取り組んでいます。視覚、言語、およびアクションを組み合わせたWayveは自動車メーカーおよびフリートオペレータと提携し、消費者および商用車両にその運転の知性を提供しています。英国および世界各地で実験が進行中です。自動車メーカー (OEM)、モビリティサービス提供者、AI研究者向けに、Wayveはモジュラー AV スタックの伝統的な構成に比べて可-scalableな代替手段として立ち位置し、地域の指定された配置に比べて習得された行動と適応性を優先する。

主な機能

エンドツーヘンド学習の走行スタック
GAIA生成世界モデル
LINGO視覚言語アクションモデル
マップなしカメラ優先の感知
バラエティのある運転データから学習されるフリート
車載システムとの統合に対応するために自動車メーカーと提携

料金

モデル: Freemium
カテゴリー: Task automation
評価: 4.6 / 5 (5)

ユースケース

マップなし自律走行ソリューション

自動車メーカーは、HDマップやハンドコードルールの依存なく自律走行システムを実現するためにWayveのエンドツーヘンドの走行スタックを生産車両に統合

商用フリートの自律走行

モビリティプロバイダーとフリートオペレーターは、配送と乗り物サービス車両にカメラ優先の自律走行ソリューションをデプロイし、実世界運転データと自律走行の習得を活用

GAIA & LINGOを用いた体験に基づいたAI

AI研究者は、WayveのGAIA生成世界モデルとLINGO視覚言語アクションモデルを活用して体験に基づいたと跨モードAIと関連分野の研究に貢献

都市間の運転の制限を超えた一般化

バラエティのある実世界の運転データの習得によって、さまざまな都市や車種の運転に一般化する運転の知識を開発します

メリット & デメリット

メリット

エンドツーヘンド学習によるHDマップの依存性の削減
都市や車種を問わず一般化できる設計
体験に基づいたAIの強力な研究成果
主要な自動車とテクノロジー投資者の支持

デメリット

一般消費者に販売されていない製品
現実世界での展開は実験的な段階
レギュレーションが地域によって異なる
ブラックボックスのモデルは検証が困難

レビュー

4.6

5件の評価の平均。

レビューを投稿するにはログインしてください。

Leila Hassan

Jan 18, 2026

Use it every day

Honestly didn't expect to like it this much. End-to-end deep learning driving stack is exactly what I needed, and designed to generalize across cities and vehicles. but I reach for it almost every day now and it just clicks.

Tomáš Novák

Jan 3, 2026

Use it every day

Honestly didn't expect to like it this much. Fleet learning from diverse driving data is exactly what I needed, and backed by major automotive and tech investors. but I reach for it almost every day now and it just clicks.

Marcus Bell

Dec 27, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is lINGO vision-language-action model — handled better than most — and strong research output in embodied AI. Worth the time if this is your use case.

Diego Fernández

Jun 30, 2025

Compared a few options

Evaluated this against two competitors. Where it wins: partnerships with automakers for integration and backed by major automotive and tech investors. Where it lags: regulatory approval varies by region. On balance the feature set — especially gAIA generative world model — justifies the 4 stars for our use case.

Robert Ainsworth

Jun 23, 2025

Does the job

Pretty happy overall. Map-free, camera-first perception just works and designed to generalize across cities and vehicles. Not a product available to general consumers can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.

Q&A

Who is Wayve intended for, and can individual consumers use it?

Wayve targets automotive OEMs, mobility and fleet operators, and AI researchers. It is not a product sold to general consumers; instead, the company partners with automakers to integrate its driving intelligence into consumer and commercial vehicles.

How does Wayve's approach differ from traditional autonomous driving stacks?

Wayve uses an end-to-end deep learning stack that learns to drive directly from camera input and real-world data, avoiding HD maps and hand-coded rules. This map-free, camera-first design is intended to generalize across different cities and vehicle types.

What are the main limitations to consider before partnering with Wayve?

Real-world deployment remains limited in scale, with testing primarily in the UK and select regions, and regulatory approval varies by market. Its end-to-end models can also be harder to validate than modular stacks due to their black-box nature.