WayveApvienotās Karalistes izstrādātājs, kas veido end-to-end AI autonomajai braukšanai

4.6 (5)

Pārskatījis Daniel Nikulshyn·Atjaunināts 2026. g. maijs

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

Pārskats

Wayve ir Londona galvenais uzņēmums, kas izstrādā pašbraukšanas tehnoloģijas, izmantojot end-to-end dziļās mācīšanās pieeju. Tā vietā, lai balstītos uz detalizētām HD kartēm un manuāli kodētām vadlīnijām, tās sistēma mācās braukt tieši no kameras ievades un reālo braukšanas datiem, cenšoties vispārināt zināšanas pa pilsētām un transportlīdzekļu tipiem. Uzņēmums izstrādā embodied AI modeļus, tostarp AV2.0 platformu un pamata modeļus, kā GAIA un LINGO, kas apvieno redzi, valodu un darbību. Wayve sadarbojas ar automobiļu ražotājiem un flotes operatoriem, lai nodrošinātu braukšanas inteliģenci gan patērētāju, gan komerciālajos transportlīdzekļos, testējot to Apvienotajā Karalistē un citur. Mērķējot uz automobiļu OEM, mobilitātes pakalpojumu sniedzējiem un AI pētniekiem, Wayve pozicionē sevi kā mērogojamu alternatīvu tradicionālajām modulārajām autonomās braukšanas sistēmām, liekot uzsvaru uz iemācītu uzvedību un pielāgojamību, nevis uz ģeofencētiem risinājumiem.

Galvenās funkcijas

End-to-end dziļās mācīšanās braukšanas steks
GAIA ģeneratīvs pasaules modelis
LINGO redzes-valodas-darbības modelis
Nav kartes, kamera-pirmā uztvere
Flotes mācīšanās no dažādiem braukšanas datiem
Partnerības ar automobiļu ražotājiem integrācijas nolūkā

Cenas

Modelis: Freemium
Kategorija: Task automation
Vērtējums: 4.6 / 5 (5)

Lietošanas gadījumi

Autonomā braukšana bez kartēm OEM uzņēmumiem

Automobiļu ražotāji integrē Wayve end-to-end braukšanas steku patērētāju transportlīdzekļos, ļaujot autonomiju, nepaļaujoties uz HD kartēm vai manuāli kodētām vadlīnijām.

Komercijas flotes autonomija

Mobilitātes pakalpojumu sniedzēji un flotes operatori izmanto Wayve AV2.0 platformu, lai ieviestu kamera-pirmo autonomo braukšanu piegādes un taksometru transportlīdzekļos.

Embodied AI pētniecība ar GAIA un LINGO

AI pētnieki izmanto Wayve GAIA ģeneratīvo pasaules modeli un LINGO redzes-valodas-darbības modeli, lai attīstītu darbību embodied un multimodālajā AI jomā.

Braukšanas vispārināšana pāri pilsētām

Izmantojot flotes mācīšanos no dažādiem reālo pasaules braukšanas datiem, izstrādāt braukšanas inteliģenci, kas vispārināta uz jaunām pilsētām un transportlīdzekļu platformām.

Plusi un mīnusi

Plusi

End-to-end mācīšanās samazina atkarību no HD kartēm
Izstrādāts, lai vispārinātu zināšanas pāri pilsētām un transportlīdzekļiem
Stiprs pētnieciskais produkts embodied AI jomā
Atbalstīts no lieliem automobiļu un tehnoloģiju investoriem

Mīnusi

Nav produkts, kas pieejams vispārējiem patērētājiem
Reālās pasaules izvietošana joprojām ir ierobežota apjomā
Regulatīvā apstiprināšana atšķiras atkarībā no reģiona
Melnais lodziņš modeļi var būt grūtāk validējami

Atsauksmes

4.6

Vidējais no 5 vērtējumiem.

Pieslēdzies, lai atstātu atsauksmi.

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.

Jautājumi

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.