WayveBritse ontwikkelaar van complete kunstmatige intelligentie voor autonomerrijden

4.6 (5)

Beoordeeld door Daniel Nikulshyn·Bijgewerkt mei 2026

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

Overzicht

Wayve is een in Londen gevestigd bedrijf dat zelfrijdende technologie ontwikkelt met een end-to-end deep learning aanpak. In plaats van het gebruik van gedetailleerde HD-kaarten en handmatig gecodeerde regels, leert het systeem rechtstreeks van camera-invoer en gegevens van echt wereldrijden, met als doel generalisatie over steden en voertuigtypen. Het bedrijf ontwikkelt embedded AI-modellen, waaronder het AV2.0-platform en foundation-modellen zoals GAIA en LINGO, die visie, taal en actie combineren. Wayve werkt samen met autofabrikanten en vlootoperators om zijn rij-intelligentie naar consumenten- en bedrijfsvoertuigen te brengen, met tests die momenteel in het VK en daarbuiten worden uitgevoerd. Wayve richt zich op automobiele OEM's, mobiliteitsproviders en AI-onderzoekers en positioneert zichzelf als een schaalbaar alternatief voor traditionele modulaire AV-stacks, waarbij het de nadruk legt op geleerd gedrag en aanpassingsvermogen boven geo-fenced implementaties.

Belangrijkste functies

Compleet leren benadering voor rijden stack
GAIA generatieve wereldmodel
LINGO visie-taal-handelingen model
Zonder kaart, camera-eerst waarnemen
Flet leren van diverse rijdende gegevens
Samenwerkingen met autofabrikanten voor integratie

Prijs

Model: Freemium
Categorie: Task automation
Beoordeling: 4.6 / 5 (5)

Toepassingen

Vrije-weg autorijding voor OEM

OEM integreren de complete rij-stap van Wayve in consumentervoertuigen, autonomerijden zonder afhankelijkheid van HD kaarten of handgecodeerde regels.

Maatschappelijke vloot-autonomie

Mobilityproviders en vlootoperators implementeren de Wayve AV2.0-platform om camera-eerste autonomerijden te brengen voor levering- en autorijd-servicewagens.

Embodied AI onderzoek met GAIA & LINGO

AI onderzoekers maken gebruikers van de GAIA generatieve wereldmodel en LINGO visie-taal-handelingen model om vooruitgang te maken in embodied en multimodale AI.

Doorgaande stadsautorijd- generalisatie

Gebruik vloot-leren van diverse reele-wereld autorijd gegevens om autorij-intelligentie te ontwikkelen die generalizeert naar nieuwe steden en voertuig-platforms.

Pluspunten & minpunten

Pluspunten

Compleet leren vermindert afhankelijkheid van HD kaarten
Ontworpen om te generaliseren naar steden en voertuigtypes
Sterk onderzoek uitgevoerd in embodied AI
Onderschreven door grote autofabrikanten en tech bedrijven
Niet een product beschikbaar voor de algemene consument
Real-world implementatie nog beperkt in omvang
Regulierings goedkeuring varieert per regio
Donkere box modellen kan moeilijker te valideren zijn

Minpunten

Niet een product beschikbaar voor de algemene consument
Real-world implementatie nog beperkt in omvang
Regulierings goedkeuring varieert per regio
Donkere box modellen kan moeilijker te valideren zijn

Recensies

4.6

Gemiddelde van 5 beoordelingen.

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.

Vragen

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.