Pékin (Gasgoo)- Le 18 mars 2025 (heure de Pékin), le développeur chinois de solutions de conduite autonome DeepRoute.ai a présenté sa dernière initiative stratégique, RoadAGI, et a introduit sa nouvelle plateforme générale d'IA basée sur la route, AI Spark, lors du NVIDIA GTC 2025.
RoadAGI représente une étape importante vers l'accomplissement de l'IA générale pour le monde physique, visant à équiper les agents mobiles intelligents, y compris les véhicules autonomes, de la capacité de naviguer de manière indépendante sur les routes et d'interagir profondément avec leur environnement. La plateforme AI Spark, au cœur de cette vision, est conçue pour comprendre les dynamiques du monde physique en exploitant de grands volumes de données de conduite anonymisées et de haute qualité. Cela permet aux solutions de mobilité alimentées par l'IA de se déplacer sans interruption entre les environnements intérieurs et extérieurs, facilitant des déplacements point à point sans restriction.
Depuis la production en série de ses solutions de conduite intelligente en 2024, environ 40,000 véhicules intelligents équipés de la technologie de DeepRoute.ai ont été vendus, accumulant une quantité massive de données de conduite autonome. Ces interactions avec le monde physique ont encore affiné les capacités de l'AI Spark en matière de navigation autonome et d'interaction dans le monde réel.
De plus, DeepRoute.ai a intégré un modèle Vision-Langage-Navigation (VLN) dans la plateforme. Cela permet aux agents de mobilité d'interpréter des commandes en langage naturel en temps réel, de corréler les instructions verbales avec les données visuelles environnantes et de prendre des décisions de navigation autonomes basées sur leur environnement.
En exploitant la plateforme AI Spark, les deux-roues autonomes, les robots et d'autres agents mobiles peuvent désormais opérer au-delà des routes publiques, naviguant sans effort dans les zones commerciales et les parcs industriels. En outre, la plateforme permet aux systèmes de mobilité de fonctionner sans dépendre de cartes de navigation préexistantes, en utilisant une conscience environnementale en temps réel et une interaction dynamique avec les obstacles pour déterminer les itinéraires de navigation et faciliter les déplacements sans restriction.
