Hyundai Motor Group accelera l’innovazione nella guida autonoma con un Data Flywheel basato sull’AI

Hyundai Motor Group ha presentato la roadmap per la nuova era della guida autonoma durante l’“HMG Autonomous Driving Media Day”, mostrando per la prima volta la tecnologia Level 2++

Una strategia Dual-Track accelera l’introduzione della guida autonoma Level 2+ in produzione attraverso la collaborazione con NVIDIA, mentre Hyundai Motor Group sviluppa internamente tecnologie chiave per la guida autonoma attraverso la propria Atria AI

• La produzione di veicoli equipaggiati con soluzioni NVIDIA per la guida autonoma Level 2+ è prevista per il primo semestre del 2028, mentre quella di veicoli Level 2++ è prevista per il secondo semestre del 2028, seguita dai primi veicoli Level 2++ basati su Atria AI nel secondo semestre del 2029
• La progressiva standardizzazione dei sensori tra Hyundai, Kia, 42dot e Motional integra le competenze del Gruppo nel campo della guida autonoma

La strategia Data Flywheel crea un ciclo virtuoso di raccolta dei dati, addestramento, validazione e implementazione, per sviluppare continuamente le capacità dell’AI

• Il Gruppo amplia il proprio ecosistema di dati facendo leva sulle vendite annuali di 7 milioni di veicoli e sul framework Data Union, adottando al contempo un approccio allo sviluppo data-centric basato su Hard Example Mining, Continuous Training e SER
• Entro la fine dell’anno prenderà il via a Gwangju un progetto pilota di guida autonoma Level 4 in condizioni reali, in collaborazione con il Ministero coreano del Territorio, delle Infrastrutture e dei Trasporti, con l’obiettivo di raccogliere dati di validazione su larga scala

42dot presenta una tecnologia di guida autonoma basata su Vision-Language-Action (VLA), che integra informazioni visive e ragionamento basato sul linguaggio per orientare le decisioni di guida

• La ricerca sulla VLA si concentra sulla gestione dei casi limite, mentre lo sviluppo parallelo di modelli di guida autonoma end-to-end (E2E) e VLA rafforza la stabilità tecnica e la scalabilità
• La validazione del modello VLA è attualmente in corso; i test su strada e l’intero processo di sviluppo proseguiranno fino all’inizio del prossimo anno

Sono disponibili sul canale YouTube del Gruppo nuovi video di guida urbana con Atria AI, tra cui una prova a bordo con i vertici aziendali, riprese one-take e la gestione di casi limite

Hyundai Motor Group (il Gruppo) ha annunciato la piena operatività del proprio Data Flywheel, segnando l’inizio di una nuova fase nella strategia tecnologica del Gruppo per la guida autonoma. Il sistema crea un ciclo virtuoso di raccolta dati, training dell’AI, validazione e deployment, con l’obiettivo di ottenere un vantaggio competitivo accelerando l’apprendimento e lo sviluppo tecnologico.

Durante l’“HMG Autonomous Driving Media Day”, organizzato presso la sede di 42dot nella provincia di Gyeonggi, in Corea, il Gruppo ha presentato la propria strategia di sviluppo della guida autonoma, la roadmap tecnologica, i principali risultati raggiunti e i piani di implementazione. La presentazione ha sottolineato il posizionamento strategico del Gruppo nella competizione globale sulle tecnologie di guida autonoma e illustrato come l’integrazione tra dati e sistemi di AI costituisca la base delle tecnologie dei veicoli di nuova generazione.

Durante l’evento, il Gruppo ha identificato il Data Flywheel come un elemento chiave della propria competitività nella guida autonoma, presentando il framework operativo e la strategia di implementazione che consentono di trasformare grandi quantità di dati di guida raccolti nel mondo reale in continui miglioramenti tecnologici.

42dot ha inoltre presentato le principali tecnologie e i progressi nello sviluppo di Atria AI, l’intelligenza artificiale proprietaria del Gruppo per la guida autonoma, illustrando al contempo il contesto e i piani futuri dell’iniziativa di sviluppo della tecnologia Vision-Language-Action (VLA).

In occasione dell’evento, il Gruppo ha mostrato anche un video di un SDV Testbed equipaggiato con Atria AI impegnato nella gestione di un complesso scenario di traffico urbano senza l’intervento del conducente. Operando con capacità di Livello 2++, il sistema di guida autonoma mostrato nel video evidenzia come il Data Flywheel consenta un ciclo continuo di apprendimento, validazione e miglioramento delle prestazioni. Il video è disponibile sul canale YouTube ufficiale del Gruppo.

La strategia dual-track rafforza la competitività del Gruppo

A marzo, Hyundai Motor Group ha annunciato una strategia di collaborazione con NVIDIA, introducendo un approccio Dual-Track che combina la rapida implementazione di tecnologie di guida autonoma già validate con lo sviluppo di capacità AI proprietarie.

Track One: la collaborazione con NVIDIA per accelerare la produzione su larga scala

Il Gruppo integrerà la piattaforma NVIDIA per l’AI applicata ai veicoli, già validata, e il relativo software per la guida autonoma nella propria architettura di software-defined vehicle (SDV). Questo percorso punta ad accelerare l’implementazione delle tecnologie, creando al contempo le basi per uno sviluppo scalabile e basato sui dati.

• La produzione di veicoli equipaggiati con capacità di guida autonoma Level 2+ basate su soluzioni NVIDIA è prevista per il primo semestre del 2028, mentre quella di veicoli di produzione Level 2++ è prevista per il secondo semestre del 2028
• Progressiva standardizzazione dei sistemi di sensori utilizzati da Hyundai, Kia, 42dot e Motional sulla piattaforma NVIDIA DRIVE Hyperion 10
• Maggiore coerenza nella raccolta e nell’utilizzo dei dati per l’addestramento e la validazione dell’AI
   

Track Two: Atria AI per l’indipendenza tecnologica e le capacità di lungo periodo

Parallelamente, l’AVP Division e 42dot continuano a sviluppare Atria AI, un sistema proprietario di guida autonoma end-to-end (E2E) sviluppato congiuntamente dalle due organizzazioni. I team operano all’interno di un framework di sviluppo integrato.

• Progressiva standardizzazione dei sistemi di sensori utilizzati da Hyundai, Kia, 42dot e Motional sulla piattaforma NVIDIA DRIVE Hyperion 10
• Maggiore coerenza nella raccolta e nell’utilizzo dei dati per l’addestramento e la validazione dell’AI

Questa strategia Dual-Track consente al Gruppo di offrire ai clienti funzionalità avanzate nel breve periodo, costruendo al contempo un vantaggio tecnologico sostenibile per il futuro.

Il ruolo del Data Flywheel nell’accelerazione dell’apprendimento e nell’evoluzione delle capacità

Il Data Flywheel opera come un ciclo virtuoso nel quale i dati raccolti dai veicoli vengono utilizzati per addestrare e validare i modelli di AI, che, una volta migliorati, vengono nuovamente implementati sui veicoli per generare nuovi dati. Il Gruppo può inoltre contare su un importante vantaggio alla base del Data Flywheel: la capacità di acquisire dati.

Acquisizione dei dati su scala globale

Hyundai e Kia vendono ogni anno più di 7 milioni di veicoli in circa 190 Paesi e regioni in tutto il mondo. Questa presenza produttiva e commerciale globale rappresenta un importante punto di forza per la raccolta di dati destinati allo sviluppo della guida autonoma. Attualmente, il Gruppo gestisce circa 40 veicoli dedicati alla raccolta dati, operativi 24 ore su 24, per acquisire informazioni sulle condizioni di guida.

I dataset raccolti comprendono non solo scenari di guida quotidiani, ma anche un’ampia gamma di situazioni reali più complesse, tra cui:

• Zone interessate da lavori stradali e variazioni delle infrastrutture
• Condizioni meteorologiche avverse
• Cambi di corsia improvvisi e manovre di emergenza
• Veicoli parcheggiati su strade secondarie e percorsi stretti
• Dinamiche complesse del traffico urbano

Tecniche avanzate di apprendimento

Sebbene la disponibilità di grandi quantità di dati di guida sia importante, le prestazioni dell’AI per la guida autonoma non dipendono esclusivamente dal volume dei dati. L’evoluzione dei modelli dipende dalla capacità di identificare efficacemente le situazioni che mettono alla prova i sistemi di AI e di concentrare l’apprendimento proprio su questi scenari.

Per accelerare il miglioramento dei modelli di AI, dall’inizio dell’anno Hyundai Motor Group ha integrato nuove tecnologie all’interno del proprio Data Flywheel.

• Hard Example Mining – Identifica automaticamente le situazioni di guida più complesse, casi limite, che i modelli di AI faticano a riconoscere o interpretare, dando priorità a questi scenari nel processo di addestramento.
• Continuous Training Pipeline – Integra continuamente i nuovi dati acquisiti durante la guida in condizioni reali e i processi di validazione nell’addestramento dei modelli, consentendo un miglioramento ripetuto delle prestazioni nel tempo. I risultati delle valutazioni sui veicoli vengono reimmessi nel processo di raccolta dati e sviluppo dei modelli, riducendo i cicli di sviluppo e accelerando il perfezionamento delle tecnologie.
• Virtual Validation Technology – La validazione virtuale rappresenta un altro componente chiave del Data Flywheel. Hyundai Motor Group ricostruisce i dati di guida raccolti in condizioni reali all’interno di ambienti tridimensionali e utilizza tecnologie grafiche avanzate, come il 3D Gaussian Splatting, per ricreare scenari difficili o potenzialmente non sicuri da riprodurre attraverso test nel mondo reale. Questo permette agli ingegneri di valutare ripetutamente i modelli in un’ampia gamma di casi limite, verificando al contempo che i modelli di nuova generazione non compromettano le prestazioni già raggiunte.
• Follow-the-Sun Development – Collegando i centri di sviluppo in Corea del Sud e negli Stati Uniti, il Gruppo adotta un modello di sviluppo Follow-the-Sun. Sfruttando la differenza di fuso orario, i team portano avanti in sequenza le attività di raccolta dati, analisi dei problemi e miglioramento dei modelli, consentendo uno sviluppo continuo nell’arco delle 24 ore.
• Integrazione dello Special Event Recorder (SER) – Il Gruppo sta inoltre integrando progressivamente lo Special Event Recorder (SER) all’interno del Data Flywheel. SER è un sistema che registra e archivia automaticamente gli eventi rilevanti e i relativi dati che si verificano durante la guida autonoma. I dati raccolti vengono utilizzati principalmente per supportare l’addestramento dei modelli di AI e il miglioramento delle loro prestazioni.

Il Gruppo sta inoltre esplorando nuove modalità per potenziare ulteriormente SER, affinché i modelli di AI possano identificare con maggiore efficacia i casi limite più complessi e acquisire automaticamente i dataset necessari al miglioramento delle prestazioni.

• Ecosistema Data Union – Per ampliare l’utilizzo dei dati all’interno e oltre il perimetro del Gruppo, Hyundai Motor Group sta creando un framework Data Union basato su architetture standardizzate dei sensori e strutture dati comuni. Anziché limitarsi allo scambio di dati grezzi tra le diverse organizzazioni, Data Union crea un ecosistema nel quale i dati generati da più veicoli e organizzazioni possono essere raccolti secondo standard condivisi e utilizzati per l’addestramento dell’AI.

In una prima fase, il Gruppo si concentrerà sul miglioramento dell’utilizzo dei dati tra Hyundai, Kia, 42dot e Motional, ponendo le basi per una futura espansione.

Il ruolo cruciale della validazione di Livello 4 nel mondo reale

Parallelamente allo sviluppo delle tecnologie destinate alla produzione in serie, il Gruppo sta portando avanti la validazione della guida autonoma Livello 4 in condizioni reali. In collaborazione con il Ministero coreano del Territorio, delle Infrastrutture e dei Trasporti, il Gruppo prevede di introdurre entro la fine dell’anno un SDV Pace Car equipaggiato con Atria AI nella Jeonnam-Gwangju Special Metropolitan City, in Corea del Sud.

Il progetto pilota prevede l’impiego di veicoli a guida autonoma sulle strade coreane in condizioni reali, caratterizzate da dinamiche del traffico complesse e variabili imprevedibili, profondamente diverse da quelle di un circuito di prova controllato. I diversi scenari di guida e le situazioni impreviste incontrate durante l’utilizzo in condizioni reali saranno acquisiti e reimmessi direttamente nel Data Flywheel per supportare l’apprendimento dell’AI e il miglioramento delle prestazioni.

Attraverso questo approccio, il Gruppo punta a migliorare ulteriormente la completezza delle tecnologie di assistenza alla guida Level 2+ destinate alla produzione in serie e, al contempo, a validare le avanzate capacità di guida autonoma di Livello 4.

Il contributo della tecnologia VLA all’evoluzione della guida autonoma verso la Physical AI

Oltre allo sviluppo delle tecnologie convenzionali per la guida autonoma, 42dot sta lavorando a soluzioni di nuova generazione attraverso la tecnologia Vision-Language-Action (VLA), un framework che integra in un unico sistema il riconoscimento delle informazioni visive, il ragionamento basato sul linguaggio e la generazione delle azioni.

42dot prevede di sviluppare i modelli VLA in parallelo agli attuali modelli di guida autonoma end-to-end (E2E), con l’obiettivo di migliorarne la stabilità e la scalabilità e, al contempo, offrire una gamma di soluzioni adattabili a diverse specifiche hardware dei veicoli e alle esigenze dei clienti.

La tecnologia VLA è considerata una tecnologia chiave per le applicazioni di Physical AI, tra cui la guida autonoma e la robotica. Mentre i modelli E2E convenzionali collegano direttamente gli input relativi alla guida alle azioni del veicolo, i modelli VLA aggiungono capacità di comprensione e ragionamento basate sul linguaggio, migliorando il processo decisionale e la capacità di spiegare le proprie scelte in scenari di guida complessi.

42dot prevede che la tecnologia VLA possa migliorare la capacità di gestire situazioni di guida rare, facendo leva sul ragionamento basato sul linguaggio e sulle conoscenze apprese attraverso grandi modelli pre-addestrati, difficili da acquisire esclusivamente attraverso i dati di guida.

• Integrazione del Data Flywheel
  42dot sta inoltre applicando il Data Flywheel allo sviluppo della tecnologia VLA. Quando si verifica un problema durante la guida, il team ne analizza la causa, rafforza le relative policy di guida e i dati di riferimento, quindi procede a un nuovo addestramento del modello per migliorarne le prestazioni.
  
  
• Progressi nello sviluppo della VLA
  Attualmente, la tecnologia di guida autonoma basata su VLA di 42dot si trova nella fase di validazione dei modelli attraverso simulazioni.
  
  Il Gruppo prevede di avviare il processo completo di sviluppo, inclusi i test su veicoli reali, tra la fine del 2026 e l’inizio del 2027. Le problematiche individuate durante la guida in condizioni reali saranno reimmesse nei processi di apprendimento e validazione, contribuendo a migliorare continuamente il livello di maturità dei modelli VLA.
  

• Dimostrazione del processo decisionale
  42dot ha pubblicato alcuni video di sviluppo che mostrano come il modello VLA interpreti le situazioni di guida e produca il proprio ragionamento in linguaggio naturale. Nell’esempio, durante la guida del veicolo, sullo schermo compaiono testi che descrivono sia l’azione intrapresa sia la motivazione alla base della decisione.

Atria AI nei nuovi filmati di guida urbana a Seul

l Gruppo ha inoltre pubblicato alcuni video che mostrano un SDV Testbed equipaggiato con Atria AI impegnato nella guida nel traffico urbano reale di Seoul senza intervento del conducente. I video mostrano come il Data Flywheel contribuisca a migliorare concretamente le prestazioni in condizioni reali.

Anziché concentrarsi su scenari di test controllati, i video mostrano il comportamento delle tecnologie di guida autonoma del Gruppo nella complessità degli ambienti urbani quotidiani, evidenziandone al contempo il potenziale di evoluzione continua.

I video sono articolati in tre categorie:

Executive Ride-Along: Minwoo Park e Seonggyun Jeong hanno viaggiato a bordo di un veicolo a guida autonoma attraverso il centro di Seoul, mentre il veicolo affrontava condizioni di traffico reali su autostrade, principali arterie stradali, ponti e strade urbane. Durante il viaggio, hanno illustrato il processo di sviluppo di Atria AI, le attuali capacità tecnologiche, i meccanismi alla base delle decisioni di guida autonoma e le future direzioni di sviluppo. Il video mostra inoltre come il veicolo percepisca le condizioni del traffico circostante, prenda decisioni e reagisca in tempo reale a diversi contesti stradali.

Link al video sul canale YouTube ufficiale del Gruppo: https://youtu.be/5c5ojBJUznU

Riprese one-take della guida urbana: le tre sequenze video non montate mostrano le prestazioni della guida autonoma in diversi ambienti, tra cui:

• Traffico congestionato nell’ora di punta mattutina a Gangnam
• Condizioni di traffico ad alta densità a Jamsil, comprese frequenti interazioni con veicoli di grandi dimensioni, come gli autobus
• Guida urbana sotto la pioggia a Pangyo
  
  

Ogni video dura circa da due a quattro minuti ed è stato girato in formato one-take, senza montaggio a eccezione delle regolazioni della velocità di riproduzione, offrendo una visione senza filtri delle prestazioni della guida autonoma in condizioni di traffico reali.

I filmati mostrano come Atria AI riconosca e interpreti un’ampia gamma di elementi stradali, tra cui veicoli, pedoni, segnaletica orizzontale, incroci e semafori, adattandosi continuamente ai cambiamenti dell’ambiente di traffico.

Link ai video sul canale YouTube ufficiale del Gruppo:

• Gangnam: https://youtu.be/-7BEzmdrlcU
• Jamsil: https://youtu.be/MxkVELIgoWE
• Pangyo: https://youtu.be/qBAFzUPKA_o

Gestione dei casi limite: il terzo video si concentra sulla risposta di Atria AI ad alcuni dei principali casi limite riscontrati negli ambienti di guida urbana.

Sono inclusi dieci scenari rappresentativi, tra cui:

• Evitare veicoli parcheggiati lungo la carreggiata
• Reagire a veicoli che si inseriscono improvvisamente nella corsia
• Gestire svolte a sinistra non protette
• Rilevare pedoni in aree congestionate
• Identificare veicoli provenienti dalla direzione opposta su strette strade di quartiere
  

Nel loro insieme, questi scenari mostrano come il sistema di guida autonoma sia in grado di reagire alle diverse variabili che caratterizzano il traffico urbano complesso.

Link al video sul canale YouTube ufficiale del Gruppo: https://youtu.be/c9DipX33EVM