Decart’s Oasis 3: AI ड्रायव्हिंग सिम्युलेशनमध्ये तांत्रिक अडथळे, Google ला आव्हान?

Decart ने Oasis 3 सादर केले आहे, जे ऑटोनॉमस वाहनांच्या प्रशिक्षणासाठी वास्तववादी ड्रायव्हिंग वातावरण तयार करणारे API-आधारित वर्ल्ड मॉडेल आहे. हे प्लॅटफॉर्म अमर्यादित, किफायतशीर एज-केस सिम्युलेशनचे वचन देते, परंतु दीर्घकालीन भौतिक सुसंगतता आणि ऑब्जेक्ट इंटरॅक्शनमध्ये मोठे तांत्रिक अडथळे आहेत.

तांत्रिक आव्हान

Oasis 3 चे आगमन Decart साठी एका महत्त्वाच्या टप्प्याचे प्रतीक आहे. कंपनीने आपल्या जेनेरेटिव्ह व्हिडिओ निर्मितीच्या सुरुवातीच्या टप्प्यावरून आता हाय-फिडेलिटी सिम्युलेशनमध्ये प्रवेश केला आहे. एका खास ऑप्टिमायझेशन स्टॅकचा वापर करून, स्टार्टअपचा दावा आहे की ते पारंपरिक कम्प्युट ओव्हरहेड टाळू शकते. याचे उद्दिष्ट Google सारख्या मोठ्या कंपन्यांना अधिक किफायतशीर पर्याय देऊन आव्हान देणे आहे. मात्र, ऑटोनॉमस ड्रायव्हिंगसाठी रिअल-टाइम सिंथेसिसकडे वाटचाल केल्याने मॉडेलच्या व्हिज्युअल आउटपुट आणि प्रत्यक्ष फिजिक्स-आधारित विश्वासार्हतेमध्ये तफावत निर्माण झाली आहे.

सिम्युलेशन विरुद्ध वास्तव

हे प्लॅटफॉर्म आकर्षक, मल्टी-कॅमेरा फोटोरिअलिस्टिक इमेज तयार करण्यात यशस्वी असले तरी, व्हिज्युअल सत्यता आणि भौतिक अचूकता यांच्यातील अंतर अजूनही मोठे आहे. ऑटोनॉमस वाहन विकासासाठी केवळ उच्च-गुणवत्तेचे पिक्सेल पुरेसे नाहीत; यासाठी ऑब्जेक्ट्समधील अचूक संवाद, रस्त्याची सुस्पष्ट भूमिती आणि वेळेनुसार स्थिरता आवश्यक आहे. मॉडेलच्या सध्याच्या आवृत्त्यांमध्ये तात्पुरती पर्यावरणीय ऱ्हासाची समस्या आहे, ज्यामुळे सिम्युलेशनचा संदर्भ कालांतराने कमी होतो. अभियंत्यांसाठी सर्वात मोठी समस्या म्हणजे 'घोस्टिंग' किंवा वाहने एकमेकांमध्ये विलीन होणे यांसारख्या भौतिक उल्लंघनांचा सातत्यपूर्ण अनुभव.

विश्लेषकांची चिंता

नवीन डेव्हलपर इकोसिस्टमला प्रोत्साहन देण्याची रणनीती पूर्वीच्या जेनेरेटिव्ह AI कंपन्यांसारखीच आहे, परंतु येथील अनुप्रयोग खूपच धोकादायक आहे. चॅटबॉटमधील चुकीच्या माहितीमुळे होणाऱ्या परिणामांपेक्षा वेगळे, ड्रायव्हिंग सिम्युलेशन लॉजिकमधील बिघाड ऑटोनॉमस फ्लीट्ससाठी चुकीचा प्रशिक्षण डेटा देऊ शकतो, ज्यामुळे परसेप्शन सॉफ्टवेअरमध्ये गंभीर त्रुटी निर्माण होऊ शकतात. Decart या गृहीतकावर अवलंबून आहे की डेव्हलपर समुदाय भविष्यात थर्ड-पार्टी ऑप्टिमायझेशनद्वारे या भौतिक मर्यादांवर मात करेल. मर्यादित निधी असलेल्या स्टार्टअप्ससाठी ही एक सामान्य धोरण असले तरी, ऑटोमोटिव्ह-ग्रेड सिम्युलेशनसाठी उच्च प्रवेश अडथळा दुर्लक्षित केला जात आहे. जोपर्यंत कंपनी सामान्य रहदारी आणि दुर्मिळ अपघात परिस्थिती यांच्यातील डेटा असंतुलन सोडवत नाही, तोपर्यंत हे मॉडेल अधिक सौंदर्यपूर्ण प्रोटोटाइपिंगसाठी उपयुक्त ठरू शकते, परंतु अधिकृत सुरक्षा मूल्यांकनासाठी नाही.

भविष्यातील दिशा

भविष्यात, कंपनी सातत्य सुधारण्यासाठी व्हिडिओ-आधारित इनपुट समाकलित करण्याची योजना आखत आहे. मात्र, स्थापित कंपन्या त्यांच्या स्वतःच्या वर्ल्ड मॉडेल्समध्ये सुधारणा करत असल्याने त्यांना तीव्र स्पर्धेला सामोरे जावे लागेल. या API चे यश शेवटी यावर अवलंबून असेल की डेव्हलपर सध्याच्या फिजिक्स इंजिनच्या मर्यादांसाठी विश्वसनीय उपाय शोधू शकतात की नाही. दीर्घकालीन संदर्भ टिकवून ठेवण्यात यश न मिळाल्यास, Oasis 3 एक अत्याधुनिक व्हिज्युअल साधन म्हणून गणले जाण्याचा धोका आहे, ऑटोनॉमस वाहन प्रशिक्षण पाईपलाइनचा आवश्यक घटक म्हणून नव्हे.