Una nuova frontiera nella percezione visiva per veicoli autonomi
Le auto a guida autonoma e i robot devono interpretare in tempo reale l’ambiente circostante, dalla segnaletica stradale ai piccoli oggetti sul marciapiede. Per migliorare questa capacità, Xpeng ha collaborato con ricercatori della Peking University e della University of Hong Kong sviluppando GroundingPI, un modello di intelligenza artificiale open source basato su 4 miliardi di parametri.
GroundingPI è progettato per rappresentare le informazioni spaziali mediante coordinate e riquadri di delimitazione, semplificando il modo in cui il modello localizza oggetti e persone nell’inquadratura. Questa architettura consente al sistema di passare rapidamente da un’analisi visiva a un’interpretazione spaziale, requisito fondamentale per la sicurezza e l’efficacia di veicoli autonomi e robot.
Performance nei benchmark: più alto di GPT‑6 Astra
Nei test pubblicati da Xpeng, GroundingPI ha ottenuto una media di 73,68 punti in 34 prove, superando GPT‑6 Astra, che si è fermato a 71,54. Il confronto riguarda esclusivamente la capacità di riconoscere e interpretare immagini, non l’intera intelligenza artificiale.
Il punteggio di 73,68 è il risultato di una media con pesi uguali tra le 11 categorie testate, tra cui:
- individuazione di piccoli oggetti;
- lettura di testi in scenari complessi;
- comprensione della posizione relativa degli elementi nello spazio.
Confronti con altri modelli e approccio alla ricerca
GroundingPI è stato messo a confronto con 44 modelli di base e addestrato su dati di percezione privi di etichette relative ai movimenti articolari dei robot. I ricercatori di Xpeng affermano che questa scelta tecnica “può fornire una base preziosa per la futura ricerca sull’AI fisica”, indicando un orientamento verso applicazioni robotiche piuttosto che prodotti commerciali immediati.
Il modello è stato inoltre valutato in diverse simulazioni:
- nella simulazione RoboCasa‑GR1, i sistemi basati su GroundingPI hanno raggiunto tassi di successo superiori utilizzando solo il 50 % dei dati dimostrativi, rispetto al 75 % richiesto dai modelli concorrenti;
- nel test RoboTwin 2.0, GroundingPI ha superato i sistemi di visione più diffusi in quattro condizioni fuori dagli scenari di addestramento standard;
- nel dataset nuScenes, dedicato a scenari di guida, l’errore medio di previsione della traiettoria è stato di 0,296 metri, valore puramente simulato e non misurato su veicoli reali.
Disponibilità e prospettive future
Il paper di ricerca, i pesi del modello e il codice di supporto sono stati rilasciati pubblicamente, consentendo a laboratori indipendenti di verificare e migliorare la tecnologia. Tuttavia, Xpeng non ha ancora integrato GroundingPI in alcun prodotto di serie; resta un modello di ricerca, lontano da una funzione di guida autonoma pronta per i clienti.
Il percorso verso la produzione di un robotaxi Xpeng e l’assenza di LiDAR nei sistemi di percezione mostrano comunque l’interesse dell’azienda per soluzioni di percezione più leggere ed efficienti, in cui GroundingPI potrebbe giocare un ruolo decisivo in futuro.
Conclusioni: un passo importante ma ancora preliminare
GroundingPI dimostra che i progressi nell’AI visiva possono tradursi in migliori capacità di riconoscimento per robot e veicoli autonomi. Il risultato di 73,68 punti su 34 benchmark indica una superiorità tangibile rispetto a GPT‑6 Astra nella specifica area di interpretazione delle immagini.
Il modello resta però limitato al contesto di ricerca: la sua efficacia reale su strade pubbliche o in ambienti operativi complessi non è stata ancora dimostrata. La disponibilità open source, però, favorisce la collaborazione internazionale e potrebbe accelerare lo sviluppo di sistemi di percezione più affidabili e meno dipendenti da costosi sensori come il LiDAR.
In sintesi, Xpeng ha offerto alla comunità scientifica uno strumento promettente per spostare la frontiera della percezione visiva, ponendo le basi per futuri veicoli autonomi più intelligenti e robot capaci di interagire con il mondo in modo più sicuro e preciso.