Forskere fra Carnegie Mellon University har præsenteret et nyt benchmark og en tilhørende model, der rykker autonom kørsel fra enkeltbilens verden til et system, hvor flere selvkørende biler aktivt samarbejder. Med CMU-Drive, et lukket-loop benchmark, og V2V-VLA, en kooperativ vision-sprog-handling-model, adresserer de en af de helt store begrænsninger ved eksisterende end-to-end-systemer: De er designet til én bil ad gangen og kan ikke drage nytte af, at flere køretøjer i samme område ofte ser forskellige dele af trafikbilledet.
V2V-VLA integrerer kooperativ kørsel i et enkelt gennemløb ved at generere kørehandlinger, fremtidige waypoints, sproglig ræsonnering og kommunikationspolitikker samtidig. Det betyder, at bilen ikke bare reagerer på det, den selv ser, men også på det, andre biler deler med den — eksempelvis en fodgænger bag en lastbil, som kun den anden bil kan se. Forskernes eksperimenter på CMU-Drive etablerer den første benchmark og baseline for kooperativ VLA-kørsel og giver dermed et fælles fundament for fremtidig forskning i multi-agent, lukket-loop, end-to-end kooperativ autonom kørsel.
For beslutningstagere i transport- og logistiksektoren er pointen ikke kun teknisk. Hvis kooperativ kørsel modnes, ændrer det præmissen for, hvordan man planlægger flåder af autonome køretøjer: I stedet for at optimere hver bil isoleret kan man begynde at tænke i netværkseffekter, hvor biler deler data og koordinerer manøvrer i realtid. Det kan betyde færre uheld i komplekse trafiksituationer og mere effektiv udnyttelse af vejkapaciteten — men det kræver også, at infrastruktur, kommunikationsstandarder og ansvarsfordeling tænkes ind fra starten.
Forskerne har offentliggjort deres kode, benchmark og modelcheckpoint for at fremme open-source-forskning på området, hvilket gør det muligt for både virksomheder og andre forskningsmiljøer at bygge videre på arbejdet.
