Xiaopeng nova verzija VLA rujna u praksi: Zapamti prošlih 30 sekundi, predvidi budućih 6 sekundi, počni voziti “u vremenu”

U filmu Doctor Strange, čarobnjak Strange okreće Oko Agamotta i time upravlja tokom vremena — naprijed ili unatrag. U Avengers: Infinity War pak, prije obračuna s Thanosom, promatra milijune mogućih ishoda budućnosti.

To je filmska magija. Xpeng nudi nešto slično u stvarnom svijetu.

Na prezentaciji fizičkog AI-ja održanoj 27. kolovoza, Xpeng je predstavio potpuno novu verziju svoje druge generacije VLA sustava. Ključna riječ cijelog događaja bila je „vrijeme”: Xpeng je svom modelu dao nešto poput Oka Agamotta — okrenete li ga unatrag, sustav se prisjeća prometnih situacija iz posljednjih 30 sekundi; okrenete li ga naprijed, predviđa što bi se moglo dogoditi u sljedećih 6 sekundi.

Automobil nema vremenski dragulj, ali ima snažan AI model. Na temelju informacija prikupljenih kroz određeno vremensko razdoblje, model izračunava nekoliko najvjerojatnijih scenarija i za svaki trenutak odabire najprikladniju radnju. Za autonomnu vožnju, „pamćenje vremenske crte” znači upravljanje koje sve više nalikuje ljudskom.

Čovjek za volanom nikad ne gleda samo trenutni kadar — na temelju sjećanja iz prethodnih sekundi procjenjuje situaciju iza sebe, a usporavanjem vozila ispred ili odvojkom uz cestu predviđa može li se za koji trenutak iznenada pojaviti motocikl ili bicikl. U određenom smislu, vožnja se ne odvija samo na cesti, nego i u vremenu.

Najnovija verzija Xpeng druge generacije VLA — verzija 6.3.0 — upravo je takav model koji „vozi kroz tok vremena”. Novi VLA počet će se distribuirati svim modelima Ultra i Ultra SE od rujna, a Xpeng G9L Ultra i Ultra SE bit će prvi koji će ga dobiti. Modeli Max s jednim Turing čipom dobit će u rujnu drugu generaciju VLA Lite, destiliranu verziju.

Vožnja nema jednoznačan odgovor

Xpengov temeljni pristup novom VLA-u jest povezivanje prošlosti, sadašnjosti i budućnosti u jednu cjelinu.

Infini-VLA zadužen je za pamćenje prošlosti. Njegova arhitektura podržava dulje vremenske sekvence, a Xpeng je, uzimajući u obzir zahtjeve vožnje i računalne resurse na uređaju, postavio vremenski prozor pamćenja na 30 sekundi u serijskoj verziji. Sustav dakle pamti prometne situacije iz posljednjih 30 sekundi i uključuje ih u trenutnu procjenu.

Na prezentaciji je prikazan demonstracijski video: kada je vozilo ispred počelo okretati na sredini ceste, za trenutak se otvorila praznina kroz koju bi se moglo proći. Testno vozilo nije odmah ubrzalo — uzimajući u obzir prethodno kretanje vozila ispred, strpljivo je pričekalo da ono dovrši okret pa tek onda nastavilo. Model je razumio „vozilo ispred se okreće” kao kontinuiranu radnju, a ne samo kao trenutačnu sliku „ispred se pojavila praznina”.

To podsjeća na kratkoročno pamćenje u razgovoru — nitko ne zaboravi prethodnu rečenicu čim čuje sljedeću. Isto tako, vozač ne zaboravlja da je vozilo ispred pokazivalo znakove okretanja samo zato što mu trenutno stoji poprečno na cesti.

Ako Infini-VLA sprječava vozilo da „zaboravi kontekst”, Streaming Inference — protočno autoregresivno zaključivanje — skraćuje vrijeme potrebno za razumijevanje trenutne situacije. Prema Xpengovom objašnjenju, model može primati ulazne podatke, zaključivati i ispisivati putanje istovremeno, bez čekanja da se cijela povijest u potpunosti obradi prije nego što krene s akcijom. Xpeng navodi da ovaj protočni sustav zaključivanja ubrzava donošenje odluka za 300%.

I to je analogno ljudskoj vožnji: oči prate cestu, mozak procjenjuje, ruke i noge reagiraju — sve istovremeno. Kada se nešto iznenada pojavi iza zaklona, takva paralelna obrada eliminira prazni hod koji bi inače nastao čekanjem da zaključivanje završi.

Pamćenje prošlosti i fokus na sadašnjost prirodno vode prema predviđanju budućnosti. Stoga X-Foresight u novoj verziji VLA-a na temelju prethodnih stanja simulira razvoj situacije u sljedećih 6 sekundi, a Flow Matching prilagođava distribuciju više mogućih putanja kako bi modelu pomogao odabrati najprikladniju akciju.

Terminologija je možda apstraktna, ali učinak je sasvim jasan: novi VLA kontinuirano prati prometnu situaciju, predviđa moguće scenarije koji još nisu nastupili i donosi odluke za sljedeći korak. Ono što iskusni vozači nazivaju „defenzivnom vožnjom” u biti je upravo takvo predviđanje.

U videu prikazanom na prezentaciji, bijelo vozilo iz suprotnog smjera zauzelo je suprotnu traku. Testno vozilo moralo je procijeniti hoće li ono čekati, nastaviti naprijed ili se malo pomaknuti — i istovremeno predvidjeti bi li vlastito kretanje naprijed blokiralo prolaz za oba vozila. Vidjeti gdje se drugi nalazi samo je prvi korak; razumjeti što namjerava učiniti — to je ono što određuje sljedeću akciju.

Pamćenje prošlosti i predviđanje budućnosti u konačnici služe svakom ubrzavanju, kočenju i skretanju, omogućujući drugoj generaciji VLA verzije 6.3.0 da istinski „teče kroz vrijeme”.

Suočavanje sa stvarnim svijetom

Arhitekturni dijagrami obiluju pojmovima, ali u praksi VLA mora se nositi sa svim vrstama izazova na stvarnim cestama. Xpengov odgovor jest korištenje većeg modela — ovaj put povećali su broj parametara modela za 3,5 puta.

U jednom od videa prikazanih na prezentaciji, testno vozilo stiglo je do trajektnog pristaništa. Nije bilo jasnih oznaka traka, a pristanište nije bila uobičajena cesta — no oslanjajući se isključivo na vlastito rasuđivanje, vozilo je samo pronašlo ulaz, ukrcalo se na trajekt, zaustavilo se za vozilom ispred, a nakon pristajanja trajekta, krenulo dalje s prometom.

Drugi video snimljen je na uskoj planinskoj cesti. Nakon oštrog zavoja, ispred vozila pojavila se grana koja je visila u zraku. Vozilo nije stalo kao pred uobičajenom preprekom na cesti, niti je bez razmišljanja krenulo prema naizgled dovoljnom prostoru — umjesto toga, aktivno je usporilo, istovremeno procjenjujući odnos između grane i karoserije te tražeći prolaz.

Vrijedi napomenuti da je nedavno Tesla s FSD v14.3.7 u jednoj američkoj garažnoj zgradi vozila od drugog do šestog kata i pokušala nastaviti prema metalnoj mreži na vrhu — vlasnik je srećom preuzeo kontrolu tik pred mrežom i do pada nije došlo. Pred sličnim rubnim slučajevima, Xpeng VLA i FSD donijeli su sasvim različite odluke. Model ne smije samo vidjeti prostor — mora razumjeti je li to uopće put.

Trajekt i grana rijetki su scenariji, no upravo su oni razlog zašto Xpeng ustrajava na većim modelima. Sustav koji se oslanja na fiksna pravila može za svaku novu situaciju — pristanište, stado ovaca, oluju ili novu vrstu prepreke — dodati poseban zakrpu, ali stvarne ceste uvijek iznjedre nešto nepredviđeno.

Cilj većeg modela jest rješavanje problema s kojima se nikad prije nije susreo — a ne memoriranje gotovog odgovora za svaki mogući scenarij.

Naravno, model ne stječe tu sposobnost sam od sebe. Xpeng navodi da trenutna propusnost podataka u jednom ciklusu treniranja iznosi 100 milijuna video isječaka. Osim toga, izgrađen je vektorizirani sustav za pretraživanje podataka: kada korisnik prijavi problem ili se on pojavi tijekom testiranja, razvojni tim može iz baze podataka pronaći semantički slične scenarije i sastaviti ciljani „skup pogrešaka”.

Nakon treniranja modela, Xpengov simulacijski sustav varira tip vozila, vremenske uvjete, osvjetljenje i kut kamere kako bi isti model iznova i iznova verificirao. Prema objavljenim podacima, od lipnja ove godine do dva tjedna prije prezentacije, dnevni broj novih modela verificiranih simulacijom porastao je za 290%. Stvarni podaci osiguravaju zadatke, simulacija provodi ispite, a otkriveni problemi vraćaju se u bazu kao novi materijal za učenje.

Xpeng ovaj zatvoreni krug modela, podataka i simulacije smatra tehnološkim temeljem fizičkog AI-ja. Prema internim mjerilima testiranja, nova verzija postigla je više od 20 puta bolju ukupnu sigurnosnu sposobnost u simulacijama i testovima — a ta sposobnost sada mora biti prenesena i na modele s manjom računalnom snagom.

Kako bi sustav radio na modelima Max s jednim Turing čipom, Xpeng je uz pomoć Hybrid ViT arhitekture redizajnirao vizualni dio koji troši najviše računalnih resursa, trudeći se što više sačuvati vizualne ulaze i temeljne sposobnosti velikog modela.

Druga generacija VLA Lite počet će se distribuirati prvim korisnicima u rujnu, a Xpeng G9L Max bit će prvi model koji će je dobiti.

Automobil kao robot

„Car as Robot” — automobil kao robot. To je zaključak koji je danas iznio Liu Xianming, voditelj Xpengovog centra za opću inteligenciju.

Na razini modela, između ta dva koncepta zapravo nema velike razlike: percipirati okolinu, pamtiti što se prethodno dogodilo, razumjeti namjeru korisnika, pretvoriti nejasan cilj u niz konkretnih radnji i izvesti ih u fizičkom svijetu.

Xpeng je u novoj verziji i redizajnirao „mozak” u vozilu. Omni multimodalni model kombinira jezik, okolinu i kontekst kako bi razumio korisnika, a Master Agent zatim pretvara tu namjeru u zadatke koje vozilo može izvršiti. Za razliku od „izvršitelja” koji prima samo jedan nalog odjednom, nova arhitektura pamti cijeli razgovor i razumije koji zajednički cilj svi ti nalozi zajedno čine.

Kada korisnik kaže „nađi mjesto i zaustavi se uz rub ceste”, sustav ne smije jednostavno zakočiti u trenutnoj traci čim primi glasovnu naredbu — mora se prvo prebaciti u krajnju desnu traku, procijeniti zaštitne ograde, autobusne stanice i prometnu situaciju, isključiti neprikladna mjesta i pronaći odgovarajuće parkirno mjesto. Cilj ovog sustava jest razumjeti semantiku naredbe, premostiti jaz između kabine i domene vožnje te izvršiti niz uzastopnih odluka.

Uz to, Xpengov plan jest koristiti istu arhitekturu i isti model i za L2 sustave pomoći pri vožnji i za L4 Robotaxi. Prema najnovijim objavljenim podacima, Xpengov Robotaxi završio je više od 2000 internih testnih vožnji, a Robotaxi opremljen drugom generacijom VLA nedavno je dobio dozvolu za daljinsko testiranje pametnih i umreženih vozila u Guangzhouu — što mu omogućuje testiranje na određenim cestama bez sigurnosnog vozača na vozačkom sjedištu.

Osim automobila, Xpeng je na prezentaciji ubacio i jedan robotski „easter egg”. U videu su s jedne strane bila vozila, a s druge robot koji je u zatvorenom prostoru samostalno navigirao i obavljao zadatke. Xpeng je potvrdio da oba uređaja koriste isti temeljni model — premda je to bio easter egg, upravo je to srž logike „automobil kao robot”, a Xpeng se pozicionira kao „tvrtka za fizički AI”.

No valja reći da Xpeng nije jedini koji povezuje automobile s područjem utjelovljene inteligencije.

Tesla je već odavno smjestila automobile, Robotaxi, robota Optimus i AI treniranje u istu viziju. Li Auto pak promijenio je vlastito pozicioniranje — od proizvođača pametnih automobila do „tvrtke za utjelovljenu inteligenciju”. Zajednički nazivnik svih tih proizvođača jest uvjerenje da je gradnja automobila zapravo gradnja robota koji može djelovati u fizičkom svijetu.

Uostalom, „novi proizvođači automobila” više nisu toliko uzbudljivi. Ono što je nekoć bila zamišljiva nova vrsta, pretvorilo se u crveno more nadmetanja cijenama, specifikacijama, prodajnim mrežama i rokovima isporuke. „Tvrtka za fizički AI” zvuči znatno privlačnije — modeli, čipovi, Robotaxi i roboti mogu se složiti u mnogo primamljiviju priču za investitore.

Tržišni kapital svakako je jedan od pokretača ove promjene identiteta, ali izvan vrućeg novca, okretanje od beskrajnih ratova cijenama prema razvoju novih tehnologija i guranje naprijed granica mogućeg — to je i dalje uzbudljiv pothvat. Samo što i taj put zahtijeva kontinuirana ulaganja, višekratnu verifikaciju i isporuku rezultata kroz svaku novu serijsku verziju.

Doctor Strange može u trenutku sagledati bezbroj mogućih budućnosti. Tvrtka u stvarnom svijetu može napredovati samo verziju po verziju, automobil po automobil. Xpeng je svom VLA-u već dodao pamćenje prethodnih 30 sekundi i predviđanje sljedećih 6. Hoće li novi identitet „tvrtke za fizički AI” biti opravdan, pokazat će nova verzija koja počinje dolaziti na vozila u rujnu — i hoće li vlasnici zaista osjetiti da sustav pamti više, procjenjuje ranije i reagira brže.

Izvor: Ifanr

Povezani članci

Što ako je prvi utjelovljeni AI kojeg sretnete borbeni robot?31.8.2026.Jedan SUV, trebao bi da stane u njega život mladih ljudi koji se još nije dogodio31.8.2026.Sklopivi iPhone nikada ne bi trebao imati stylus | Čvrsta filozofija31.8.2026.Kineska tvrtka za prostornu inteligenciju Manycore lansira Lux3D i započinje testiranje svjetskog modela30.8.2026.