BYD অটোমোবাইল নিউ টেকনোলজি রিসার্চ ইনস্টিটিউটের AI দল গত মাসে তাদের প্রথম গবেষণাপত্র প্রকাশ করে, যেখানে স্বয়ংক্রিয় ড্রাইভিংয়ের জন্য HyWorldVLA নামের একটি হাইব্রিড বিশ্ব মডেল উপস্থাপন করা হয়। মডেলটি পিক্সেল-স্তর এবং ল্যাটেন্ট-স্পেস বিশ্ব মডেলিং একত্র করে এবং ভিশন-ল্যাঙ্গুয়েজ-অ্যাকশন (VLA) আর্কিটেকচার ব্যবহার করে।
স্বয়ংক্রিয় ড্রাইভিংয়ের উন্মুক্ত বেঞ্চমার্ক NAVSIM v1 পরীক্ষায় মডেলটি 90.59 PDMS স্কোর অর্জন করেছে, যা এই বেঞ্চমার্কের সর্বকালের সেরা ফল। আরও বিস্তৃত সূচকসমৃদ্ধ NAVSIM v2-তেও HyWorldVLA 89.71 স্কোর নিয়ে শীর্ষস্থান ধরে রেখেছে।
নোট: PDMS সূচক সংঘর্ষের নিরাপত্তা, চলাচলযোগ্য এলাকার নিয়ম মেনে চলা, নিরাপদ দূরত্ব, লক্ষ্যপূরণের মাত্রা এবং চলাচলের আরামসহ বাস্তব ড্রাইভিংয়ের বিভিন্ন মান বিবেচনা করে।
HyWorldVLA-এর মূল ধারণা হলো “দুই পায়ে হাঁটা”। পিক্সেল-স্তরের বিশ্ব মডেল প্রতিটি ফ্রেমে ভবিষ্যৎ সড়ক পরিস্থিতির পূর্বাভাস দেয়। এতে বিস্তারিত তথ্য সমৃদ্ধ হলেও গণনাগত ব্যয় বেশি এবং ভিজ্যুয়াল নয়েজের প্রতি সংবেদনশীলতা রয়েছে। ল্যাটেন্ট-স্পেস মডেল সংকুচিত বিমূর্ত উপস্থাপনার মধ্যে কাজ করে, ফলে দক্ষতা বেশি হলেও গুরুত্বপূর্ণ বিবরণ হারানোর ঝুঁকি থাকে। BYD-এর পদ্ধতিতে প্রশিক্ষণের সময় পিক্সেল-স্তরের তত্ত্বাবধান “প্রহরী” হিসেবে কাজ করে এবং ল্যাটেন্ট স্পেসে পর্যাপ্ত পরিবেশগত তথ্য সংরক্ষণ নিশ্চিত করে। বাস্তব ইনফারেন্সের সময় দক্ষতা বজায় রাখতে শুধু হালকা ল্যাটেন্ট-স্পেস মডেল ব্যবহার করা হয়।
অ্যাবলেশন পরীক্ষায় প্রমাণিত হয়েছে, দুটির কোনোটিই বাদ দেওয়া যায় না: পিক্সেল-স্তরের পূর্বাভাস সরিয়ে দিলে PDMS 90.59 থেকে 87.50-এ নেমে যায়; ল্যাটেন্ট-স্পেস প্রক্রিয়াকরণ সরিয়ে দিলে তা 89.91-এ নেমে আসে। বৃষ্টি ও কুয়াশাজনিত নয়েজযুক্ত 655টি দৃশ্যের পরীক্ষায় HyWorldVLA 86.87 স্কোর করেছে, যা সবচেয়ে শক্তিশালী বেসলাইনের চেয়ে 19 পয়েন্টেরও বেশি বেশি।
চলতি বছরের 28 মে BYD চীনের প্রথম 4nm অটোমোটিভ-গ্রেড স্মার্ট ড্রাইভিং চিপ “Xuanji A3” প্রকাশ করে। চিপটি 4nm প্রক্রিয়ায় তৈরি, এতে 16-কোর CPU সংযুক্ত, DMIPS 420K এবং ব্যান্ডউইথ 273GB/s। এটি ASIL-D-এর সর্বোচ্চ কার্যকরী নিরাপত্তা স্তরে পৌঁছেছে। একটি চিপের কম্পিউটিং ক্ষমতা প্রায় 700TOPS; তিনটি চিপ সমান্তরালে কাজ করতে পারে, ফলে পুরো গাড়ির স্মার্ট ড্রাইভিং কম্পিউটিং ক্ষমতা সর্বোচ্চ 2100TOPS-এর বেশি হতে পারে। অ্যালগরিদম থেকে চিপ পর্যন্ত এই পূর্ণ চক্রকে L3 স্তরের স্বয়ংক্রিয় ড্রাইভিংয়ের জন্য BYD-এর গুরুত্বপূর্ণ প্রযুক্তিগত প্রস্তুতি হিসেবে দেখা হচ্ছে।