BYDの自動車新技術研究院AIチームは先月、初の研究論文を発表し、自動運転向けのハイブリッド世界モデルHyWorldVLAを紹介した。このモデルはピクセルレベルと潜在空間の世界モデルを組み合わせ、視覚・言語・行動（VLA）アーキテクチャを採用している。
このモデルは自動運転の公開ベンチマークテストNAVSIM v1で、PDMSスコア90.59を獲得し、同ベンチマークの過去最高記録を更新した。より包括的な指標を採用するNAVSIM v2でも、HyWorldVLAは89.71点のトップスコアを記録した。
注：PDMSは、衝突安全性、走行可能領域の遵守、安全距離、目標達成度、走行快適性など、実際の運転品質を多面的に評価する指標。
HyWorldVLAの核心は、「二本の柱で進む」ことにある。ピクセルレベルの世界モデルは将来の道路状況をフレーム単位で予測し、豊富なディテールを扱える一方、計算コストが高く、視覚ノイズの影響を受けやすい。潜在空間モデルは圧縮された抽象表現の中で動作するため効率が高いものの、重要なディテールを失いやすい。BYDの方式では、学習段階でピクセルレベルの監督を「監視役」として用い、潜在空間に十分な環境情報を保持するよう強制する。実際の推論時には軽量な潜在空間モデルのみを使い、効率を確保する。
アブレーション実験では、両者が不可欠であることが検証された。ピクセルレベルの予測を削除すると、PDMSは90.59から87.50に低下し、潜在空間処理を削除すると89.91まで下がった。雨や霧などのノイズを含む655シーンでのテストでは、HyWorldVLAは86.87点を獲得し、最も強力なベースラインを19点以上上回った。
今年5月28日、BYDは中国初の4nm車載グレード・インテリジェント運転チップ「璇玑 A3」を発表した。同チップは4nmプロセスを採用し、16コアCPUを搭載。DMIPSは420K、帯域幅は273GB/sで、ASIL-Dの最高機能安全レベルに達している。1チップあたりの演算性能は約700TOPSで、3チップの並列接続に対応し、車両全体のインテリジェント運転演算性能は最大2100TOPSを超える。アルゴリズムからチップまでの完全な閉ループは、BYDがL3レベルの自動運転に向けて進める重要な技術的準備とみなされている。