Un nou model open-source dezvoltat de cercetători XPENG și parteneri academici promite să accelereze evoluția percepției vizuale pentru robotică și conducere autonomă, cu aplicații directe în industria mobilității și inovație europeană.
GroundingPI, un model de inteligență artificială dezvoltat în colaborare de cercetători XPENG, Universitatea Peking și Universitatea din Hong Kong, propune o abordare specializată pentru percepția vizuală în sisteme AI aplicate în lumea fizică. Modelul, care numără aproximativ 4 miliarde de parametri, a fost pus la dispoziția comunității sub formă open-source, marcând o etapă importantă pentru cercetarea și dezvoltarea în robotică și vehicule autonome, inclusiv în mediul european.
Fundamentul GroundingPI constă în capacitatea sa de a identifica cu precizie obiecte și de a determina coordonatele spațiale în scene complexe. Acest aspect este esențial pentru aplicațiile AI care interacționează direct cu mediul, precum conducerea autonomă sau manipularea robotică. În testele efectuate, modelul a obținut un scor mediu de 73,68 în 34 de repere publice de percepție vizuală, depășind modele consacrate precum GPT-6 Astra, care a atins 71,54. Acest rezultat evidențiază eficiența unui model cu focus pe percepție în fața modelelor generale de inteligență artificială atunci când vine vorba de sarcini vizuale specializate.
Modelul GroundingPI a fost antrenat pe 11 categorii de capabilități de percepție, inclusiv detecția și localizarea densă a obiectelor, recunoașterea expresiilor de referință, OCR (recunoașterea optică a caracterelor), analiza layout-ului documentelor, recunoașterea elementelor de interfață și localizarea spațială în robotică. Din punct de vedere tehnic, modelul furnizează atât predicții de tip punct, cât și zone delimitate pentru fiecare obiect identificat, permițând localizarea exactă inclusiv în medii aglomerate sau cu ținte de dimensiuni mici.
Un element relevant pentru piața europeană îl reprezintă deschiderea oferită de GroundingPI, ale cărei cod sursă și greutăți de model sunt disponibile publicului interesat. Nu există restricții regionale privind utilizarea sa, ceea ce facilitează accesul dezvoltatorilor și cercetătorilor europeni și români la acest instrument pentru implementări în robotică, mobilitate și automatizare industrială. În contextul cerințelor stricte impuse de reglementările din Uniunea Europeană pentru sistemele avansate de asistență la conducere (ADAS) și conducere autonomă — de exemplu, cerințele privind detectarea și localizarea precisă a obiectelor — GroundingPI răspunde nevoii unei percepții robuste și generalizabile atât în medii urbane, cât și mixte.
Pe partea de robotică, GroundingPI și-a demonstrat performanța în setări simulate printr-o eficiență superioară a învățării și o mai mare adaptabilitate la medii necunoscute comparativ cu alte modele de referință. Într-un experiment RoboCasa-GR1, sistemele robotizate care utilizează GroundingPI au atins rate mai mari de succes folosind doar 50% din datele de demonstrare față de modelele competitoare care au folosit 75%, sugerând că percepția îmbunătățită poate reduce semnificativ necesarul de date pentru instruirea acțiunilor specifice. De asemenea, în simulările RoboTwin 2.0, avantajul său în adaptarea la scenarii noi a atins până la 24,8% peste principalele modele de percepție vizuală analizate.
În domeniul conducerii autonome, integrarea GroundingPI ca fundament vizual a dus la obținerea unei precizii ridicate în prezicerea traiectoriilor pe datele nuScenes, un benchmark utilizat la scară largă în evaluările europene pentru vehicule autonome. Eroarea medie de poziționare a fost de 0,296 metri, confirmând relevanța modelului pentru aplicații unde localizarea exactă în trafic, pe fondul unor scenarii neprevăzute, este esențială pentru siguranță și validarea reglementată.
Caracterul perception-native al modelului — antrenat exclusiv pe date de percepție vizuală, fără etichete de acțiune robotică — îl diferențiază de modelele vieții-limbaj-acțiune clasice, care necesită și date de comportament. Această abordare crește viteza și robustețea proceselor de percepție și poate susține platforme modulare în care planificarea și raționamentul avansat se bazează pe o percepție vizuală rapidă și precisă. Pentru industria mobilității, această soluție sprijină dezvoltarea sistemelor răspunzând la cerințele viitoare privind interoperabilitatea și eficiența energetică impuse de politicile și standardele UE.
GroundingPI se înscrie astfel în trendul deschiderii și modularității, facilitând colaborarea între mediul academic și industrie, inclusiv în Europa Centrală și de Est, unde accesul la stive AI deschise susține atât reducerea dependenței de soluții proprietare, cât și inovația locală. În prezent, rezultatele sunt obținute pe baza simulărilor și evaluărilor offline, fără un calendar de integrare explicită în produse comerciale XPENG sau în flote autonome, după cum subliniază echipa de cercetare.
Prin performanțele înregistrate și disponibilitatea deschisă, GroundingPI oferă o nouă bază pentru explorări viitoare în domeniul roboticii, conducerii autonome și automatizării industriale, cu potențial direct de accelerare a dezvoltărilor reglementate și interoperabile pe piața europeană și românească.