#selfdrive
Наконец закончил читать статьи GAIA-1 и GAIA-2 (там уже третья часть вышла, пока я читал... Но про нее статьи нет, так что писать не о чем). Чтение у меня заняло в сумме почти месяц: частично потому, что я отвлекался и ленился, частично потому, что генерация изображений - это в целом сфера, которую я всю жизнь игнорировал, так как считал, что это больше прикол и нужно для того, чтобы поиграться, а не для реальных задач. Так что хотелось достаточно глубоко разобраться в теме.

Подробного разбора не будет, но будет краткая выжимка. GAIA (Generative AI Model for Autonomy) - семейство генеративных моделей компании Wayve. Wayve из Лондона один из крупных игроков в мире автономного транспорта, кто реально близок к коммерческому запуску беспилотного такси, а так же единственная в этом списке европейская компания. В общем, ребята точно известны в узком кругу и их работы заслуживают внимания.

Статьи в целом представляют собой два не слишком похожих между собой движка для генерации данных для тренировки автономной модели вождения. Основной упор авторы делают на соответствие физическим законам и динамике сцены в большей степени, чем на фотореализм. Впрочем, ни в одной из статей не описано, почему вдруг их модели будут кинематически верными (а другие нет), но приведено несколько примеров, когда это правда так. Главное из физического мира в обеих моделях - они знают команды действий автомобиля (двигайся со скоростью 30 км/ч на юго-восток). Обе модели построены на генераторах, которые действуют в комбинации с тем, что авторы называют «моделью мира» (а на деле - просто авторегрессионный трансформер, аналог LLM, в первой версии и DiT во второй).

Идейно мне куда больше понравилась статья GAIA-1. Мне кажется, она значительно более оригинальная, чем GAIA-2. И хоть работает она хуже (естественно), но как научная работа, на мой взгляд, более ценная. А GAIA-2 это, по факту, Stable Diffusion 3 / Sora для видео, с несколькими доработками и примененная к данным автономного вождения. Оригинальности там, как мне показалось, мало - аккуратно собрали модель, дополнили парой идей из других статей и потренили на куче GPU. Результат неплохой, но статья написана так, будто это все их оригинальная архитектура, и ни слова о том, что все эти идеи были придуманы за них и до них.

Краткий разбор в комментариях

В 2023 году, в январе, я в первый раз жизни прилетел в Гетеборг, город, название которого я услышал в первый раз жизни всего за полгода до этого. 7 января было очень темно, шел дождь. Я ехал в такси за 70 долларов за полчаса, смотрел в окно и видел непривычные пейзажи - мокрые каменные глыбы вдоль дороги. Они мне тогда показались неприветливыми, серыми и печальными.

В июне 2026 я приехал в Гетеборг чтобы встретиться с друзьями и коллегами, а еще погулять по любимым красивым местам, покататься на велосипеде к острову с лошадками, погулять вдоль каналов, посмотреть на свой старый офис. Я давно за собой заметил, что привыкаю к месту и «рутине» чуть ли не сильнее, чем к людям. Какой безумный кайф для меня было просто забраться на гору в парке и посидеть на лавочке, на которой я сидел целых 3 года.

Как удивительно, что место, о котором ты ничего не слышал, далеко от обычных известных мест, куда едут люди жить и работать, может оставить такой большой след в твоей жизни. Случайность, которая теперь будет всегда в тебе. Я не знаю, встретимся ли мы с Гетеборгом еще, но вот в этот приезд у меня возникло стойкое ощущение, что он стал для меня вполне родным, знакомым, понятным и близким. И хочется, чтобы так оно и оставалось

P.S. На первом фото камни - прям те самые, вдоль шоссе, я сфотать не успел, но сфотал похожие. Смотрел на них и улыбался - как поменялось ощущение от пейзажа. Хотя, конечно, будем честны, шведское лето и шведская зима - как две разных планеты:)

🇸🇪