OlympHill
Wayve logo

WayveEt britisk utviklerselskap av end-to-end-artifisell intelligens for selvstedende kjøring

4.6 (5)
Daniel NikulshynAnmeldt av Daniel Nikulshyn·Oppdatert mai 2026

Oversikt

Wayve er et firma med hovedkvarter i London, som bygger selvkjørende teknologi med en slut-t- slut end-to-end-deep-learningansettning. Istedenfor å avheng av detaljerte HD-kart og håndkodede regler, lærer systemet å kjøre direkte fra kamerainput og virkelig verdenskjøringdata, med mål om å generere seg over byer og typar av køretøy. Selskapet utvikler inkorporert kunstig intelligens-modeller, inkludert sitt AV2.0-platform og grunnmodeller som GAIA og LINGO, som kobler sammen visjon, språk oghandling. Wayve partnerer med bilprodusenter og flåteoperatører for å bringe sin kjøring-intelligent til forbruker- og kommersielle kjøretøy, med tester i gang i Storbritannia og utover. Målet er for bilprodusenter (OEMs), mobilitet tilbydere og forskere innen AI, hvor Wayve posisjonerer seg som en skalaerbare alternative til tradisjonelle, modulære AV-staks, hvor lært oppførsel og tilpasning er prioritert fremfor geoforkede deploymenter.

Nøkkelfunksjoner

  • End-to-end-dybbelæringskjøringsskjematiske
  • GAIA generativt verdensmodell
  • LINGO visjonsspråk-handlingsmodell
  • Innmappet, kamera-basert perception
  • Fleets lærer fra diverse kjøredata
  • Samarbeid med bilprodusenter for integrasjon

Priser

Modell
Freemium
Vurdering
4.6 / 5 (5)

Brukstilfeller

Innmappet selvkjøring for OEM-er

Bilprodusenter integrerer Wayves end-to-end-kjøringsskjematiske inn i konsumentkjøretøy, og muliggjør selvstyre uten avhengighet av HD-kart eller håndkodet regelvirkninger.

Kommersiell flåte selvstyre

Mo-ebilitetsleverandører og flåteoperatører deploymes Wayves AV2.0-plattform for å bringe kamera-basert selvstyre til leveransefører og ride-hailer kjøretøy.

Ansatt AI-forskning med GAIA & LINGO

AI-forskerer benytter seg av Wayves GAIA generative verdensmodell og LINGO visjonsspråk-handlingsmodell for å avanse arbeid innen ansatt og multimodal AI.

Kryss-storby kjøring generalisering

Bruk flåtelæring fra diverse real-world kjøredata for å utvikle kjøreelektronikk som generaliserer over nye byer og køretøyplattformer.

Fordeler og ulemper

Fordeler

  • End-to-end-læring reduserer avhengighet av HD-kort
  • Dessignt til å generaliserer over byer og kjøretøy
  • Sterk forskningsutstyr i tilknytning til AI
  • Støttet av større bil- og teknologieinvestorer

Ulemper

  • Ikke et produkt tilgjengelig for almenhetskonsummer
  • Verksomhetsmessig innføring fortsatt begrenset i skala
  • Tilpasningen av reguleringer varierer med region
  • Svarte påskapte modeller kan være vanskeligere å verifisere

Anmeldelser

4.6

Gjennomsnitt fra 5 vurderinger.

5
3
4
2
3
0
2
0
1
0

Logg inn for å legge igjen en anmeldelse.

Leila Hassan

Leila Hassan

Jan 18, 2026

Use it every day

Honestly didn't expect to like it this much. End-to-end deep learning driving stack is exactly what I needed, and designed to generalize across cities and vehicles. but I reach for it almost every day now and it just clicks.

Tomáš Novák

Tomáš Novák

Jan 3, 2026

Use it every day

Honestly didn't expect to like it this much. Fleet learning from diverse driving data is exactly what I needed, and backed by major automotive and tech investors. but I reach for it almost every day now and it just clicks.

MB

Marcus Bell

Dec 27, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is lINGO vision-language-action model — handled better than most — and strong research output in embodied AI. Worth the time if this is your use case.

DF

Diego Fernández

Jun 30, 2025

Compared a few options

Evaluated this against two competitors. Where it wins: partnerships with automakers for integration and backed by major automotive and tech investors. Where it lags: regulatory approval varies by region. On balance the feature set — especially gAIA generative world model — justifies the 4 stars for our use case.

Robert Ainsworth

Robert Ainsworth

Jun 23, 2025

Does the job

Pretty happy overall. Map-free, camera-first perception just works and designed to generalize across cities and vehicles. Not a product available to general consumers can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.

Spørsmål

Hva er de viktigste begrensningene å vurdere før du sammen med Wayve?

Reell verdensutbredelse er fremdeles begrenset i skala, med testing hovedsakelig i Storbritannia og utvalgte regioner, og regulatorisk godkjenning varierer etter marked. Deres end-to-end-modeller kan også være vanskeligere å verifisere enn modulære staker på grunn av deres lukkede boks-natur.

Asked by Marcus Bell · Jan 31, 2026

Hvordan skiller Wayves tilnærming seg fra tradisjonelle autopilot-staker?

Wayve bruker en end-to-end dyptlæringsstak som lærer å kjøre direkte fra kamera-inndata og virkelige data, og unngår HD-kart og håndkodede regler. Dette kartfrie, kamera-forste designet er ment å generalisere over forskjellige byer og kjøretøytyper.

Asked by Margaret Whitfield · Jan 28, 2026

Hvem er Wayve rettet mot, og kan enkeltkonsumenter bruke det?

Wayve retter seg mot bilprodusenter, mobilselskaper og flåteoperasjoner og også AI-forskningsfolk. Det er ikke en produkt som blir solgt til generelle konsumenter; i stedet partnerer selskapet med bilprodusenter for å integrere dens køreintelligens i privat- og kommersiell kjøretøyer.

Asked by Wei Chen · Oct 23, 2025

Hva er noen av nyttighetene med Wayves end-to-end læring?

End-to-end læring reduserer avhengighet av HD- kart og tillater systemet å generalisere over byer og kjøretøyer, med sterk forskningsutgave i embodied AI.

Asked by Xiomara Delgado · Aug 20, 2025

Hvem har tilgang til Wayve's teknologi?

Wayve's teknologi er rettet mot bilprodusenter, mobilitetsleverandører og AI-forskerne, ikke tilgjengelig for generalforbrukere.

Asked by Ravi Kapoor · Jul 26, 2025

Still et spørsmål

Alternativer til Oppgaveautomatisering