GAIA-2

GAIA-2 to sterowalny, wielokamerowy generatywny model świata (world model) opracowany przez Wayve na potrzeby autonomicznej jazdy, zaprezentowany 26 marca 2025 r. Opisano go w pracy „GAIA-2: A Controllable Multi-View Generative World Model for Autonomous Driving” (arXiv:2503.20523). Model generuje realistyczne, spójne czasowo i przestrzennie materiały wideo z wielu kamer, przeznaczone do symulacji, testów scenariuszy oraz wzbogacania danych treningowych.

Architektura składa się z tokenizera wideo, który kompresuje sekwencje do ciągłej przestrzeni latentnej, oraz modelu świata opartego na dyfuzji latentnej, który przewiduje przyszłe stany sceny. W odróżnieniu od GAIA-1 (autoregresyjnego), GAIA-2 wykorzystuje dyfuzję latentną, natywnie obsługuje wiele kamer i eliminuje nieciągłości czasowe, poprawiając płynność ruchu i spójność między widokami.

Model przyjmuje bogate warunkowanie strukturalne: akcje pojazdu ego (prędkość, krzywizna skrętu), zachowania dynamicznych agentów (na podstawie prostopadłościanów 3D), atrybuty drogi (liczba pasów, ograniczenia prędkości, przejścia dla pieszych, sygnalizacja, skrzyżowania), czynniki środowiskowe (pogoda, pora dnia) oraz osadzenia CLIP i firmowych modeli. Obejmuje dane z Wielkiej Brytanii, USA i Niemiec.

GAIA-2 służy do generowania scenariuszy syntetycznych (w tym rzadkich i krytycznych dla bezpieczeństwa), testowania generalizacji poza rozkładem oraz uzupełniania danych rzeczywistych. Jest to model badawczy, własnościowy (wagi niedostępne publicznie).