חברת Nexar הישראלית השיקה מודל בינה מלאכותית חדש בשם BADAS (קיצור של Beyond ADAS) שנועד לשמש תשתית למערכות בטיחות ונהיגה אוטונומית. המודל מתבסס על עשרות מיליארדי קילומטרים של נהיגה אמיתית, שנאספו לאורך שנים ממצלמות הדרך של החברה, במטרה לפתור בעיה מרכזית בתחום: כיצד לגרום למערכות נהיגה חכמות להבין התנהגות אנושית אמיתית בכביש, ולא רק להגיב למצבים שתוכנתו מראש.
בניגוד למודלים מסורתיים הנשענים במידה רבה על סימולציות ונתונים שנאספו מתצפיות מתוכננות מראש, מודל BADAS אומן על-גבי מאגר נרחב של הקלטות וידאו שנאסף מרשת עולמית של מצלמות דרך שהותקנו בכלי-רכב פרטיים, בציים מסחריים ובמערכות ניטור עירוניות. הנתונים אינם מגיעים מסביבות ניסוי מבוקרות, אלא מתיעוד של נהיגה יומיומית בתנאים משתנים, כולל מצבים לא צפויים וטעויות אנוש. כך נוצר מאגר עצום של תרחישי נהיגה אמיתיים, הכוללים אלפי “כמעט-אירועים” – מצבים שבהם נוצר סיכון אך לא התרחשה תאונה בפועל – המעניקים למודל בסיס עשיר ללמידה על דפוסי התנהגות אמיתיים בכביש.
הדמיון והשוני מול טסלה
הגישה של Nexar לא נועדה להחליף סימולציות, אלא להשלים אותן: בעוד שסימולציות מאפשרות לשחזר אירועים נדירים שקשה לתעד במציאות, הנתונים האמיתיים מספקים שכבת למידה נוספת – הבנה הסתברותית של מצבים יומיומיים, שממנה ניתן לגזור חיזוי בזמן אמת. על בסיס זה פותח BADAS כמודל המסוגל לזהות לא רק מה קורה ברגע נתון, אלא גם מה עשוי לקרות שניות לאחר מכן. למשל כאשר ההתנהגות של הרכב מרמזת על סטייה אפשרית מהנתיב או כאשר דפוס התנועה סביב צומת משתנה באופן חריג. מדובר בצעד נוסף באבולוציה של מערכות ADAS, מהתראה תגובתית למערכת חיזוי הסתברותי מבוססת-למידה.
באופן טבעי, המהלך מזכיר את האסטרטגיה של טסלה, שגם היא מתבססת על מידע ויזואלי ממיליוני מצלמות רכב. שתי החברות רואות במידע המצטבר מהשטח את הנכס העיקרי בלימוד נהיגה אוטונומית, אך נקודת המוצא שלהן שונה. טסלה מפתחת מערכת סגורה ברכב, שבה הבינה המלאכותית מוטמעת ישירות במחשב הרכב ונשלטת על ידי טסלה מקצה לקצה. Nexar, לעומתה, אינה מייצרת מכוניות אלא מספקת נתונים ומודלים. היא אוספת מידע ממצלמות, מעבדת אותו למודל חיזוי, ומציעה אותו כמרכיב הניתן להטמעה במערכות של אחרים. Nexar אינה שואפת לבנות רכב אוטונומי משלה, אלא לספק למפתחים וליצרנים “תשתית בינה מלאכותית לכביש” – שכבה חישובית ונתונית שניתן לבנות עליה שירותי בטיחות, חיזוי וניטור.
המודל מזהה תאונה 4.9 שניות לפני התרחשותה
במקביל להשקת המודל, Nexar פרסמה מאמר המפרט את העקרונות המדעיים שמאחורי הפיתוח. המאמר פורסם ב-arXiv תחת הכותרת BADAS: Context-Aware Collision Prediction Using Real-World Dashcam Data. הוא מגדיר מחדש את משימת חיזוי התאונה כך שתתמקד ברכב עצמו (Ego vehicle) ולא באירועים כלליים שנקלטים במצלמה. המאמר מציג שתי גרסאות של המודל: BADAS-Open שאומנה על כ-1,500 סרטוני וידאו ציבוריים, ו-BADAS 1.0, שאומנה על מאגר של כ-40 אלף קטעי וידאו שנאסף על-ידי חברת Nexar עצמה.
החוקרים מצאו שכ-40%-90% מהתאונות במאגרי נתונים קיימים אינן רלוונטיות לרכב המצולם, ולכן נדרשה אנוטציה (הוספת מידע) מחודשת באמצעות המאגר של החברה. התוצאה: המודל הצליח לנבא תאונה ממוצעת כ־4.9 שניות לפני התרחשותה בפועל. מדובר בשיפור משמעותי בהשוואה לדורות קודמים של מערכות חיזוי ויזואליות. החוקרים גם דיווחו ששילוב בין נתוני אמת לבין ארכיטקטורת למידה חדשה (V-JEPA2) שיפר באופן ניכר את הדיוק והיציבות של המודל.
הנתונים מייצרים מנוע צמיחה
עד כה פעלה Nexar בעיקר בשוק הצרכני של מצלמות דרך, אך למעשה בנתה תשתית נתונים בקנה מידה עולמי. עשרות מיליוני שעות וידאו שנאספו ממאות אלפי כלי-רכב הפכו ל"מאגר כבישים דינמי": מיפוי רציף של מצבי תנועה בעולם האמיתי. BADAS הוא השלב שבו החברה הופכת את הנתונים האלה למוצר מסחרי. החברה צופה שהמודל ישתלב במגוון שימושים: יצרני רכב יוכלו לרכוש רישיון ולשלבו במערכות הסיוע לנהג (ADAS) שלהם; חברות ביטוח יוכלו להסתמך עליו להערכת סיכונים מבוססת הקשר אמיתי; ורשויות עירוניות יוכלו להשתמש בו לזיהוי מפגעים, תאונות או עומסי תנועה בזמן אמת.
החברה מתכננת להציע גישה למודל באמצעות ממשקי API ו-SDK, שיאפשרו לגופים לפתח סביבו שירותים משלהם. היתרון המרכזי של המודל נעוץ בקנה המידה הגדול של הנתונים. הדבר גם מאפשר שיפור מתמיד של המודל עם הוספת הקלטות נהיגה חדשות. למודל כזה יש יתרון מצטבר: ככל שיותר כלי-רכב מחוברים לרשת, משתפרת יכולת היכולת החיזוי שלו.
השקת BADAS ממקמת את Nexar בין חברות טכנולוגיה כמו Mobileye, שפועלת בתחום החישה והראייה הממוחשבת לרכב, לבין שחקניות ענן ו־AI המציעות פלטפורמות למודלים חכמים. החברה שואפת לתפוס את המקום שבין השניים: גשר בין נתוני שטח אמיתיים לבין פיתוח מודלים המבינים תנועה אנושית מורכבת. המהלך הזה מבטא מגמה רחבה יותר בתעשיית הרכב: מעבר מתלות בחיישנים מתקדמים ויקרים (כמו LiDAR) לעבר שימוש נרחב במידע ויזואלי המנותח בענן. אם המודל של Nexar יעמוד בהבטחותיו – בעיקר ביכולת לחזות סכנות בזמן אמת וברמת דיוק גבוהה – הוא עשוי להפוך למרכיב תשתיתי במערכות בטיחות רבות, לא רק ברכב אוטונומי אלא גם בציים מסחריים ובפתרונות עיר חכמה.
