Valeo en KE:SAI starten open onderzoek naar rij-AI

Valeo en onderzoekscentrum KE:SAI kondigen op 13 oktober een Frans-Duits onderzoeksproject aan en willen code, getrainde modellen en datasets open publiceren voor een generalistisch rij-AI-systeem, meldt Valeo.

Voor Nederlandse toeleveranciers in de auto-industrie, mobiliteitssoftwarebedrijven en onderzoeksafdelingen kan dit straks een open basis bieden om rij-AI met eigen voertuigen en sensoropstellingen te vergelijken. Vandaag verandert er niets in een productielijn: er is geen releasedatum en de partners presenteren onderzoek, geen inzetbare oplossing.

Eén rijmodel moet verschillende voertuigen aankunnen

De partners richten zich op één compact model dat kan generaliseren tussen voertuigen, sensorconfiguraties en omgevingen. Het trainingsplan begint met omvangrijke opnamen van echt verkeer. Daarna willen de partners beloningsgestuurd leren in simulatie en geleerde wereldmodellen gebruiken om zeldzame, veiligheidskritieke situaties te oefenen. Het doel is om eerst het niveau van openbare rijbenchmarks te evenaren en daarna te overtreffen.

De aankondiging noemt geen modelgrootte, trainingsduur of rekenbehoefte. Daardoor valt de benodigde infrastructuur nog niet in te schatten.

Open rijsoftware heeft al een geschiedenis

Open source maakt al langer deel uit van autonoom rijden. TIER IV meldt dat zijn Autoware-software voor autonoom rijden in 2015 uitkwam en beschrijft hoe ontwikkelaars de open code gebruiken om voertuigsensoren uit te lezen en de auto aan te sturen. Autoware is de softwarelaag die in de auto draait. Valeo en KE:SAI richten zich op het rijmodel en het onderzoeksmateriaal om dat te trainen.

Valeo-onderzoekers bouwden al eerder aan rijmodellen. Een paper van 8 januari 2026 beschrijft Valeo’s DrivoR-model, dat informatie uit meerdere camera’s comprimeert en mogelijke rijtrajecten voorspelt en beoordeelt. De nieuwe samenwerking verbreedt die modelpublicatie tot een project dat ook trainingscode, gewichten en datasets open wil publiceren.

KE:SAI’s algemene onderzoeksplan belooft permissieve licenties voor civiel-commercieel gebruik; de labpagina noemt OpenDV en PhysicalAI-AV als open rijdatasets bij de aanduiding 1.700 uur+ en meldt meer dan tien miljoen downloads voor KITTI. Dit gaat om eerder onderzoeksmateriaal. De aankondiging noemt niet welke datasets bij de Valeo-samenwerking worden gebruikt. Een licentie per model, dataset of trainingsbestand staat er niet bij.

Simulatiegereedschap en rijmodellen zijn twee lagen

AWS werkt aan een aangrenzende laag van AI voor robots. De Physical AI Toolchain verbindt robotopnamen met synthetische scenario’s, modeltraining en virtuele tests. De AWS-opzet scheidt simulatie- en trainingsorkestratie van de ROS-software die op de robot draait. Die infrastructuur helpt teams een ontwikkelcyclus op te zetten; het project van Valeo en KE:SAI richt zich op de rijmodellen en onderzoeksbestanden zelf.

Ook Reka werkt aan modellen voor de fysieke wereld. Op 5 oktober bracht Reka een onderzoeksversie van Rho-1 uit, een model van 19 miljard parameters dat tekst, beeld, video en robotacties in één netwerk verwerkt. De robotdemonstratie van Rho-1 bleef in een simulatieomgeving. De voorbeelden laten verschillende routes zien: infrastructuur voor training en testen, multimodale robotmodellen en nu een open rijmodel met bijbehorende datasets.

De benchmarkambitie wacht op bestanden en cijfers

Valeo en KE:SAI publiceren nog geen benchmarkscore. Eerst aansluiten op de openbare top en die daarna passeren is dus een onderzoeksdoel, geen gemeten resultaat. De aankondiging geeft evenmin een releasedatum, een voertuiglancering of een plan voor tests op de openbare weg.

Voor Nederlandse bedrijven blijft daarom eerst een praktische vraag open: kunnen zij straks dezelfde data, gewichten en trainingsstappen gebruiken om resultaten te herhalen op hun eigen sensorconfiguratie? Een reproduceerbare vergelijking vraagt om broncode, modelbestanden, duidelijke datasetvoorwaarden, de exacte benchmarkversie en voldoende informatie over de benodigde rekenkracht.

De samenwerking maakt de open kant van AI in de fysieke wereld concreter: naast ontwikkelgereedschap komt het streven naar deelbare rijmodellen, trainingscode en data. Voor een Europese toeleverancier begint de zakelijke toets zodra de partners een model, licenties en herhaalbare benchmark publiceren. Die eerste release zal laten zien of andere teams de uitkomst op hun eigen voertuigen en sensoren kunnen reproduceren.