在nxtAIM研究型项目中，dSPACE与业内和研究界的20家合作伙伴携手，共同突破通用生成式人工智能模型的局限性，开发面向汽车行业的生成式人工智能。项目融汇领先专家的专业知识、汽车行业的大数据以及Jülich超级计算机的计算能力。
在未来的自动驾驶领域，人和机器将共享交通空间，彼此互动、合作。然而，只有综合运用机器学习方法，才能让自动驾驶道路使用者达到必要的认知能力水平。但目前开发的基于数据的驾驶功能，就其可扩展性、可移植性和可追溯性而言，要实现更高水平的自动驾驶仍然障碍重重。这些局限性源自目前的系统架构和所使用的机器学习方法。
生成式人工智能另辟蹊径，最近在大型语言模型或文本到图像生成器等应用中展示了各种功能，给人留下了深刻印象。nxtAIM采用生成式方法，并在此基础上进行基本模型的开发，试图给系统架构和人工智能方法论带来范式转变。
如今的系统架构基于整个效应链的线性、单向信息处理，包括感知、环境建模、预测、规划以及后续实现。生成式方法用来建立反馈通道，信息处理双向扩展。
Hitarth Bhatt和Sven Burdorf回答了有关项目进展情况的一些问题。
是什么让dSPACE得以加入该项目联盟？
Hitarth Bhatt： 我们已然是汽车领域仿真和验证工具的市场领导者，也正在成为该领域人工智能方面的市场领导者。
我们开发了人工智能产品功能，让客户大获裨益。举一个例子，我们可以在工具链中提供人工智能支持的场景识别，用于数据驱动开发。我们正大力参与各个研究项目，比如人工智能数据工具领域的项目，进一步提升我们的专业知识。dSPACE传感器车辆配备高精度又可靠的参考传感器，可以让我们收集数据，从而实现人工智能产品功能的培训和开发。
dSPACE在nxtAIM项目中执行哪些任务？
Sven Burdorf：
dSPACE负责“领域转移——使用生成式人工智能来增强图像”主题。我们还参与了数据整合，计划利用来自dSPACE传感器车辆的数据来训练基本的汽车生成式人工智能模型。我们的工作的另一个重要部分是根据所生成数据的真实性和多样性，评估项目中开发的模型。
这会给dSPACE客户带来哪些益处？
Hitarth Bhatt： nxtAIM将为汽车行业带来一个基本的生成式人工智能模型。一方面，我们带来了自身在仿真和验证领域的专业知识，另一方面，我们希望掌握一些专业知识，以便将更多的生成式人工智能技术集成到dSPACE解决方案中，为客户未来的开发项目提供更有效的支持。
