XPeng lanserar TuringViT för smart körning och robotik

Fordonstillverkaren XPeng har släppt TuringViT, en visionkodare som är avsedd för deras system för smart körning, smarta cockpit-system och bolagets humanoidrobotprogram kallat IRON.

TuringViT är designad för användning i modeller för visuell förståelse, språk och handling. XPeng erbjuder modellen i två variater: TuringViT-18L och TuringViT-24L. Enligt företaget uppnådde TuringViT-18L, med en upplösning på 1536x1536, en betydligt högre prestanda jämfört med tidigare referensmodeller.

XPeng uppger att TuringViT-18L:s genomströmning var 3,04 gånger högre än Seed1.5-ViT-modellen och 2,16 gånger högre än SigLIP2-ViT-L-modellen. Modellen har tränats på 850 miljoner bild-text-par.

Trots sin mindre träningsdata uppnådde modellen ett genomsnittligt resultat på 83,6 procent över sex zero-shot-benchmarks. Detta resultat överträffar prestandan hos open source-referensmodeller, även de som tränats på upp till 10 miljarder datapunkter.