HelloWorld kan generere flerkameravideo og LiDAR observationer ud fra redigerede kørescener eller beskrivelser i almindeligt sprog. Eksempler omfatter at indsætte en fodgænger, ændre bilen foran rute og skifte mellem regn, sne, dag og nat.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is HelloWorld, the generative driving world model announced by Hello Inc.’s robotaxi team on October 12, 2026, and described in an Octo. Article summary: HelloWorld is Hello Inc.’s robotaxi team’s generative driving world model: it creates synthetic multi view camera video and lidar observations from edited driving scenes or natural language requests, for on demand data g. Topic tags: general web, llm, ai, workflow, productivity. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts
HelloWorld er en generativ kørselsmodel fra Hello Inc.’s robotaxiteam. Den skal kunne skabe syntetiske observationer af trafikken – både flerkameravideo og LiDAR-data – når udviklere ændrer en scene eller beskriver, hvad de vil have modellen til at fremstille. LiDAR er en sensorteknologi, der måler afstande ved hjælp af laserlys. 8
En artikel offentliggjort 13. oktober 2026 siger, at modellen blev lanceret dagen før, hvilket peger på 12. oktober som lanceringsdato. En anden omtale af projektet er dateret 14. oktober. 8
Udviklere kan ændre køretøjer, fodgængere og deres bevægelsesbaner og derefter få modellen til at generere tilhørende observationer. De beskrevne eksempler omfatter at indsætte en fodgænger, der krydser vejen, og ændre ruten for bilen foran. Det er en måde at undersøge variationer af en køresituation på frem for kun at afspille et allerede indsamlet forløb. 8
En anden indgang er at beskrive den ønskede situation med almindeligt sprog. Ifølge omtalen organiserer en applikationsproces de relevante betingelser og sender dem videre til modellen. Det er altså beskrevet som en arbejdsgang til at bygge scener – ikke nødvendigvis som en fri tekstprompt, der alene styrer alt output. 6
Kilderne nævner også regn, sne og skift mellem dag og nat. En anden teknisk omtale nævner desuden byggepladser, tæt trafik og tåge som mulige scenebeskrivelser, men de korte tilgængelige uddrag dokumenterer ikke lige grundigt, hvordan alle disse situationer fungerer i modellen. 6
8
HelloWorld er tænkt til at skabe kørselsdata efter behov og til interaktive test af kørselsstrategier. Ideen er blandt andet at kunne undersøge situationer, som kan være vanskelige at få dækket tilstrækkeligt gennem indsamling på vejene – de såkaldte sjældne eller komplekse trafiksituationer. 8
Den offentliggjorte artikel beskriver HelloWorld som en model på omkring to milliarder parametre til datagenerering og interaktiv simulering. Projektbeskrivelsen fremhæver generering af video fra flere kameravinkler, få inferenstrin og LiDAR-generering betinget af RGB-billeder. Det er tekniske beskrivelser af systemet, ikke i sig selv dokumentation for, at de syntetiske data forbedrer en selvkørende bils præstationer. 9
Forskningsartiklen HelloWorld: Towards Practical Applications of Generative Driving World Models blev indsendt til arXiv 24. september 2026 – før lanceringen. 1
De tilgængelige kilder er hovedsageligt korte uddrag, så de giver ikke grundlag for at fastslå alle detaljer om modellens opbygning eller resultater. En teknisk omtale beskriver syv synkroniserede kameravisninger, men de synlige uddrag forklarer ikke præcist, hvordan synkroniseringen foregår, eller hvor effektiv modellen er til længere, gentagne simuleringer. 13
Kilderne fremhæver datagenerering og interaktiv test som formål. De dokumenterer ikke i sig selv, at HelloWorld reducerer omkostningerne ved dataindsamling eller mærkning, forbedrer træningen af andre modeller eller har bestået validerede, lukkede tests af alternative trafikforløb. 8
De tilgængelige oplysninger fastslår heller ikke, om dette er teamets første offentlige forskningsudgivelse af denne type, eller hvornår og hvordan modellen eventuelt skal bruges i køretøjer. Det er derfor bedst at se HelloWorld som et udviklingsværktøj med beskrevne funktioner og mål – ikke som dokumentation for, at teknologien allerede er taget i brug på vejene.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
HelloWorld kan generere flerkameravideo og LiDAR observationer ud fra redigerede kørescener eller beskrivelser i almindeligt sprog.
HelloWorld kan generere flerkameravideo og LiDAR observationer ud fra redigerede kørescener eller beskrivelser i almindeligt sprog. Eksempler omfatter at indsætte en fodgænger, ændre bilen foran rute og skifte mellem regn, sne, dag og nat.
Formålet er at skabe kørselsdata efter behov og understøtte interaktive test af kørselsstrategier; de tilgængelige kilder dokumenterer ikke, hvor godt det virker i praksis.
HelloWorld kan generere flerkameravideo og LiDAR observationer ud fra redigerede kørescener eller beskrivelser i almindeligt sprog. Eksempler omfatter at indsætte en fodgænger, ændre bilen foran rute og skifte mellem regn, sne, dag og nat.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What is HelloWorld, the generative driving world model announced by Hello Inc.’s robotaxi team on October 12, 2026, and described in an Octo. Article summary: HelloWorld is Hello Inc.’s robotaxi team’s generative driving world model: it creates synthetic multi view camera video and lidar observations from edited driving scenes or natural language requests, for on demand data g. Topic tags: general web, llm, ai, workflow, productivity. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts
HelloWorld er en generativ kørselsmodel fra Hello Inc.’s robotaxiteam. Den skal kunne skabe syntetiske observationer af trafikken – både flerkameravideo og LiDAR-data – når udviklere ændrer en scene eller beskriver, hvad de vil have modellen til at fremstille. LiDAR er en sensorteknologi, der måler afstande ved hjælp af laserlys. 8
En artikel offentliggjort 13. oktober 2026 siger, at modellen blev lanceret dagen før, hvilket peger på 12. oktober som lanceringsdato. En anden omtale af projektet er dateret 14. oktober. 8
Udviklere kan ændre køretøjer, fodgængere og deres bevægelsesbaner og derefter få modellen til at generere tilhørende observationer. De beskrevne eksempler omfatter at indsætte en fodgænger, der krydser vejen, og ændre ruten for bilen foran. Det er en måde at undersøge variationer af en køresituation på frem for kun at afspille et allerede indsamlet forløb. 8
En anden indgang er at beskrive den ønskede situation med almindeligt sprog. Ifølge omtalen organiserer en applikationsproces de relevante betingelser og sender dem videre til modellen. Det er altså beskrevet som en arbejdsgang til at bygge scener – ikke nødvendigvis som en fri tekstprompt, der alene styrer alt output. 6
Kilderne nævner også regn, sne og skift mellem dag og nat. En anden teknisk omtale nævner desuden byggepladser, tæt trafik og tåge som mulige scenebeskrivelser, men de korte tilgængelige uddrag dokumenterer ikke lige grundigt, hvordan alle disse situationer fungerer i modellen. 6
8
HelloWorld er tænkt til at skabe kørselsdata efter behov og til interaktive test af kørselsstrategier. Ideen er blandt andet at kunne undersøge situationer, som kan være vanskelige at få dækket tilstrækkeligt gennem indsamling på vejene – de såkaldte sjældne eller komplekse trafiksituationer. 8
Den offentliggjorte artikel beskriver HelloWorld som en model på omkring to milliarder parametre til datagenerering og interaktiv simulering. Projektbeskrivelsen fremhæver generering af video fra flere kameravinkler, få inferenstrin og LiDAR-generering betinget af RGB-billeder. Det er tekniske beskrivelser af systemet, ikke i sig selv dokumentation for, at de syntetiske data forbedrer en selvkørende bils præstationer. 9
Forskningsartiklen HelloWorld: Towards Practical Applications of Generative Driving World Models blev indsendt til arXiv 24. september 2026 – før lanceringen. 1
De tilgængelige kilder er hovedsageligt korte uddrag, så de giver ikke grundlag for at fastslå alle detaljer om modellens opbygning eller resultater. En teknisk omtale beskriver syv synkroniserede kameravisninger, men de synlige uddrag forklarer ikke præcist, hvordan synkroniseringen foregår, eller hvor effektiv modellen er til længere, gentagne simuleringer. 13
Kilderne fremhæver datagenerering og interaktiv test som formål. De dokumenterer ikke i sig selv, at HelloWorld reducerer omkostningerne ved dataindsamling eller mærkning, forbedrer træningen af andre modeller eller har bestået validerede, lukkede tests af alternative trafikforløb. 8
De tilgængelige oplysninger fastslår heller ikke, om dette er teamets første offentlige forskningsudgivelse af denne type, eller hvornår og hvordan modellen eventuelt skal bruges i køretøjer. Det er derfor bedst at se HelloWorld som et udviklingsværktøj med beskrevne funktioner og mål – ikke som dokumentation for, at teknologien allerede er taget i brug på vejene.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
HelloWorld kan generere flerkameravideo og LiDAR observationer ud fra redigerede kørescener eller beskrivelser i almindeligt sprog.
HelloWorld kan generere flerkameravideo og LiDAR observationer ud fra redigerede kørescener eller beskrivelser i almindeligt sprog. Eksempler omfatter at indsætte en fodgænger, ændre bilen foran rute og skifte mellem regn, sne, dag og nat.
Formålet er at skabe kørselsdata efter behov og understøtte interaktive test af kørselsstrategier; de tilgængelige kilder dokumenterer ikke, hvor godt det virker i praksis.