HelloWorld kan lage flerkameravideo og lidarobservasjoner fra scener som forskere redigerer direkte eller beskriver med vanlig språk. Eksempler som er omtalt, omfatter fotgjengere som krysser veien, endret rute for bilen foran og skifte mellom regn, snø, dag og natt.
Publisert avRedigert med GPT-6 LunaBilder generert 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 verdenmodell for kjøring fra robotaxi-teamet i Hello Inc. Den lager syntetiske observasjoner fra trafikkscener – blant annet video fra flere kameravinkler og lidar-data. Lidar er en sensorteknologi som bruker laserpulser til å måle omgivelsene. Utviklere kan endre en scene direkte eller beskrive hva de ønsker med vanlig språk. 8
En rapport publisert 13. oktober 2026 sier at teamet hadde kunngjort modellen dagen før, altså 12. oktober. 6 Forskningsartikkelen, HelloWorld: Towards Practical Applications of Generative Driving World Models, ble lagt ut på arXiv 24. september 2026, før kunngjøringen.
1
Modellen er ment å la utviklere styre hva som skjer i en kjøresituasjon, i stedet for bare å spille av et opptak fra den virkelige verden. De kan for eksempel redigere kjøretøy, fotgjengere og bevegelsesbaner, og få modellen til å generere tilsvarende kamera- og lidarobservasjoner. Omtalte eksempler er å sette inn en fotgjenger som krysser veien, eller endre ruta til bilen foran. 8
Det finnes også en inngang via naturlig språk. Brukeren beskriver ønsket situasjon, og et programløp organiserer betingelsene før det kaller på modellen. Det er altså beskrevet som en arbeidsflyt for å sette sammen en scene, ikke nødvendigvis som et frittstående tekst-til-video-verktøy. 6
Kildene nevner regn, snø og skift mellom dag og natt. En annen omtale lister også anleggsområder, tett trafikk og tåke som situasjoner som kan beskrives for generering. 8
6 Det er ikke like tydelig dokumentert at alle disse eksemplene er demonstrert på samme måte.
HelloWorld er presentert som et verktøy for å lage kjøresituasjoner på bestilling og teste kjørestrategier interaktivt. Tanken er å kunne utforske sjeldne eller krevende situasjoner som det kan være vanskelig å samle nok opptak av i vanlig trafikk. Kildene beskriver dette som et formål – ikke som dokumentasjon på at syntetiske data allerede har forbedret et kjøresystem. 6
8
ArXiv-omtalen beskriver modellen som på rundt 2 milliarder parametere og rettet mot skalerbar datagenerering og interaktiv simulering. 7 Prosjektsiden omtaler styrbar video fra flere kameravinkler, generering i få steg og lidar syntetisert med video som betingelse. En teknisk omtale nevner sju synkroniserte kameravinkler.
13
Dette peker mot en teknisk ambisjon om å generere flere typer sensorobservasjoner og sammenhengende scener. Men utdragene som er tilgjengelige her, gir ikke nok grunnlag til å fastslå nøyaktig hvordan synkroniseringen fungerer, eller hvor effektivt systemet er ved gjentatte simuleringer.
Det er forskjell på å kunne lage en kontrollert scene og å vise at den gjør selvkjørende biler tryggere. Materialet som er omtalt, dokumenterer ikke målte besparelser i innsamling eller merking av data, forbedringer i trening eller validerte tester der en kjørestrategi prøves mot endrede scenarier.
Kildene her bekrefter heller ikke om dette er robotaxi-teamets første offentlige forskningsutgivelse av denne typen, eller når og hvordan modellen eventuelt skal brukes i kjøretøytesting. Det betyr ikke nødvendigvis at slike planer ikke finnes – bare at det tilgjengelige materialet ikke avklarer det.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
HelloWorld kan lage flerkameravideo og lidarobservasjoner fra scener som forskere redigerer direkte eller beskriver med vanlig språk.
HelloWorld kan lage flerkameravideo og lidarobservasjoner fra scener som forskere redigerer direkte eller beskriver med vanlig språk. Eksempler som er omtalt, omfatter fotgjengere som krysser veien, endret rute for bilen foran og skifte mellom regn, snø, dag og natt.
Målet er å lage data på bestilling og teste kjøresystemer i kontrollerte situasjoner.
HelloWorld kan lage flerkameravideo og lidarobservasjoner fra scener som forskere redigerer direkte eller beskriver med vanlig språk. Eksempler som er omtalt, omfatter fotgjengere som krysser veien, endret rute for bilen foran og skifte mellom regn, snø, dag og natt.
Publisert avRedigert med GPT-6 LunaBilder generert 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 verdenmodell for kjøring fra robotaxi-teamet i Hello Inc. Den lager syntetiske observasjoner fra trafikkscener – blant annet video fra flere kameravinkler og lidar-data. Lidar er en sensorteknologi som bruker laserpulser til å måle omgivelsene. Utviklere kan endre en scene direkte eller beskrive hva de ønsker med vanlig språk. 8
En rapport publisert 13. oktober 2026 sier at teamet hadde kunngjort modellen dagen før, altså 12. oktober. 6 Forskningsartikkelen, HelloWorld: Towards Practical Applications of Generative Driving World Models, ble lagt ut på arXiv 24. september 2026, før kunngjøringen.
1
Modellen er ment å la utviklere styre hva som skjer i en kjøresituasjon, i stedet for bare å spille av et opptak fra den virkelige verden. De kan for eksempel redigere kjøretøy, fotgjengere og bevegelsesbaner, og få modellen til å generere tilsvarende kamera- og lidarobservasjoner. Omtalte eksempler er å sette inn en fotgjenger som krysser veien, eller endre ruta til bilen foran. 8
Det finnes også en inngang via naturlig språk. Brukeren beskriver ønsket situasjon, og et programløp organiserer betingelsene før det kaller på modellen. Det er altså beskrevet som en arbeidsflyt for å sette sammen en scene, ikke nødvendigvis som et frittstående tekst-til-video-verktøy. 6
Kildene nevner regn, snø og skift mellom dag og natt. En annen omtale lister også anleggsområder, tett trafikk og tåke som situasjoner som kan beskrives for generering. 8
6 Det er ikke like tydelig dokumentert at alle disse eksemplene er demonstrert på samme måte.
HelloWorld er presentert som et verktøy for å lage kjøresituasjoner på bestilling og teste kjørestrategier interaktivt. Tanken er å kunne utforske sjeldne eller krevende situasjoner som det kan være vanskelig å samle nok opptak av i vanlig trafikk. Kildene beskriver dette som et formål – ikke som dokumentasjon på at syntetiske data allerede har forbedret et kjøresystem. 6
8
ArXiv-omtalen beskriver modellen som på rundt 2 milliarder parametere og rettet mot skalerbar datagenerering og interaktiv simulering. 7 Prosjektsiden omtaler styrbar video fra flere kameravinkler, generering i få steg og lidar syntetisert med video som betingelse. En teknisk omtale nevner sju synkroniserte kameravinkler.
13
Dette peker mot en teknisk ambisjon om å generere flere typer sensorobservasjoner og sammenhengende scener. Men utdragene som er tilgjengelige her, gir ikke nok grunnlag til å fastslå nøyaktig hvordan synkroniseringen fungerer, eller hvor effektivt systemet er ved gjentatte simuleringer.
Det er forskjell på å kunne lage en kontrollert scene og å vise at den gjør selvkjørende biler tryggere. Materialet som er omtalt, dokumenterer ikke målte besparelser i innsamling eller merking av data, forbedringer i trening eller validerte tester der en kjørestrategi prøves mot endrede scenarier.
Kildene her bekrefter heller ikke om dette er robotaxi-teamets første offentlige forskningsutgivelse av denne typen, eller når og hvordan modellen eventuelt skal brukes i kjøretøytesting. Det betyr ikke nødvendigvis at slike planer ikke finnes – bare at det tilgjengelige materialet ikke avklarer det.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
HelloWorld kan lage flerkameravideo og lidarobservasjoner fra scener som forskere redigerer direkte eller beskriver med vanlig språk.
HelloWorld kan lage flerkameravideo og lidarobservasjoner fra scener som forskere redigerer direkte eller beskriver med vanlig språk. Eksempler som er omtalt, omfatter fotgjengere som krysser veien, endret rute for bilen foran og skifte mellom regn, snø, dag og natt.
Målet er å lage data på bestilling og teste kjøresystemer i kontrollerte situasjoner.