En lille britisk startup med omkring 15 medarbejdere er blevet en vigtig brik i Rivians plan for bedre software til førerassistance og selvkørende funktioner. Den 22. oktober 2026 meddelte Rivian, at selskabet har købt Third Dimension AI, som laver kontrollerbare 3D-simulationer bygget fra virkelige billeder og video, ifølge Rivian og Reuters.
Nyheden handler i praksis om Rivian opkøb af Third Dimension AI til kontrollerbar 3D-simulationsplatform fra virkelige data. Teknologien skal ind i Rivians afdeling for autonomi og AI under James Philbin, og målet er at gøre udvikling, træning og test af førerassistentsystemer hurtigere og mere systematisk, ifølge Rivian og TechCrunch. Købsprisen er ikke offentliggjort.
Hvad har Rivian købt?
Rivian har købt et team og en kerneplatform til 3D-rumlig rekonstruktion fra billeder og video. Third Dimension AI omdanner data fra virkelige køreture til detaljerede, redigerbare 3D-scener, som ingeniører kan bruge til virtuel test, ifølge Rivian.
Det er vigtigt, fordi Rivian dermed ikke kun får adgang til et standardværktøj fra en leverandør. Selskabet får direkte kontrol over en central del af udviklingskæden: omdannelsen af virkelige observationer til træningsdata, valideringsmiljøer og syntetisk datasæt med mange variationer. Ifølge Reuters blev Third Dimension AI grundlagt i Storbritannien af Tolga Kart og Piotr Sokolski, og hele holdet skal indgå i Rivians forsknings- og ingeniørorganisation for autonomi.
- Opkøbet blev offentliggjort 22. oktober 2026, ifølge Rivian og Reuters.
- Third Dimension AI havde cirka 15 medarbejdere, ifølge Reuters.
- Teknologien bygger virtuelle miljøer ud fra virkelige billeder og video, ifølge Rivian.
- De økonomiske vilkår er ikke oplyst, ifølge Reuters og TechCrunch.
Hvordan virker teknologien?
Den korte forklaring er, at Third Dimension AI laver virkelige køreture om til redigerbare 3D-scener til virtuel test. Systemet bruger 3D-rumlig rekonstruktion fra billeder og video til at genskabe vejbaner, andre biler, trafikanter, lysforhold og omgivelser i et format, som kan ændres og afspilles igen, ifølge Rivian.
Når en scene først er rekonstrueret, kan udviklere flytte kameraer, ændre andre trafikanters adfærd og justere vejret eller lyset. Det gør scenegenerering og variation af kørselsscenarier langt hurtigere end kun at vente på nye hændelser ude på vejene. Resultatet er syntetisk data, som stadig tager udgangspunkt i virkelige trafiksituationer, og det er centralt for at bygge et syntetisk datasæt, der afspejler de problemer bilen faktisk møder.
Hvorfor er simulation så vigtig?
Simulation er vigtig, fordi mange kritiske trafiksituationer sker sjældent. Med kontrolleret test kan Rivian gentage den samme hændelse tusindvis af gange og ændre én faktor ad gangen, i stedet for at vente på at situationen opstår igen på offentlig vej, ifølge Rivian.
Det gælder især test af sjældne og farlige trafikscenarier som pludselige fodgængere, usædvanlig biladfærd, dårligt vejr og skiftende lys. En fuldverdens-simulering til test af kørsel gør det muligt at se, om et system reagerer robust, når omgivelserne ændrer sig. Værdien afhænger dog af, hvor tæt den virtuelle model ligger på fysisk virkelighed. Hvis fysik, sensorer eller trafikadfærd afviger for meget, kan gode resultater i simulation være mindre værd på rigtig vej.
Kan det løse langhale-problemet?
Det kan hjælpe, men det løser det ikke alene. Håndtering af langhale-problemet i autonom kørsel handler om de mange sjældne hændelser, som hver især forekommer for sjældent til, at man hurtigt kan samle store mængder virkelige eksempler, ifølge forskningslitteratur og branchens egne beskrivelser.
Her er redigerbare 3D-scener til virtuel test særligt nyttige. Rivian kan tage en reel hændelse og lave mange variationer: lidt mørkere lys, våd vej, en hurtigere cyklist eller en anden placering af en modkørende bil. Det giver scenegenerering og variation af kørselsscenarier i stor skala. På den måde kan modeller udsættes for flere kombinationer, før de møder dem i virkeligheden. Det er netop den type systematisk test, som kan gøre simulationsbaseret validering af førerassistentsystemer mere effektiv.
Hvad betyder det for Rivians software?
Opkøbet skal styrke integrationen af AI-teknologi i Rivians afdeling for autonomi og AI. Rivian får både platformen og menneskene bag den ind i huset, og det kan gøre iterationer hurtigere, fordi dataindsamling, modeltræning og simulation kan kobles tættere sammen, ifølge Rivian og Reuters.
For en bilproducent er det strategisk vigtigt at eje de værktøjer, som forbinder vejdata med modeludvikling. Når simulationen kan bygges direkte fra egne køreture, opstår der et feedback-loop, hvor virkelige hændelser hurtigt kan omsættes til nye tests. Den tanke minder om den bredere bevægelse i branchen, hvor software og AI bliver mere centrale i bilens arkitektur, som også ses i GM lancerer ny elbilplatform med CCU og AI og i GM’s nye CCU samler bilens software.
Hvordan bruges det til test?
Third Dimension AI’s platform kan bruges til simulationsbaseret validering af førerassistentsystemer, fordi den forbinder virkelige hændelser med kontrollerede gentagelser. Det gør det lettere at dokumentere, hvordan et system reagerer, når en enkelt variabel ændres, ifølge Rivian.
Det er især relevant for fysikbaseret simulering af virkelige trafiksituationer. Hvis en bil eksempelvis har svært ved en bestemt type venstresving i regnvejr, kan ingeniører bygge mange variationer af netop den situation. De kan derefter måle, om ny software bliver bedre eller dårligere. Sådan test er stadig ikke en erstatning for kørsel på vej, men den kan reducere tiden mellem fundet af et problem og næste runde validering markant.
Hvad betyder det for R2 robotaxi?
Opkøbet passer direkte ind i udvikling af autonome robotaxier R2 (Rivian x Uber). Rivian og Uber har tidligere sagt, at de vil lancere R2-baserede autonome køretøjer fra 2028 med et mål på op til 50.000 biler over tid, ifølge Reuters.
Hvis Rivian skal nå dertil, kræver det meget mere end almindelig motorvejsassistance. Robotaxier skal kunne klare komplekse bymiljøer, uforudsigelige trafikanter og mange lokale variationer. Derfor er en platform til fuldverdens-simulering til test af kørsel værdifuld. Den kan hjælpe med at opbygge større syntetisk datasæt og målrettet teste de situationer, som er svære at få nok af i virkeligheden. Opkøbet beviser dog ikke, at Rivian er tæt på fuld autonomi; det viser først og fremmest, at selskabet investerer i den infrastruktur, som sådan udvikling kræver.
Hvordan står Rivian mod Tesla og Waymo?
Opkøbet kan forbedre Rivians konkurrenceevne i forhold til Tesla og Waymo, men det ændrer ikke rangordenen fra den ene dag til den anden. Tesla har enorme mængder kørselsdata fra kundebiler, og Waymo har mange års erfaring med geofencet autonom kørsel og omfattende simulationsarbejde, ifølge selskabernes egne oplysninger og bredt dækkede branchedata.
Rivians styrke kan blive kombinationen af egne vejdata, intern AI-udvikling og en mere kontrollerbar pipeline fra virkelige hændelser til simulation. Det kan være et mere robust grundlag end kun at købe et eksternt værktøj. Men udfaldet afhænger stadig af, om syntetisk data faktisk forbedrer præstationer på offentlig vej, og om Rivian kan validere sikkerheden grundigt nok. Tesla møder samtidig egne udfordringer på tværs af markeder og produkter, som i en anden sammenhæng kan ses i Tesla aflyser Cybertruck i Australien og NZ.
Har det betydning i Danmark?
Ikke direkte endnu. Opkøbet ændrer ikke i sig selv noget for danske bilkøbere, danske regler eller tilgængeligheden af Rivians systemer i Danmark, og en dansk lancering af disse funktioner er ikke bekræftet.
Nyheden er alligevel relevant i dansk sammenhæng, fordi den viser, hvor hurtigt software, AI og validering rykker frem i elbilbranchen. For danske læsere handler det mindre om en konkret ny funktion i morgen og mere om, hvordan producenter bygger næste generation af førerassistance. Den udvikling ses bredt på tværs af markedet, også når nye elbiler og platforme markedsføres på software og computerkraft lige så meget som på rækkevidde og opladning. Hvis du følger konkurrencesituationen i elbilmarkedet tæt, kan det sættes i perspektiv med Lexus ES 350e: ny el-sedan med NACS og Arene og BMW iX5: 800V el-SUV med 460 kW lynladning, hvor software og platform også spiller en stadig større rolle.
Hvad er den vigtigste konklusion?
Den vigtigste konklusion er, at Rivian med købet af Third Dimension AI får et mere direkte greb om den del af autonomiudviklingen, som omsætter virkelige køreture til testbare, ændringsbare simulationer. Det kan forkorte vejen fra observeret problem til ny validering og forbedre test af sjældne og farlige trafikscenarier, ifølge Rivian.
Det er stadig for tidligt at konkludere, at Rivian dermed har løst autonom kørsel. Men opkøbet peger på en mere moden strategi, hvor syntetisk data, fysikbaseret simulering af virkelige trafiksituationer og tæt integration mellem data og software bliver selve fundamentet under næste skridt i førerassistance og robotaxi-udvikling.
Ofte stillede spørgsmål om Rivians opkøb af Third Dimension AI
Har Rivian købt et færdigt selvkørende system?
Nej. Rivian har købt en teknologi til simulation og dataopbygning, ikke en færdig løsning til fuld autonom kørsel. Platformen skal bruges til træning og test af førerassistentsystemer og fremtidige autonome funktioner.
Er teknologien relevant for almindelige Rivian-biler?
Ja, indirekte. Bedre simulation kan forbedre udviklingen af eksisterende førerassistentsystemer, fordi software kan testes hurtigere og i flere situationer. Det betyder dog ikke, at kunder automatisk får nye funktioner med det samme.
Kommer det til Danmark snart?
Det er ikke bekræftet. Opkøbet er en intern teknologiinvestering hos Rivian, og der er ingen offentlig tidsplan for danske funktioner eller dansk markedsrelevans knyttet direkte til købet.
Hvorfor er syntetisk data nyttigt?
Syntetisk data er nyttigt, fordi det gør det muligt at skabe mange variationer af sjældne hændelser uden at vente på, at de sker i virkeligheden. Det er særligt relevant ved test af farlige situationer, som man ikke kan eller bør fremprovokere på offentlig vej.
Kan simulation erstatte kørsel på vej?
Nej. Simulation kan gøre udviklingen hurtigere og mere systematisk, men offentlige veje er stadig nødvendige for at bekræfte, at systemerne virker sikkert under virkelige forhold. Værdien afhænger især af, hvor realistisk simulationen er.
Kilder til denne artikel
Reuters (2026) ‘Rivian acquires UK startup Third Dimension AI to boost autonomy push’. Tilgængelig via: Kilde: Reuters.
Rivian (2026) meddelelse om opkøb af Third Dimension AI og integration i Rivians autonomi- og AI-organisation. Tilgængelig via: Kilde: Rivian.
TechCrunch (2026) dækning af Rivians køb af Third Dimension AI og selskabets simulationsplatform. Tilgængelig via: Kilde: TechCrunch.
Reuters (2026) dækning af Rivian x Uber-planer om autonome R2-robotaxier fra 2028 med mål om op til 50.000 køretøjer. Tilgængelig via: Kilde: Reuters.
Foto via insideevs.com
