毫末AI DAY舉行：自動(dòng)駕駛新時(shí)代的6大挑戰(zhàn)

近日，第六屆HAOMO AI DAY正式舉辦。據(jù)悉，HAOMO AI DAY品牌日系列活動(dòng)始于2021年，以季度為周期召開(kāi)，用于展示當(dāng)下自動(dòng)駕駛領(lǐng)域最新趨勢(shì)以及毫末智行最新發(fā)展動(dòng)向。

　　在活動(dòng)中，毫末智行董事長(zhǎng)張凱分享了當(dāng)下智能駕駛領(lǐng)域的發(fā)展趨勢(shì)。根據(jù)該企業(yè)提供的數(shù)據(jù)，2022年，中國(guó)市場(chǎng)在全球智能汽車(chē)份額中所占比例已達(dá)到57%，滲透率達(dá)到26%。相比之下，歐洲所占比例為27%；美國(guó)所占比例為10%。中國(guó)市場(chǎng)已呈現(xiàn)絕對(duì)領(lǐng)跑之勢(shì)。

　　而從國(guó)內(nèi)數(shù)據(jù)來(lái)看，2020年-2022年6月，是中國(guó)市場(chǎng)各品牌高級(jí)別輔助駕駛功能搭載的快速攀升時(shí)段，尤其是2022年上半年，高級(jí)別輔助駕駛的前裝搭載率達(dá)到26.64%。據(jù)張凱預(yù)測(cè)，上述數(shù)據(jù)還將快速增長(zhǎng)，預(yù)計(jì)到2025年，中國(guó)高級(jí)別輔助駕駛搭載率超過(guò)70%。

　　市場(chǎng)繁榮可期，但競(jìng)爭(zhēng)也愈發(fā)激烈。一直以來(lái)，自動(dòng)駕駛領(lǐng)域中都有著“漸進(jìn)式”與“躍進(jìn)式”兩種發(fā)展策略。所謂“漸進(jìn)式”策略，指的是優(yōu)先量產(chǎn)L2級(jí)輔助駕駛、高級(jí)輔助駕駛，并由此低成本地獲取數(shù)據(jù)，不斷完善、迭代算法，最終做到L4、L5級(jí)別的自動(dòng)駕駛。

　　“躍進(jìn)式”策略指跳過(guò)L2、L3，直接一步到位做到L4、L5級(jí)別自動(dòng)駕駛。選擇躍進(jìn)式策略的大都以科技公司為主，比如谷歌旗下的Waymo，畢竟在不造車(chē)的前提下，這些科技公司也難以找到大規(guī)模量產(chǎn)車(chē)為其提供數(shù)據(jù)。

　　在張凱看來(lái)，兩種策略相比之下，漸進(jìn)式才是推動(dòng)人類(lèi)實(shí)現(xiàn)自動(dòng)駕駛的最佳路徑。“首先，漸進(jìn)式路線量產(chǎn)時(shí)間更早，能夠更早形成規(guī)?；?。相對(duì)躍進(jìn)式路線，漸進(jìn)式更容易獲得足夠數(shù)量的數(shù)據(jù)。其次，漸進(jìn)式路線是從用戶真實(shí)使用場(chǎng)景中獲得的數(shù)據(jù)，相對(duì)躍進(jìn)式定向采集數(shù)據(jù)方式而言，成本更低，質(zhì)量更高。”

　　而在漸進(jìn)式策略中，成功的關(guān)鍵就在于數(shù)據(jù)。背靠長(zhǎng)城汽車(chē)這種規(guī)模龐大的主機(jī)廠，毫末智行的規(guī)?；涞卮嬖谝欢ǖ乇Ｕ闲?。為了更好發(fā)揮龐大數(shù)據(jù)優(yōu)勢(shì)，對(duì)車(chē)輛所產(chǎn)生的數(shù)億自動(dòng)駕駛里程的數(shù)據(jù)進(jìn)行智能分析，以支持更大規(guī)模的應(yīng)用。毫末智行于2021年底發(fā)布了自動(dòng)駕駛數(shù)據(jù)智能體系——雪湖（MANA）。

　　據(jù)毫末智行CEO顧維灝表示：“目前用戶使用我們輔助駕駛產(chǎn)品所產(chǎn)生的輔助駕駛里程，已經(jīng)接近1700萬(wàn)公里；我們的數(shù)據(jù)智能體系MANA的學(xué)習(xí)時(shí)長(zhǎng)已經(jīng)超過(guò)了31萬(wàn)小時(shí)，虛擬駕齡達(dá)到4萬(wàn)年。末端物流自動(dòng)配送車(chē)也為附近用戶運(yùn)送了超過(guò)9萬(wàn)單的物資。數(shù)據(jù)的規(guī)模和多樣性都在快速地增長(zhǎng)?！?/p>

　　除路線之爭(zhēng)外，毫末智行也將自動(dòng)駕駛技術(shù)發(fā)展分為了三個(gè)階段：硬件驅(qū)動(dòng)時(shí)代、軟件驅(qū)動(dòng)時(shí)代以及數(shù)據(jù)驅(qū)動(dòng)時(shí)代。在硬件驅(qū)動(dòng)時(shí)代，車(chē)輛被武裝到牙齒，感知能力的強(qiáng)弱往往取決于誰(shuí)的激光雷達(dá)數(shù)量多、線束多。但由于整體成本高，導(dǎo)致量產(chǎn)車(chē)型有限，自動(dòng)駕駛里程規(guī)模較少。

　　隨著更大算力的中央計(jì)算芯片，自動(dòng)駕駛也走入了軟件驅(qū)動(dòng)時(shí)代，AI在車(chē)上開(kāi)始廣泛應(yīng)用。在感知方向，各個(gè)傳感器各自為戰(zhàn)，用一些小模型和少量數(shù)據(jù)做訓(xùn)練，得到單個(gè)傳感器的識(shí)別結(jié)果，然后進(jìn)行感知結(jié)果級(jí)的融合；在認(rèn)知方向，則依舊以人工規(guī)則為主。在此階段中，整體成本逐步下降，效果則逐漸提升，自動(dòng)駕駛里程也迅速提升，達(dá)到上千萬(wàn)公里。

　　如今，自動(dòng)駕駛領(lǐng)域已開(kāi)始進(jìn)入3.0時(shí)代——數(shù)據(jù)驅(qū)動(dòng)時(shí)代?！皵?shù)據(jù)驅(qū)動(dòng)時(shí)代，是完全不一樣的時(shí)代，是數(shù)據(jù)自己訓(xùn)練自己的時(shí)代，我們所做的一切的，都是為了能夠做出數(shù)據(jù)通道和計(jì)算中心，以便可以更高效的獲取數(shù)據(jù)，并把數(shù)據(jù)轉(zhuǎn)化為知識(shí)。在感知方向，是用多個(gè)傳感器、不同模態(tài)傳感器的原始數(shù)據(jù)聯(lián)合輸出感知結(jié)果；在認(rèn)知方向，通過(guò)大量人駕數(shù)據(jù)抽取可解釋的場(chǎng)景化駕駛常識(shí)，在配以AI的實(shí)時(shí)計(jì)算，可以更加擬人化的融入社會(huì)交通流中；訓(xùn)練的方式，也發(fā)生了很多變化，主要是從小模型少數(shù)據(jù)，轉(zhuǎn)成剛才提及的大模型和真正的大數(shù)據(jù)，是那種1億公里以上的輔助駕駛里程所產(chǎn)出的數(shù)據(jù)?！?/p>

　　目前，毫末智行正在加速進(jìn)入數(shù)據(jù)驅(qū)動(dòng)時(shí)代，擺在這家企業(yè)面前的則是新時(shí)代的六大挑戰(zhàn)。挑戰(zhàn)一是如何在自動(dòng)駕駛領(lǐng)域應(yīng)用大模型。對(duì)此，業(yè)界常用的方式是監(jiān)督學(xué)習(xí)。雖然毫末智行擁有自動(dòng)標(biāo)注的手段，樣本標(biāo)注的時(shí)間成本和金錢(qián)成本還是很高。在顧維灝看來(lái)，應(yīng)對(duì)這一挑戰(zhàn)的關(guān)鍵還在于能夠直接使用大量無(wú)標(biāo)注數(shù)據(jù)的方法，毫末智行選擇的是將所有的感知任務(wù)backbone都統(tǒng)一，然后利用無(wú)標(biāo)注數(shù)據(jù)先訓(xùn)練好這個(gè)統(tǒng)一backbone并鎖定，模型剩余部分再用標(biāo)注樣本來(lái)訓(xùn)練。

　　 挑戰(zhàn)二是存量數(shù)據(jù)規(guī)模巨大的前提下，如何讓模型能夠?qū)π聢?chǎng)景保持敏感，而不會(huì)陷入可怕的遺忘性災(zāi)難。為此，毫末智行構(gòu)造了一個(gè)增量式的學(xué)習(xí)訓(xùn)練平臺(tái)。在訓(xùn)練過(guò)程中抽取部分存量數(shù)據(jù)加上新數(shù)據(jù)組合成一個(gè)混合數(shù)據(jù)集。相比于用全量數(shù)據(jù)再次精細(xì)的訓(xùn)練模型，毫末智行，在同樣的精度下可以節(jié)省80%以上的算力，收斂時(shí)間也可以提升6倍以上。

　　 挑戰(zhàn)三是如何使用重感知技術(shù)解決空間理解問(wèn)題。在顧維灝看來(lái)，城市場(chǎng)景里的道路環(huán)境發(fā)生變化的頻率遠(yuǎn)遠(yuǎn)高于高速場(chǎng)景，如果把地圖看作一個(gè)傳感器的話，那么這個(gè)傳感器的置信度是有些問(wèn)題的，不知道什么時(shí)候什么地方它就會(huì)失效。所以毫末智行選擇了重感知輕地圖的路線，在城市實(shí)現(xiàn)導(dǎo)航自動(dòng)駕駛只用普通導(dǎo)航地圖，不依賴(lài)高精地圖。

　　為了提升自動(dòng)駕駛系統(tǒng)的時(shí)空理解能力，毫末智行用時(shí)序的transformer模型在BEV空間上做了虛擬實(shí)時(shí)建圖，通過(guò)這種方式讓感知車(chē)道線的輸出更加準(zhǔn)確和穩(wěn)定

　　 挑戰(zhàn)四是如何讓自動(dòng)駕駛系統(tǒng)能夠使用人類(lèi)世界的交互接口。此前，業(yè)界做法是用傳感器感知和算法預(yù)測(cè)周?chē)煌▍⑴c者的意圖。而在城市環(huán)境下，交通參與者的活動(dòng)變得更復(fù)雜，預(yù)測(cè)的難度加大。為此，毫末智行升級(jí)車(chē)上的感知系統(tǒng)，加入了對(duì)車(chē)輛信號(hào)燈狀態(tài)的專(zhuān)門(mén)識(shí)別，包括剎車(chē)燈和轉(zhuǎn)向燈。以達(dá)到在前車(chē)減速，周?chē)?chē)輛切入等場(chǎng)景中開(kāi)的更安全和更舒適。

　　 挑戰(zhàn)五是如何讓仿真更真實(shí)。在顧維灝看來(lái)，對(duì)于仿真，主要有三個(gè)層次的工作。一個(gè)是基礎(chǔ)仿真能力，仿真環(huán)境和運(yùn)動(dòng)的基礎(chǔ)能力，主要衡量的是精準(zhǔn)性；一個(gè)構(gòu)建場(chǎng)景的能力，主要看的效率；另一個(gè)定義場(chǎng)景的能力，主要看有效性。

　　以城市路口的場(chǎng)景為例，毫末智行通過(guò)與阿里以及相關(guān)部門(mén)合作，利用路端設(shè)備將路口處每時(shí)每刻的真實(shí)交通流都記錄下來(lái)，再通過(guò)log2world的方式導(dǎo)入到仿真引擎里面，加上駕駛員模型之后，就可以用于路口場(chǎng)景的調(diào)試驗(yàn)證。

　　 挑戰(zhàn)六是如何讓車(chē)運(yùn)動(dòng)起來(lái)更像人。毫末智行的做法是對(duì)覆蓋海量人駕進(jìn)行深度理解，構(gòu)建毫末自動(dòng)駕駛場(chǎng)景庫(kù)，并基于典型場(chǎng)景挖掘海量司機(jī)的實(shí)際駕駛行為，構(gòu)建taskpromt，訓(xùn)練一個(gè)基于時(shí)空Attention的駕駛決策預(yù)訓(xùn)練大模型，使得自動(dòng)駕駛決策更像人類(lèi)實(shí)際駕駛行為，以保證實(shí)現(xiàn)自動(dòng)駕駛決策的可控、可解釋。

免責(zé)聲明：本文轉(zhuǎn)自網(wǎng)絡(luò)，僅代表作者個(gè)人觀點(diǎn)，與亞訊車(chē)網(wǎng)無(wú)關(guān)。其原創(chuàng)性以及文中陳述文字和內(nèi)容（包括圖片版權(quán)等問(wèn)題）未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，請(qǐng)讀者僅作參考，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類(lèi)作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。

關(guān)鍵詞：數(shù)據(jù),駕駛,自動(dòng),場(chǎng)景,感知