end-to-end-kontroverse: ist es das ende des autonomen l4-fahrens oder ein marketing-fest?
2024-09-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
mit der veröffentlichung der v12-version des intelligenten fahrsystems fsd durch tesla ist das intelligente fahren über nacht in die end-to-end-ära eingetreten.
„es wird erwartet, dass sich die unteren grenzfähigkeiten des end-to-end-modells im nächsten jahr rasch verbessern. nach der verbesserung wird es möglich sein, den l4-standard in weniger als zwei jahren weltweit zu übertreffen.“ auf der hangzhou yunqi-konferenz 2024, vorsitzender von xpeng motors he xiaopeng sagte, dass teslas fsd nach der einführung des end-to-end-großmodells völlig anders sei als zuvor und im nächsten jahr möglicherweise besser sei als erfahrene menschliche fahrer.
xpeng motors war einer der ersten inländischen automobilhersteller, der tesla folgte. ende juli dieses jahres begann xpeng motors, den nutzern das intelligente fahrsystem xngp auf basis des end-to-end-großmodells vorzustellen. bis september dieses jahres haben auch automobilhersteller wie huawei und ideal damit begonnen, den nutzern entsprechende intelligente fahrsysteme auf basis von end-to-end-großmodellen anzubieten. nio hat die end-to-end-großmodelle auf das aeb-system angewendet und veröffentlicht sein selbst entwickeltes weltmodell.
mit der einführung von end-to-end-großserienmodellen sind automobilhersteller bei der förderung intelligenten fahrens in offenen städten immer aggressiver geworden, und hochpräzise karten, die einst die menschen begeisterten, sind stattdessen nicht mehr beliebt , sie bringen tür-zu-tür-smart-driving-modelle auf den markt. tür-zu-tür- und punkt-zu-punkt-fahrassistenzsysteme wurden offiziell in den zeitplan aufgenommen. xpeng motors behauptet sogar, dass es ein autonomes fahrerlebnis auf l3+-niveau mit den hardwarekosten von intelligentem fahren auf l2-niveau erreichen kann.
intelligente fahrsysteme, die nicht über end-to-end-fähigkeiten verfügen, scheinen eine zeit lang mit rückständen in verbindung gebracht worden zu sein. „intelligente autos, die keine großen modelle verwenden, werden eliminiert.“ he xiaopeng sagte auch, dass alle l4-unternehmen für autonomes fahren so schnell wie möglich auf große modelle umsteigen sollten.
chentao capital und drei parteien haben gemeinsam den „end-to-end autonomous driving industry research report“ (im folgenden als „bericht“ bezeichnet) veröffentlicht. der „bericht“ zeigt, dass unter den mehr als 30 spitzenexperten im bereich autonomes fahren in der von ihr befragten branche gaben 90 % an, dass das unternehmen, für das ich arbeite, in die forschung und entwicklung von end-to-end-technologie investiert hat, und die meisten technologieunternehmen glauben, dass es unerschwinglich ist, diese technologische revolution zu verpassen.
aber nicht alle „akteure“ erkennen, dass das umfassende end-to-end-großmodell die aktuelle landschaft der intelligenten fahrsysteme revolutioniert.
hou cong, cto von qingzhou zhihang, sagte gegenüber china business news, dass er das fsd v12.3-system von tesla in den usa erlebt habe. obwohl es mit dem vorherigen fsd von tesla große fortschritte gemacht habe, unterscheide es sich immer noch von waymo robotaxi, das sich auf regulierung und regulierung konzentriere es besteht immer noch eine deutliche lücke. hou xiaodi, der frühere gründer von tusimple, forderte die branche dazu auf, rational damit umzugehen und nicht mit durchgängigen mythen umzugehen.
in dieser technologiekontroverse unterstützten führungskräfte von automobilherstellern wie musk und he xiaopeng end-to-end, während führungskräfte von l4-unternehmen für intelligentes fahren wie hou cong, hou xiaodi und lou tiancheng (cto von pony.ai) glaubten, dass end-to-end; to-end das end-to-end-großmodell kann die intelligente fahrassistenz l2 nicht direkt technisch auf autonomes fahren l4 aufrüsten.
der „bericht“ zeigt auch, dass es, da sich die aktuelle technologie noch in einem frühen entwicklungsstadium befindet, noch viele anwendungsschwierigkeiten und schwachstellen gibt, die im end-to-end-großmodell gelöst werden müssen, wie beispielsweise große unterschiede in technischen routen, großen daten- und rechenleistungsanforderungen und unzureichenden test- und verifizierungsmethoden. ausgereift, enorme ressourceninvestitionen usw.
auf dem weg zum ende des autonomen fahrens ist das end-to-end-großmodell nach rein visueller wahrnehmung, radarfusionswahrnehmung usw. auch auf technischem weg zu einer weiteren kontroverse geworden.
tesla führt erneut den technologischen wandel an?
ausgehend von integriertem druckguss, batteriekörperintegration und anderen technologien ist tesla zum branchenmaßstab für neue energiefahrzeugtechnologie geworden. es wird davon ausgegangen, dass viele chinesische automobilhersteller „den fluss überqueren, indem sie tesla berühren“. mit durchgängigen großmodellen auf der straße hat tesla erneut die revolution bei fahrzeugen mit neuer energie angeführt.
bevor das durchgängige großmodell auf das auto gesetzt wird, wird das intelligente fahrassistenzsystem meist in mehrere module wie wahrnehmung, planung, entscheidungsfindung und steuerung unterteilt. künstliche intelligenz und maschinelles lernen werden meist in der wahrnehmung eingesetzt. planung usw., aber die module bestehen hauptsächlich aus manuellen handschriftlichen regeln. die definition wird als „regelbasiert“ bezeichnet.
bei der tatsächlichen arbeit des systems stoßen fahrzeuge jedoch häufig auf endlose coner-fälle (long-tail-probleme). um solche probleme zu lösen, müssen ingenieure codes schreiben und regeln auf der grundlage spezifischer szenarien aufstellen. intelligente fahrassistenz- oder autonome fahrsysteme erfordern in diesem modus häufig die manuelle eingabe einer vielzahl von regeln.
wu xinzhou, nvidias globaler vizepräsident und leiter der automobilsparte, glaubt, dass die meisten vorhandenen algorithmen für autonomes fahren auf regeln basieren. von dem, was man sieht, bis hin zur vorgehensweise, ist es sehr einfach zu sagen schwierige dinge erfordern, dass viele menschliche ingenieure so weit wie möglich über alle möglichkeiten nachdenken, und diese methode hat eine obergrenze.
im gegensatz zu herkömmlichen regelbasierten intelligenten fahrassistenzsystemen bedeuten end-to-end-lösungen für autonomes fahren, dass der gesamte prozess von der wahrnehmung bis zur steuerung durch fortschrittliche algorithmen und deep-learning-technologie verarbeitet wird.
die anwendung der end-to-end-technologie beim autonomen fahren hat die ursprüngliche architektur mehrerer modelle wie wahrnehmung, vorhersage und planung in eine einzelmodellarchitektur der „integrierten wahrnehmung und entscheidungsfindung“ umgewandelt.
ein von cinda securities veröffentlichter forschungsbericht zeigt, dass sich „end-to-end“ auf die eingabe von umweltdateninformationen wie bildern an einem ende, ein mehrschichtiges neuronales netzwerkmodell ähnlich einer „black box“ in der mitte und ein anderes bezieht die direkte ausgabe von lenk-, brems-, beschleunigungsanweisungen usw. am anderen ende.
im vergleich zur herkömmlichen regelgesteuerten submodularchitektur bietet die end-to-end-implementierung eine reihe von vorteilen: die globale aufgabenoptimierung basiert vollständig auf datengesteuerten funktionen und kann den verlust weiter reduzieren verlustübertragung, verzögerung und redundanz, vermeidung von fehlerakkumulation, verbesserung der recheneffizienz, von regelbasiert (regelbasiert) zu lernbasiert (basierend auf lernen), mit null-stichproben-lernfähigkeit, in der lage, sich unbekannten szenarien zu stellen. stärkere entscheidungsfähigkeiten.
mit der unterstützung durchgängiger großmodelle können intelligente fahrsysteme schnellere iterationen und fortschritte erzielen. nehmen sie als beispiel xngp von xiaopeng, nachdem sie das große end-to-end-modell angewendet haben. sein drei-netzwerk-in-einem-neuronales netzwerk xnet + das große steuerungsmodell xplanner + das große ki-sprachmodell xbrain können alle zwei tage iterieren und verfügen über intelligente fahrfunktionen von 18 monaten um das 30-fache verbesserte datensystemfunktionen und neuronale netzwerkarchitektur können eine schnelle diagnose ermöglichen und long-tail-probleme in stunden lösen.
mit der einführung des umfassenden großmodells von tesla auf der straße werden sich im jahr 2024 auch die intelligenten fahrtechnologierouten chinesischer automobilhersteller erheblich verändern.
in den letzten jahren konzentrierten sich die meisten kontroversen über den technischen weg intelligenter fahrassistenzsysteme chinesischer automobilhersteller auf die visuelle wahrnehmung und die fusionswahrnehmung. der wettbewerb am terminal dreht sich eher um die geschwindigkeit und die anzahl der eröffneten städte. zu beginn des jahres 2024 konkurrieren unternehmen wie huawei und xiaopeng immer noch um hochpräzise grafiken und echte „landesweite verfügbarkeit“.
nachdem das end-to-end-großmodell in das auto eingebaut wurde, wird die generalisierungsfähigkeit des intelligenten fahrassistenzsystems erheblich verbessert und die bedeutung der verifizierung und entwicklung in einer einzelnen region nimmt ab. gleichzeitig hat end-to-end die bisherige unterscheidung zwischen wahrnehmung, planung, entscheidungsfindung, kontrolle und anderen modulen geschwächt. viele automobilunternehmen haben auch begonnen, die organisationsstruktur autonomer fahrteams entsprechend den bedürfnissen neu anzupassen von durchgängigen großmodellen.
ende 2023 nahm ideal eine anpassung der organisationsstruktur des intelligenten fahrteams vor. bei dieser anpassung organisierte ideal das große modell in ein team um und unterstellte es dem front-end-algorithmus-forschungs- und entwicklungsteam, das die gesamtverantwortung trägt forschung, entwicklung und implementierung der end-to-end-architektur; im jahr 2024 gründete weilai die abteilung für große modelle, die abteilung für bereitstellungsarchitektur und -programme sowie die abteilung für raumzeitliche informationen und löste die ursprüngliche abteilung für wahrnehmung, planung und kontrolle sowie umwelt auf informationsabteilung und programmbereitstellungsabteilung.
obwohl die markteinführung von end-to-end-automobilen in vollem gange ist, haben die meisten chinesischen automobilhersteller das theoretische „one-mode“-end-to-end-intelligente fahren noch nicht erreicht.
der cto eines autonomen fahrunternehmens sagte reportern, dass die intelligente fahranwendung des end-to-end-modells in zwei phasen unterteilt werden kann: die erste phase ist eine zwei-modell-lösung, die aus einer end-to-end-wahrnehmung und einer lösung besteht eine durchgängige regulierung, die derzeit in der branche verwendet wird; die ein-modell-lösung ist ein großes modell, das dem problem der informationseingabe näher kommt diese richtung ist jedoch relativ schwierig und wird voraussichtlich 3 jahre dauern. es wird 5 jahre dauern, bis einige groß angelegte anträge vorliegen.
derzeit geht die branche allgemein davon aus, dass der forschungs- und entwicklungsfortschrittsunterschied zwischen inländischen automobilherstellern und tesla etwa 1,5 bis 2 jahre beträgt. gu junli, stellvertretender geschäftsführer von chery automobile co., ltd., glaubt, dass die produkte vergrößert werden müssen, um mit tesla in bezug auf das geschäftsmodell gleichzuziehen. „wenn die daten das tesla-niveau von mehr als einer million erreichen, kann smart driving durch intensives training des modells den videostream lernen und dem fahrer direkt die fahrtrichtung mitteilen, genau wie das derzeit beliebte chatgpt sagte.“
gibt es zwischen oems und zulieferern routenunterschiede?
während viele automobilhersteller nach und nach komplette großserienmodelle auf den markt bringen und predigen, dass die ära des autonomen fahrens bald kommen werde, äußerten sich viele zulieferer, die sich auf autonomes fahren konzentrieren, unterschiedlicher meinung.
„nachdem tesla das end-to-end-fsd auf den markt gebracht hatte, traten einige probleme auf. das auto ist immer leicht auf den straßenrand zu bringen, besonders nachts. manchmal zerkratzt es, und manchmal fährt es direkt auf den straßenrand und platt reifen.“ hou cong sagte reportern, dass waymo auch in den vereinigten staaten kein durchgängiges großmodell eingeführt habe, es aber gelungen sei, unbemannte robotaxi-einsätze in mehreren städten zu implementieren, und die reaktion der benutzer sei positiv gewesen ganz gut.
das end-to-end-großmodell selbst ist keine neue technologie, die in den letzten jahren durchbrüche erzielt hat.
„vor dem aufkommen von deep learning um 2010 hieß es modellanalysealgorithmus. damals führten wir an der tsinghua-universität eine fußgängererkennung durch und mussten einige merkmalsinformationen aus dem bild extrahieren, wie zum beispiel die krümmung der schultern der person. die farbe der augen usw. diese merkmale werden durch menschliche kraft zusammengefasst, das heißt, nach tiefem lernen geben wir das bild ein und lassen das tiefe lernen schließlich die verschiedenen eigenschaften erlernen jeder mensch wird durch tiefes lernen erlernt und nicht durch menschliche kraft definiert. es ist von anfang bis ende das gleiche, es basiert auf lernen.“ massive datenunterstützung.
dies gilt auch als einer der wichtigen faktoren für automobilhersteller, um bei der auswahl umfassender großmodelle wettbewerbsfähig zu sein.
im vergleich zu l4-anbietern für autonomes fahren, die nur eine testflotte von mehr als hundert fahrzeugen betreiben, sind bei automobilunternehmen in der regel hunderttausende oder sogar millionen von produkten unterwegs. benutzer können während der fahrt riesige datenmengen generieren, was den automobilunternehmen hilft kommen sie, um ihre eigenen intelligenten end-to-end-fahrsysteme zu trainieren, um dem system eine schnelle iteration zu ermöglichen.
darüber hinaus erklärte dong jun, ein ingenieur bei einem anbieter von intelligenten fahrassistenzsystemen l2+, gegenüber reportern, dass es für anbieter schwierig sei, durchgängiges intelligentes fahren zu einem standardisierten produkt zu machen usw., das gesamte system das modell muss neu trainiert werden, was mehr kosten und zeit erfordert und ineffizient ist.
die bedeutung des end-to-end-großmodells für die l2-fahrassistenz besteht darin, die geschwindigkeit der stadtentwicklung zu beschleunigen und die verwirklichung des von automobilherstellern erwähnten „flächendeckenden fahrens“ zu beschleunigen. aber für unternehmen mit autonomem fahren auf l4-ebene kann das end-to-end-großmodell auch die abhängigkeit des systems von hochpräzisen karten in der anfangsphase des betriebs verringern, sodass das unternehmen den betriebsumfang in der mitte schneller erweitern kann in den späten betriebsphasen haben hochpräzise karten immer noch einen wichtigen einfluss und können die zuverlässigkeit, sicherheit und laufruhe autonomer fahrsysteme weiter verbessern.
andererseits sind die meisten unternehmen für autonomes fahren im vergleich zu autoherstellern, die bereits gewinne erzielt haben, wie tesla und ideal, derzeit hauptsächlich auf die finanzierung angewiesen. um ein durchgängiges großes modell auf den bus zu bringen, sind nicht nur riesige datenmengen, sondern auch große kapitalinvestitionen erforderlich.
„in zukunft ist intelligentes fahren in die l4-stufe eingetreten, und die daten- und rechenleistung wächst jedes jahr exponentiell, was bedeutet, dass jedes jahr mindestens 1 milliarde us-dollar benötigt werden und nach 5 jahren eine kontinuierliche iteration erforderlich ist. auf dieser ebene.“ , die rentabilität eines unternehmens“, sagte lang xianpeng, vizepräsident für intelligente fahrforschung und -entwicklung von li auto, gegenüber reportern.
xia yiping, ceo von jiyue automobile, glaubt, dass einst 20 milliarden yuan als finanzielle schwelle für den bau eines autos galten, aber jetzt können unternehmen ohne 50 milliarden yuan kein intelligentes fahren mehr betreiben.
noch wichtiger ist, dass sich die überlegungen von unternehmen für autonomes fahren wie waymo und pony.ai, die l4 robotaxi realisieren wollen, in bezug auf systemgewicht, kosten usw. erheblich von denen der oems unterscheiden.
anders als bei der l2-fahrassistenz wird beim autonomen fahren ab l3 die hauptverantwortung für unfälle auf das fahrzeug übertragen, was extrem hohe anforderungen an die stabilität und sicherheit des autonomen fahrsystems stellt. die uninterpretierbarkeit der durchgängigen großmodell-blackbox birgt gewisse risiken für das autonome fahrsystem.
„automobilunternehmen haben sukzessive umfassende smart-driving-modelle im großen maßstab auf den markt gebracht und diese energisch gefördert. der kern besteht darin, differenzierung zu schaffen und autos zu verkaufen“, sagte dong jun.
hou xiaodi sagte in einem interview mit den medien, dass der fahrer immer noch dafür verantwortlich sei, die hände am lenkrad zu lassen. der unfall habe nichts mit tesla zu tun darüber hinaus besteht das geschäft von tesla darin, autos zu verkaufen, und fsd ist der mehrwert des autos. wenn sie darüber nachdenken möchten, wie sie mehr autos verkaufen können, können sie nicht tief in einen begrenzten bereich wie l4 eintauchen und alle eckfälle (extremsituationen) in diesem bereich lösen.
hou cong und andere befragte von unternehmen für autonomes fahren wiesen darauf hin, dass autonomes fahren der stufe l4 100 % sicherheit erfordert und die unerklärlichkeit und unsicherheit, die die durchgängige „black box“ mit sich bringt, nicht akzeptieren kann. darüber hinaus gibt es große unterschiede in der geschäftslogik zwischen l2 und l4.
für oems ist der verkauf von autos ihr hauptgeschäft, und die kosten bestimmen den gewinn und die wettbewerbsfähigkeit des marktes. daher können sie nicht zu viele sicherheitsredundanzen in ihren produkten vorsehen, und l4 robotaxi ist stärker auf den betrieb ausgerichtet und wird für lange zeit das hauptgeschäft sein. das geschäft von b ist hauptsächlich geschäftlich und dient nicht direkt den verbrauchern. daher müssen relevante unternehmen nicht nur autos, sondern auch verschiedene situationen im fahrzeugbetrieb berücksichtigen.
„zum beispiel, was zu tun ist, wenn das auto stecken bleibt, was zu tun ist, wenn die hardware kaputt ist, was zu tun ist, wenn ein unfall passiert, das erfordert mehr redundanz, und tesla kann nicht so viel redundanz reservieren wie waymo, weil die beiden.“ „geschäftslogik ist anders“, sagte hou cong.
ermöglicht das weltmodell autonomes fahren?
trotz der unterschiede waren sich viele techniker von unternehmen für autonomes fahren in interviews einig, dass durchgängige großmodelle genutzt werden können, um die fähigkeiten aktueller intelligenter fahrassistenzsysteme im automobilbereich zu verbessern. viele praktiker sagten, dass das große end-to-end-modell einen „wippen“-zustand aufweist. das anbringen des großen end-to-end-modells am auto kann die obergrenze der fähigkeiten des intelligenten fahrassistenzsystems erhöhen, aber auch die leistungsfähigkeit senken untergrenze der systemleistung.
„das end-to-end-großmodell wird auf der grundlage eines probabilistischen modells trainiert. ein problem besteht darin, dass bei relativ einfachen und leicht zu beschreibenden szenarien die ausgabe oft nicht so genau ist und das endergebnis relativ niedrig ist; tesla.“ in diesem bereich hat sich nicht viel getan, aber wir glauben, dass wir angesichts des derzeitigen mangels an ausreichenden daten immer noch einen durchgängigen modul-für-modul-austausch durchführen müssen „vollständig durchgängig bei gleichzeitiger gewährleistung der sicherheit. diese relativ solide technische infrastruktur und die schnelle iterationsmethode können die obergrenze der systemleistung schrittweise erhöhen und gleichzeitig die untergrenze der systemleistung sicherstellen“, sagte horizon-präsident chen liming.
das umfassende end-to-end-modell basiert auf daten und die ausgabeseite ist für die entscheidungsfindung verantwortlich. der prozess, in dem das system die endgültige entscheidung trifft, ist jedoch höchst unerklärlich. und es wird oft mit einer black box verglichen.
hou cong glaubt, dass das aktuelle durchgängige intelligente fahren großer modelle und das frühere regelbasierte intelligente fahren dem automobilproduktionsprozess in gewisser weise ähneln: „in der vergangenheit kauften automobilhersteller teile von verschiedenen unternehmen und.“ einerseits erleichtert es die beschaffung und verteilt die lieferanten, wodurch es weniger wahrscheinlich ist, dass es „stecken bleibt“. andererseits ist es einfach zu warten und kann alles reparieren, was kaputt ist der vorteil liegt darin, dass das problem besser definiert werden kann.“
am beispiel des herkömmlichen autonomen fahrens mit mehreren modulen: wenn beim testen ein problem mit dem system auftritt, kann das forschungs- und entwicklungspersonal den fehler im entsprechenden abschnitt finden und ihn entsprechend der situation beheben. bei blackboxen wie end-to-end-großmodellen können entwickler jedoch nur die strategie trainieren, neu trainieren oder das modell ändern, aber die parameter in der „blackbox“ ändern. und wenn das system aktualisiert und iteriert wird, sind umso höhere kosteninvestitionen erforderlich, je schwieriger die probleme sind, die das system löst. dies setzt einen höheren schwellenwert für durchgängige große modelle.
andererseits sind große end-to-end-modelle datengesteuert, aber große datenmengen führen nicht zwangsläufig zu positiven verbesserungen des systems.
xiao bo, leiter des ai-teams von pony.ai, glaubt, dass selbst wenn der algorithmus sehr gut und das systemtraining sehr gut ist, die aus umfangreichen menschlichen fahrdaten erlernten fähigkeiten fast dem niveau eines durchschnittlichen menschlichen fahrens entsprechen, was ausreicht um mit der intelligenten fahrassistenzstufe l2 zurechtzukommen, muss das autonome fahren mindestens zehnmal über die fähigkeiten eines menschlichen fahrers verfügen, und dieses modell reicht nicht aus, um es zu unterstützen.
gerade als end-to-end einen rasanten popularisierungstrend zeigt, haben inländische automobilhersteller und zulieferer erneut ein neues „weltmodell“-konzept vorgeschlagen. lou tiancheng glaubt, dass das weltmodell derzeit das beste und wichtigste ist und versteht es als die einzige lösung für autonomes fahren.
das weltmodell kann als simulation und modellierung der realen welt verstanden werden, mit der änderungen in szenen wie kreuzungen wirklich und genau wiederhergestellt werden können. zum beispiel die flugbahn von fußgängern, die blockiert wird, wenn eine geistersonde erkannt wird; die reaktion zwischen fußgängern und anderen fahrzeugen im moment einer fahrzeugkollision und sogar details wie die verzögerung einer person beim laufen können die erdbeschleunigung erreichen; gleichzeitig ist das weltmodell auch ein bewertungssystem, das die leistung des autonomen fahrsystems bewertet und wissen kann, wer zwischen system a und system b besser ist.
zuvor haben autokonzerne wie weilai und ideal sukzessive ihre „weltmodelle“ herausgebracht.
ren shaoqing, vizepräsident für autonomes fahren bei weilai, sagte: „im vergleich zu herkömmlichen end-to-end-modellen hat das neue weltmodell unserer meinung nach drei hauptvorteile. der erste liegt im räumlichen verständnis durch generative modelle, die von rekonstruiert werden.“ durch das autoregressive modell werden auf diese weise informationen automatisch modelliert. durch die selbstüberwachung ist keine manuelle annotation erforderlich die -dimensionale selbstanalyse generiert modellstrukturen, die es uns ermöglichen, besser zu lernen.“
lou tiancheng glaubt, dass das weltmodell als von menschen simulierter „trainer“ verstanden werden kann. für das l2-system entspricht seine fahrfähigkeit der eines erfahrenen fahrers, für das l4-system ist sein fahrniveau viel höher ein menschlicher fahrer trainiert das intelligente fahrsystem, und die ergebnisse werden definitiv besser sein als bei menschlichen fahrern.
obwohl es immer noch kontroversen gibt, glauben die meisten befragten immer noch, dass in der stufe der intelligenten fahrassistenz l2 durchgängige große modelle tatsächlich die leistungsobergrenze verwandter systeme verbessern können. womit die meisten mitarbeiter von l4-unternehmen für autonomes fahren nicht einverstanden sind, ist, dass tesla, xpeng und andere automobilhersteller gehypt haben, dass ihre produkte auf intelligentem l2-fahren mit unterstützung durch end-to-end-technologie basieren und sogar l4 auf l2 erreichen hardware-ebene. autonomes fahren.
„derzeit treiben automobilhersteller den hype um end-to-end voran und formen end-to-end zu einer spitzentechnologie, die zum autonomen fahren führt. der grund dafür ist vor allem, mehr autos zu verkaufen.“
(dieser artikel stammt von china business news)
