nouvelles

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Après que le taxi autonome « ​​Carrot Run » de Baidu soit sorti du cercle, la conduite autonome semble être vraiment devenue accessible aux gens ordinaires. Cependant, de l'avis de la plupart des praticiens, les actuels Robotaxi L4 ou systèmes intelligents d'aide à la conduite pour véhicules électriques intelligents sont encore loin d'être faciles à utiliser et commercialisables à grande échelle.

"À l'heure actuelle, nous constatons que la plupart des NOA actuelles dans les zones urbaines sont encore au stade d'utilisation et n'ont pas encore atteint le stade d'utilisation facile. Les principaux problèmes restent la faible efficacité du trafic et le comportement impersonnel. L'augmentation rapide du nombre La couverture urbaine par les constructeurs automobiles a entraîné une diminution de la disponibilité du système. Le taux est faible. Un système Smart Driving 2.0 vraiment facile à utiliser doit offrir une expérience de conduite intelligente anthropomorphique, a déclaré Chen Liming lors du récent congrès 2024 en Chine. Automobile Forum que la conduite autonome inaugurera le moment ChatGPT.

Début 2023, Tesla a affirmé avoir adopté un modèle à grande échelle de bout en bout de la version V12 du FSD, ce qui a ensuite déclenché de nombreuses discussions dans l'industrie, des constructeurs automobiles tels que Xpeng et Weilai, ainsi que des fournisseurs ; des sociétés telles que Horizon et Yuanrong Qixing ont successivement annoncé qu'elles déploieraient un système de conduite intelligent de bout en bout.

Récemment, Chentao Capital et trois parties ont publié le « Rapport de recherche de bout en bout sur l'industrie de la conduite autonome » (ci-après dénommé le « Rapport »). Le « Rapport » montre que parmi plus de 30 experts de première ligne dans le domaine de l'autonomie. Industrie automobile interrogée par celui-ci, 90% Il a déclaré que l'entreprise pour laquelle il travaille a investi dans la recherche et le développement de technologies de bout en bout, et la plupart des entreprises technologiques estiment qu'il est insupportable de rater cette révolution technologique.

Yu Qian, co-fondateur et PDG de Qingzhou Zhihang, estime que la récente technologie de bout en bout a donné une tendance claire dans l'évolution de la technologie de conduite intelligente.

Les informations publiques montrent que le bout en bout est un concept d'apprentissage profond, qui fait référence à un modèle d'IA capable de produire le résultat final tant que les données originales sont saisies. Un exemple typique est le populaire ChatGPT. L'application de la technologie de bout en bout dans la conduite autonome a transformé l'architecture originale de plusieurs modèles tels que la perception, la prédiction et la planification en une architecture à modèle unique de « perception et prise de décision intégrées ». En termes simples, dans le passé, les itinéraires de conduite autonome étaient comme plusieurs personnes conduisant une voiture, mais la technologie de bout en bout est une conduite par une seule personne, ce qui est plus proche de la véritable conduite humaine.

« Le grand modèle de bout en bout est formé sur la base d'un modèle probabiliste. L'un des problèmes est que pour des scénarios relativement simples et faciles à décrire, ses résultats ne sont souvent pas aussi précis et le résultat net est relativement faible ; Tesla a fait beaucoup de choses dans ce domaine. Pas mal, mais ce problème n'a pas été complètement résolu. Nous pensons qu'en raison du manque actuel de données, nous devons encore mettre en œuvre progressivement le remplacement de bout en bout, module par module. complète de bout en bout tout en garantissant la sécurité. Une infrastructure d'ingénierie relativement solide et une méthode d'itération rapide peuvent augmenter progressivement la limite supérieure des performances du système tout en garantissant également la limite inférieure des performances du système », a déclaré Chen Liming.

Yu Qiankun, directeur technique de Saiko Intelligent, a déclaré aux journalistes que l'application de conduite intelligente du modèle de bout en bout peut être divisée en deux étapes : la première étape est la solution à deux modèles, qui est actuellement une direction plus courante dans l'industrie, mais deux - model Parce qu'il y a une sortie explicite au milieu, il y aura inévitablement une certaine perte d'informations dans la solution -model, ce qui rendra difficile l'utilisation complète des informations du capteur. La deuxième étape est la solution à un modèle, qui est une solution à un seul modèle ; solution en plusieurs étapes. Actuellement, de nombreuses personnes effectuent des recherches préliminaires, ce qui est plus proche de la direction de l'AGI, mais cette direction est relativement difficile et on estime qu'elle ne verra pas d'applications à grande échelle avant 3 à 5 ans. plus tard. Il convient de souligner que de nombreux constructeurs automobiles n'ont pas complètement abandonné les « règles de contrôle » traditionnelles après avoir annoncé des lancements de véhicules « de bout en bout ».

Un ingénieur en algorithme de conduite autonome d'un constructeur automobile a déclaré que, étant donné que les résultats générés par le réseau neuronal ont un certain degré de probabilité, il n'y a aucune garantie que les résultats obtenus soient absolument sûrs. Par conséquent, après le lancement du grand modèle de bout en bout, la méthode des règles sera toujours nécessaire. À l'heure actuelle, la plupart des systèmes de conduite intelligente de bout en bout utilisent encore certaines méthodes de règles pour effectuer une vérification secondaire sur la sortie du réseau neuronal.

Actuellement, l'industrie estime généralement que l'écart de progrès en matière de recherche et développement entre les constructeurs automobiles nationaux et Tesla est d'environ 1,5 à 2 ans. Gu Junli, directeur général adjoint de Chery Automobile Co., Ltd., estime que pour rattraper Tesla en termes de modèle commercial, les produits doivent être développés à plus grande échelle. "Lorsque les données atteignent le niveau Tesla de plus d'un million, grâce à un entraînement intensif du modèle, la conduite intelligente peut apprendre le flux vidéo et indiquer directement au conducteur la direction de conduite, tout comme le dit ChatGPT actuellement populaire."

Par rapport à Tesla, qui est presque le seul à l'étranger, les systèmes de conduite intelligents nationaux sont dans une phase où des centaines de fleurs s'épanouissent. Il est difficile de connecter les données entre les différents modèles et les différentes solutions techniques, ce qui met fin à certaines difficultés. -fin modèle à grande échelle piloté par les données.

Chen Liming a déclaré : « La difficulté que nous rencontrons actuellement est que l'architecture de nombreux modèles et capteurs, la disposition et l'adoption des capteurs, etc. changent constamment. Bien que nous ayons collecté beaucoup de données, les données ne sont pas accumulées en grande quantité. qualité et peut être utilisé en continu. Oui, c'est une question dont nous devons discuter non seulement en tant qu'entreprise, mais dans l'ensemble du secteur. En d'autres termes, la manière dont les équipementiers et les entreprises technologiques peuvent travailler ensemble pour résoudre ce problème est quelque chose que nous tous. il faut discuter ensemble. »

Yu Qiankun estime également que les applications d'ingénierie de bout en bout sont actuellement confrontées à des problèmes tels qu'une mauvaise exhaustivité de la collecte de données, une mauvaise réutilisabilité de la collecte de données et une faible puissance de calcul de formation.