kontroversi menyeluruh: apakah ini akhir dari mengemudi otonom l4 atau pesta pemasaran?
2024-09-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
ditandai dengan dirilisnya sistem penggerak cerdas fsd versi v12 oleh tesla, pengendaraan cerdas telah memasuki era ujung ke ujung dalam semalam.
"kemampuan batas bawah model end-to-end diharapkan meningkat pesat tahun depan. setelah ditingkatkan, standar l4 secara global akan dapat dilampaui dalam waktu kurang dari 2 tahun." pada konferensi hangzhou yunqi 2024, ketua xpeng motors he xiaopeng mengatakan bahwa setelah mengadopsi model besar end-to-end, fsd tesla benar-benar berbeda dari sebelumnya, dan mungkin lebih baik daripada pengemudi manusia berpengalaman tahun depan.
xpeng motors adalah salah satu perusahaan mobil domestik pertama yang mengikuti tesla. pada akhir juli tahun ini, xpeng motors mulai mendorong sistem penggerak cerdas xngp berdasarkan model besar end-to-end kepada pengguna. pada bulan september tahun ini, perusahaan mobil seperti huawei dan ideal telah mulai mendorong sistem mengemudi cerdas yang sesuai berdasarkan model besar end-to-end kepada pengguna; nio telah menerapkan model besar end-to-end ke sistem aeb dan merilisnya model dunia yang dikembangkan sendiri.
dengan diperkenalkannya model skala besar yang menyeluruh, perusahaan mobil menjadi semakin agresif dalam mempromosikan mengemudi cerdas. mengemudi cerdas ke kota-kota terbuka dan peta presisi tinggi yang pernah membuat orang bersemangat kini tidak lagi populer , mereka meluncurkan model mengemudi cerdas dari pintu ke pintu. sistem bantuan mengemudi dari pintu ke pintu dan titik ke titik telah secara resmi ditambahkan ke dalam jadwal. xpeng motors bahkan mengklaim dapat mencapai pengalaman pengguna berkendara otonom tingkat l3+ dengan biaya perangkat keras dari mengemudi cerdas tingkat l2.
untuk sementara waktu, sistem mengemudi cerdas yang tidak memiliki kemampuan menyeluruh tampaknya dikaitkan dengan keterbelakangan. “mobil pintar yang tidak menggunakan model besar akan dihilangkan.” he xiaopeng juga mengatakan bahwa semua perusahaan penggerak otonom l4 harus beralih ke model besar sesegera mungkin.
chentao capital dan tiga pihak bersama-sama merilis "laporan penelitian industri penggerak otonom end-to-end" (selanjutnya disebut "laporan"). "laporan" tersebut menunjukkan bahwa di antara lebih dari 30 pakar garis depan dalam bidang mengemudi otonom industri yang diwawancarai olehnya, 90% mengatakan bahwa mereka perusahaan tempat saya bekerja telah berinvestasi dalam penelitian dan pengembangan teknologi end-to-end, dan sebagian besar perusahaan teknologi percaya bahwa melewatkan revolusi teknologi ini adalah hal yang tidak terjangkau.
namun tidak semua “pemain” menyadari bahwa model besar end-to-end merupakan pengganggu lanskap sistem mengemudi cerdas saat ini.
hou cong, cto qingzhou zhihang, mengatakan kepada china business news bahwa ia menguji sistem fsd v12.3 tesla di amerika serikat. meski telah mengalami kemajuan besar dengan fsd tesla sebelumnya, namun masih berbeda dengan waymo robotaxi yang fokus pada regulasi dan. kontrol. masih ada kesenjangan yang jelas. hou xiaodi, mantan pendiri tusimple, meminta industri untuk memperlakukannya secara rasional dan tidak menggunakan mitos yang bersifat end-to-end.
dalam kontroversi teknologi ini, para pemimpin perusahaan mobil seperti musk dan he xiaopeng mendukung end-to-end; sementara para eksekutif perusahaan pengemudi cerdas l4 seperti hou cong, hou xiaodi, dan lou tiancheng (cto pony.ai) percaya bahwa end-to-end akan mendukung hal tersebut. to-end model besar end-to-end tidak dapat secara teknis meningkatkan bantuan mengemudi cerdas l2 menjadi mengemudi otonom l4.
"laporan" tersebut juga menunjukkan bahwa karena teknologi saat ini masih dalam tahap awal pengembangan, masih banyak kesulitan penerapan dan kendala yang perlu diselesaikan dalam model skala besar end-to-end, seperti perbedaan besar. dalam rute teknis, kebutuhan data dan daya komputasi yang besar, serta metode pengujian dan verifikasi yang tidak memadai.
dalam perjalanan menuju ujung mengemudi otonom, model besar ujung ke ujung juga menjadi kontroversi lain dalam jalur teknis setelah persepsi visual murni, persepsi fusi radar, dll.
tesla memimpin perubahan teknologi lagi?
mulai dari die-casting terintegrasi, integrasi bodi baterai, dan teknologi lainnya, tesla telah menjadi tolok ukur industri untuk teknologi kendaraan energi baru. banyak perusahaan mobil tiongkok dianggap "menyeberangi sungai dengan menyentuh tesla". dengan model skala besar yang menyeluruh, tesla sekali lagi memimpin revolusi dalam kendaraan energi baru.
sebelum model besar end-to-end dipasang pada mobil, sistem bantuan mengemudi cerdas sebagian besar dibagi menjadi beberapa modul seperti persepsi, perencanaan, pengambilan keputusan, dan kontrol. perencanaan, dll., tetapi modulnya sebagian besar terdiri dari aturan tulisan tangan manual. untuk mendefinisikannya, ini disebut "berbasis aturan".
namun, dalam pengoperasian sistem yang sebenarnya, kendaraan sering kali menghadapi kasus kerucut yang tidak ada habisnya (masalah jangka panjang). untuk mengatasi masalah tersebut, para insinyur perlu menulis kode dan menetapkan aturan berdasarkan skenario tertentu. dalam mode ini, bantuan mengemudi cerdas atau sistem mengemudi otonom sering kali memerlukan masukan manual sejumlah besar peraturan.
wu xinzhou, wakil presiden global nvidia dan kepala divisi otomotif, percaya bahwa sebagian besar algoritme yang ada untuk mengemudi otonom didasarkan pada aturan sulit untuk menetapkan aturan dengan baik. hal-hal yang sulit memerlukan banyak insinyur manusia untuk memikirkan semua kemungkinan sebanyak mungkin, dan metode ini memiliki batas atas.
tidak seperti sistem bantuan mengemudi cerdas berbasis aturan tradisional, solusi mengemudi otonom menyeluruh berarti bahwa seluruh proses mulai dari persepsi hingga regulasi diproses melalui algoritme canggih dan teknologi pembelajaran mendalam.
penerapan teknologi end-to-end dalam mengemudi otonom telah mengubah arsitektur asli dari berbagai model seperti persepsi, prediksi, dan perencanaan menjadi arsitektur model tunggal "persepsi dan pengambilan keputusan yang terintegrasi."
laporan penelitian yang dirilis oleh cinda securities menunjukkan bahwa "end-to-end" mengacu pada masukan informasi data lingkungan seperti gambar di salah satu ujungnya, model jaringan saraf multi-layer yang mirip dengan "kotak hitam" di tengah, dan keluaran langsung dari kemudi, pengereman, akselerasi, dll. di ujung lainnya.
dibandingkan dengan arsitektur sub-modul berbasis aturan tradisional, implementasi end-to-end akan membawa serangkaian keuntungan: optimalisasi tugas global sepenuhnya didasarkan pada data-driven, dengan kemampuan koreksi kesalahan yang lebih baik dan lebih cepat sehingga dapat mengurangi kerugian lebih lanjut informasi antar modul. hilangnya transmisi, penundaan dan redundansi untuk menghindari akumulasi kesalahan dan meningkatkan efisiensi komputasi yang lebih kuat, dari berbasis aturan (berbasis aturan) ke berbasis pembelajaran (berdasarkan pembelajaran), dengan kemampuan pembelajaran tanpa sampel; , mampu menghadapi skenario yang tidak diketahui keterampilan pengambilan keputusan yang lebih kuat.
dengan dukungan model besar yang menyeluruh, sistem penggerak cerdas dapat mencapai iterasi dan kemajuan yang lebih cepat. ambil xngp xiaopeng sebagai contoh. setelah menerapkan model besar ujung ke ujung, jaringan saraf tiga jaringan dalam satu xnet + model kontrol besar xplanner + model bahasa besar ai xbrain dapat melakukan iterasi setiap 2 hari, dengan kemampuan mengemudi yang cerdas. dalam waktu 18 bulan peningkatan sebanyak 30 kali lipat; kemampuan sistem data dan arsitektur jaringan saraf dapat mencapai diagnosis cepat dan menyelesaikan masalah jangka panjang dalam hitungan jam.
dengan diluncurkannya model skala besar tesla yang menyeluruh, rute teknologi mengemudi cerdas perusahaan mobil tiongkok juga akan mulai mengalami perubahan signifikan pada tahun 2024.
dalam beberapa tahun terakhir, sebagian besar kontroversi mengenai jalur teknis sistem bantuan mengemudi cerdas perusahaan mobil china berfokus pada persepsi visual dan persepsi fusi. persaingan di terminal lebih pada kecepatan dan jumlah kota yang dibuka. pada awal tahun 2024, perusahaan seperti huawei dan xiaopeng masih bersaing untuk mendapatkan grafis presisi tinggi dan benar-benar "tersedia secara nasional".
setelah model besar end-to-end dipasang pada mobil, kemampuan generalisasi sistem bantuan mengemudi cerdas meningkat pesat, dan pentingnya verifikasi dan pengembangan di satu wilayah berkurang. pada saat yang sama, pendekatan end-to-end telah melemahkan perbedaan sebelumnya antara modul persepsi, perencanaan, pengambilan keputusan, kontrol, dan lainnya. banyak perusahaan mobil juga mulai menyesuaikan kembali struktur organisasi tim pengemudi otonom berdasarkan kebutuhan model besar end-to-end.
pada akhir tahun 2023, ideal melakukan penyesuaian struktur organisasi pada tim penggerak cerdas. dalam penyesuaian ini, ideal mengatur ulang model besar menjadi sebuah tim dan menempatkannya di bawah tim penelitian dan pengembangan algoritme front-end, yang secara keseluruhan bertanggung jawab atas tim tersebut. penelitian dan pengembangan serta implementasi arsitektur end-to-end; pada tahun 2024, weilai mendirikan departemen model besar, departemen arsitektur penerapan dan program, dan departemen informasi spatiotemporal, dan membatalkan departemen persepsi, departemen perencanaan dan pengendalian, dan lingkungan yang asli. departemen informasi, dan departemen pengiriman program.
meskipun peluncuran mobil end-to-end sedang berjalan lancar, sebagian besar perusahaan mobil tiongkok belum mencapai teori mengemudi cerdas end-to-end "one-mode".
cto sebuah perusahaan pengemudi otonom mengatakan kepada wartawan bahwa penerapan mengemudi cerdas model ujung ke ujung dapat dibagi menjadi dua tahap: tahap pertama adalah solusi dua model, yang terdiri dari persepsi ujung ke ujung dan peraturan end-to-end. ini adalah arah yang lebih umum yang saat ini digunakan di industri; tahap kedua adalah solusi satu model yang memecahkan masalah masukan informasi hingga keluaran pengambilan keputusan arah agi. namun arah ini relatif sulit dan diperkirakan memakan waktu 3 tahun. -dibutuhkan waktu 5 tahun untuk mendapatkan beberapa aplikasi skala besar.
saat ini, industri umumnya percaya bahwa kesenjangan kemajuan penelitian dan pengembangan antara perusahaan mobil dalam negeri dan tesla adalah sekitar 1,5 hingga 2 tahun. gu junli, wakil manajer umum chery automobile co., ltd., percaya bahwa untuk mengejar tesla dalam hal model bisnis, produk harus ditingkatkan. "ketika data mencapai level tesla lebih dari satu juta, melalui pelatihan model yang intensif, mengemudi cerdas dapat mempelajari aliran video dan secara langsung memberi tahu pengemudi arah mengemudi, seperti yang dikatakan chatgpt yang populer saat ini."
apakah oem dan pemasok memiliki perbedaan rute?
sementara banyak perusahaan mobil meluncurkan model end-to-end skala besar satu demi satu dan memberitakan bahwa era mengemudi otonom akan segera datang, banyak pemasok yang berfokus pada mengemudi otonom telah menyatakan pendapat yang berbeda.
“setelah tesla meluncurkan fsd end-to-end, muncul beberapa permasalahan. mobil selalu mudah berada di bahu jalan, apalagi pada malam hari. ban." hou cong mengatakan kepada wartawan bahwa juga di amerika serikat, waymo belum mengadopsi model skala besar yang menyeluruh, namun telah mampu menerapkan operasi robotaxi tak berawak di banyak kota, dan tanggapan dari pengguna sangat baik. cukup bagus.
model besar end-to-end sendiri bukanlah teknologi baru yang mencapai terobosan dalam beberapa tahun terakhir.
“sebelum munculnya pembelajaran mendalam sekitar tahun 2010, ini disebut algoritma analisis model. saat itu, kami melakukan deteksi pejalan kaki di universitas tsinghua, dan kami perlu mengekstrak beberapa informasi fitur dari gambar, seperti kelengkungan bahu seseorang, warna mata, dll. fitur-fitur ini adalah apa yang kami rangkum dengan kekuatan manusia, yaitu berdasarkan aturan; dan setelah pembelajaran mendalam, kami memasukkan gambar dan membiarkan pembelajaran mendalam belajar secara mandiri setiap orang dipelajari melalui pembelajaran mendalam, bukan ditentukan oleh kekuatan manusia. hal ini sama dari ujung ke ujung, ini didasarkan pada pembelajaran.” hou cong mengatakan kepada wartawan bahwa sistem ini, seperti bantuan mengemudi cerdas menyeluruh yang ada saat ini, memerlukannya dukungan data yang sangat besar.
hal ini juga dinilai menjadi salah satu faktor penting bagi perusahaan mobil untuk bersaing dalam memilih model besar end-to-end.
dibandingkan dengan pemasok pengemudi otonom l4 yang hanya mengoperasikan armada uji lebih dari seratus kendaraan, perusahaan mobil biasanya memiliki ratusan ribu atau bahkan jutaan produk yang mengemudi di jalan. pengguna dapat menghasilkan data dalam jumlah besar selama mengemudi, yang membantu perusahaan mobil datang untuk melatih sistem penggerak cerdas end-to-end mereka sendiri untuk membantu sistem mencapai iterasi yang cepat.
selain itu, dong jun, seorang insinyur di pemasok sistem bantuan mengemudi cerdas l2+, mengatakan kepada wartawan bahwa bagi pemasok, sulit untuk mengemudi cerdas ujung ke ujung menjadi produk standar perubahan bentuk bodi, perubahan posisi pemasangan sensor; , dll., keseluruhan sistem model perlu dilatih ulang, yang memerlukan lebih banyak biaya dan waktu serta tidak efisien.
pentingnya model bantuan mengemudi l2 skala besar yang menyeluruh adalah untuk mempercepat laju pembangunan perkotaan dan mempercepat realisasi "dapat dikendarai secara nasional" seperti yang disebutkan oleh perusahaan mobil. namun bagi perusahaan penggerak otonom tingkat l4, model besar end-to-end juga dapat mengurangi ketergantungan sistem pada peta presisi tinggi pada tahap awal operasi, sehingga memungkinkan perusahaan untuk memperluas cakupan operasi lebih cepat tetapi pada tahap tengah dan tengah pada tahap akhir pengoperasian, peta presisi tinggi masih memiliki dampak penting dan selanjutnya dapat meningkatkan keandalan, keselamatan, dan kelancaran sistem mengemudi otonom.
di sisi lain, dibandingkan dengan perusahaan mobil yang telah mencapai profitabilitas seperti tesla dan ideal, sebagian besar perusahaan kendaraan otonom saat ini hanya mengandalkan pembiayaan. menerapkan model besar end-to-end tidak hanya memerlukan data dalam jumlah besar, namun juga investasi modal dalam jumlah besar.
“di masa depan, berkendara cerdas akan memasuki tahap l4, dan data serta daya komputasi akan tumbuh secara eksponensial setiap tahun, yang berarti dibutuhkan setidaknya 1 miliar dolar as setiap tahun, dan iterasi berkelanjutan akan diperlukan setelah 5 tahun. pada tingkat ini, profitabilitas suatu perusahaan akan sangat sulit jika keuntungan tidak dapat mendukung investasi. oleh karena itu, saat ini kita tidak perlu fokus pada berapa miliar yang akan diinvestasikan pada kendaraan otonom, tetapi berdasarkan esensinya, apakah ada. daya komputasi dan dukungan data yang memadai, lalu lihat berapa banyak uang yang perlu diinvestasikan.” lang xianpeng, wakil presiden penelitian dan pengembangan penggerak cerdas li auto, mengatakan kepada wartawan.
xia yiping, ceo jiyue automobile, percaya bahwa 20 miliar yuan dulunya dianggap sebagai ambang batas finansial untuk membuat mobil, namun sekarang perusahaan tidak dapat melakukan mengemudi cerdas tanpa 50 miliar yuan.
lebih penting lagi, bagi perusahaan pengemudi otonom seperti waymo dan pony.ai yang bertujuan mewujudkan l4 robotaxi, pertimbangan mereka mengenai bobot sistem, biaya, dll. sangat berbeda dengan pertimbangan oem.
berbeda dengan bantuan mengemudi l2, untuk mengemudi otonom l3 dan di atasnya, tanggung jawab utama atas kecelakaan akan dialihkan ke kendaraan, yang memberikan persyaratan yang sangat tinggi pada stabilitas dan keamanan sistem mengemudi otonom. ketidakmampuan menafsirkan kotak hitam model besar yang menyeluruh membawa risiko tertentu pada sistem penggerak otonom.
“perusahaan mobil secara berturut-turut meluncurkan model mengemudi cerdas berskala besar dan mempromosikannya dengan penuh semangat. intinya adalah menciptakan diferensiasi dan menjual mobil,” kata dong jun.
hou xiaodi mengatakan dalam wawancara dengan media bahwa jika terjadi kecelakaan di fsd tesla, pengemudi tetap bertanggung jawab. tesla mengharuskan pengemudi untuk tetap memegang kemudi setiap saat selain itu, bisnis tesla adalah menjual mobil, dan fsd adalah nilai tambah dari penjualan mobil. jika anda ingin mempertimbangkan cara menjual lebih banyak mobil, anda tidak dapat mendalami area terbatas seperti l4 dan menyelesaikan semua kasus sudut (situasi ekstrem) di area ini.
hou cong dan orang lain yang diwawancarai dari perusahaan pengemudi otonom menunjukkan bahwa mengemudi otonom l4 memerlukan keselamatan 100% dan tidak dapat menerima ketidakjelasan dan ketidakpastian yang ditimbulkan oleh "kotak hitam" yang menyeluruh. selain itu, terdapat perbedaan besar dalam logika bisnis antara l2 dan l4.
bagi oem, menjual mobil adalah bisnis utama mereka, dan biaya menentukan keuntungan dan daya saing pasar. oleh karena itu, mereka tidak dapat mengatur terlalu banyak redundansi keselamatan dalam produk mereka; dan l4 robotaxi lebih fokus pada operasional dan akan menjadi bisnis utama untuk waktu yang lama. bisnis to b pada dasarnya adalah bisnis dan tidak akan melayani konsumen secara langsung. oleh karena itu, perusahaan terkait perlu mempertimbangkan tidak hanya mobil, tetapi juga berbagai situasi dalam pengoperasian kendaraan.
“misalnya apa yang harus dilakukan jika mobil macet, apa yang harus dilakukan jika hardware rusak, apa yang harus dilakukan jika terjadi kecelakaan, ini memerlukan redundansi yang lebih banyak, dan tesla tidak bisa mencadangkan redundansi yang banyak seperti waymo, karena keduanya. logika bisnisnya berbeda," kata hou cong.
apakah model dunia memungkinkan pengemudian otonom?
terlepas dari perbedaan tersebut, banyak teknisi dari perusahaan pengemudi otonom sepakat dalam wawancara bahwa model skala besar end-to-end dapat digunakan untuk meningkatkan kemampuan sistem bantuan mengemudi cerdas otomotif saat ini. banyak praktisi mengatakan bahwa model besar ujung ke ujung menghadirkan keadaan "jungkat-jungkit". menempatkan model besar ujung ke ujung pada mobil dapat meningkatkan batas atas kemampuan sistem bantuan mengemudi cerdas, namun juga akan menurunkan batas atas kemampuan sistem bantuan mengemudi cerdas. batas bawah kinerja sistem.
“model besar end-to-end dilatih berdasarkan model probabilistik. salah satu masalah yang dihadapi adalah bahwa untuk skenario yang relatif sederhana dan mudah dijelaskan, keluarannya seringkali tidak begitu akurat dan keuntungannya relatif rendah; telah melakukan cukup banyak hal di bidang ini. lumayan, tetapi masalah ini belum sepenuhnya terselesaikan. kami yakin bahwa dengan kurangnya data yang memadai, kami masih perlu menerapkan implementasi end-to-end secara bertahap, penggantian modul demi modul, dan menyelesaikan end-to-end sambil memastikan keamanan. infrastruktur teknik yang relatif solid dan metode iterasi yang cepat ini dapat secara bertahap meningkatkan batas atas kinerja sistem sekaligus memastikan batas bawah kinerja sistem,” kata presiden horizon chen liming.
model besar end-to-end didorong oleh data. ujung masukannya adalah data sensor dan ujung keluarannya mendorong pengambilan keputusan. dan sering disamakan dengan kotak hitam.
hou cong percaya bahwa mengemudi cerdas model besar yang menyeluruh saat ini dan mengemudi cerdas berbasis aturan sebelumnya agak mirip dengan proses produksi mobil menyatukannya. di satu sisi, hal ini memudahkan pengadaan dan menyebarkan pemasok, sehingga mengurangi kemungkinan 'terjebak'; di sisi lain, mudah untuk dirawat dan dapat memperbaiki apa pun yang rusak mengemudi secara otonom. keuntungannya adalah dapat mendefinisikan masalah dengan lebih baik, menyelesaikan masalah.”
mengambil contoh mengemudi otonom multi-modul tradisional, jika ada masalah dengan sistem selama pengujian, personel r&d dapat menemukan bug di bagian yang sesuai dan memperbaikinya sesuai dengan situasinya. namun untuk kotak hitam seperti model besar end-to-end, pengembang hanya dapat melatih strategi, melatih ulang, atau memodifikasi model, namun memodifikasi parameter di "kotak hitam". dan seiring dengan peningkatan dan perulangan sistem, semakin sulit masalah yang dipecahkan oleh sistem, semakin besar pula investasi biaya yang diperlukan. hal ini menetapkan ambang batas yang lebih tinggi untuk model besar end-to-end.
di sisi lain, model besar end-to-end didorong oleh data, namun data yang sangat besar belum tentu menghasilkan perbaikan positif pada sistem.
xiao bo, kepala tim pony.ai ai, percaya bahwa meskipun algoritmenya sangat bagus dan pelatihan sistemnya sangat bagus, kemampuan yang dipelajari dari data mengemudi manusia dalam jumlah besar hampir setara dengan rata-rata mengemudi manusia, dan itu sudah cukup. untuk mengatasi level l2. bantuan mengemudi yang cerdas; tetapi mengemudi otonom l4 atau lebih tinggi harus memiliki kemampuan 10 kali atau lebih daripada pengemudi manusia, dan model ini tidak cukup untuk mendukungnya.
tepat ketika end-to-end menunjukkan tren popularitas yang pesat, perusahaan dan pemasok mobil dalam negeri sekali lagi mengusulkan konsep "model dunia" baru. lou tiancheng percaya bahwa model dunia adalah yang terbaik dan terpenting saat ini, dan memahaminya sebagai satu-satunya solusi untuk mengemudi otonom.
model dunia dapat dipahami sebagai simulasi dan pemodelan dunia nyata, yang dapat mengembalikan perubahan pemandangan seperti persimpangan secara benar dan akurat. misalnya lintasan pejalan kaki yang terhalang ketika terdeteksi adanya hantu; reaksi antara pejalan kaki dan kendaraan lain pada saat kendaraan bertabrakan; bahkan detail seperti perlambatan seseorang saat berlari dapat mencapai percepatan gravitasi. pada saat yang sama, model dunia juga merupakan sistem penilaian yang mengevaluasi kinerja sistem penggerak otonom dan dapat mengetahui siapa yang lebih baik antara sistem a dan sistem b.
sebelumnya, perusahaan mobil seperti weilai dan ideal berturut-turut merilis "model dunia" mereka.
ren shaoqing, wakil presiden mengemudi otonom di weilai, mengatakan: "dibandingkan dengan model end-to-end konvensional, model dunia baru memiliki tiga keunggulan utama yang menurut kami. yang pertama adalah pemahaman spasial, melalui model generatif, dari rekonstruksi sensor dengan cara ini, informasi diekstraksi dengan cara yang lebih umum. melalui model autoregresif, lingkungan jangka panjang dimodelkan secara otomatis. ketiga, ribuan dunia memerlukan lebih banyak data. melalui pengawasan mandiri, pelabelan manual tidak diperlukan model otomatis multidimensi. regresi menghasilkan struktur model yang memungkinkan kita belajar lebih baik.”
lou tiancheng percaya bahwa model dunia dapat dipahami sebagai "pelatih" yang disimulasikan oleh manusia. untuk sistem l2, kemampuan mengemudinya setara dengan pengemudi berpengalaman; untuk sistem l4, tingkat mengemudinya jauh lebih tinggi daripada seorang pengemudi manusia. dia datang untuk melatih sistem mengemudi yang cerdas, dan hasilnya pasti akan lebih baik dari pengemudi manusia.
meskipun masih terdapat kontroversi, sebagian besar orang yang diwawancarai masih percaya bahwa pada tahap bantuan mengemudi cerdas l2, model besar end-to-end memang dapat meningkatkan batas atas kinerja sistem terkait. apa yang tidak disetujui oleh sebagian besar karyawan perusahaan pengemudi otonom l4 adalah bahwa tesla, xpeng, dan perusahaan mobil lainnya terlalu bersemangat bahwa produk mereka didasarkan pada pengemudian cerdas l2 dengan dukungan teknologi end-to-end, dan bahkan mencapai l4 di l2. tingkat perangkat keras. kemampuan mengemudi otonom.
“pada tahap ini, perusahaan-perusahaan mobil mulai berkembang secara end-to-end dan membentuk teknologi mutakhir yang mengarah pada pengemudian otonom. alasan di balik ini sebagian besar adalah untuk menjual lebih banyak mobil.”
(artikel ini berasal dari china business news)
