ニュース

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

百度の自動運転タクシー「キャロットラン」が世に出てから、自動運転は本格的に一般の人々に浸透したようだ。しかし、ほとんどの専門家の見解では、現在の L4 ロボタクシーやスマート電気自動車用のインテリジェント運転支援システムは、使いやすく大規模な商品化にはまだ程遠いです。

「現時点では、都市部にある現在の NOA のほとんどはまだ使用可能な段階にあり、簡単に使用できる段階にはまだ達していません。主な問題は依然として低い交通効率と非人間的な行為です。その数の急増により、自動車会社による都市部のカバー率の低下により、システムの可用性が低下しています。本当に使いやすいスマート ドライビング 2.0 システムは、擬人化されたスマート ドライビング エクスペリエンスを提供する必要があると、最近の 2024 中国で述べました。自動運転が ChatGPT の瞬間をもたらすという自動車フォーラム。

2023 年初頭から、テスラは FSD の V12 バージョンの完全なエンドツーエンドの大規模モデルを採用したと主張し、その後 Xpeng や Weilai などの自動車会社やサプライヤーの間で広範な議論を引き起こしました。 Horizo​​n や Yuanrong Qixing などの企業は、エンドツーエンドのインテリジェント運転システムを導入すると相次いで発表しました。

最近、Chentao Capital と 3 者は「エンドツーエンドの自動運転産業調査レポート」(以下「レポート」) を発表しました。この「レポート」には、自動運転分野の第一線の専門家 30 人以上の意見が含まれています。同紙がインタビューした業界を牽引する90％の同氏は、自身が勤める会社はエンドツーエンド技術の研究開発に投資しており、ほとんどのテクノロジー企業はこの技術革命を見逃すわけにはいかないと考えていると述べた。

Qingzhou Zhihang の共同創設者兼 CEO である Yu Qian 氏は、最近のエンドツーエンド技術により、インテリジェント運転技術の進化に明確な傾向が見られると考えています。

公開情報によれば、エンドツーエンドとはディープラーニングにおける概念であり、元のデータを入力すれば最終結果を出力できる AI モデルを指します。代表的な例は、人気のある ChatGPT です。自動運転におけるエンドツーエンド技術の適用により、知覚、予測、計画などの複数モデルの元のアーキテクチャが、「統合された知覚と意思決定」の単一モデル アーキテクチャに変換されました。平たく言えば、これまでの自動運転ルートは複数人で車を運転するようなものでしたが、エンドツーエンド技術では一人での運転となり、実際の人間の運転に近いものになります。

「エンドツーエンドの大規模モデルは、確率モデルに基づいてトレーニングされます。問題の 1 つは、比較的単純で説明しやすいシナリオの場合、その出力がそれほど正確ではないことが多く、収益が比較的低いことです。テスラはこの分野で多くのことを行ってきましたが、この問題は完全には解決されていません。現時点では十分なデータが不足しているため、モジュールごとに段階的に置き換える必要があると考えています。比較的強固なエンジニアリング インフラストラクチャと迅速な反復手法により、システム パフォーマンスの下限を確保しながら、システム パフォーマンスの上限を徐々に向上させることができます。」と Chen Liming 氏は述べています。

Saiko Intelligent CTO Yu Qiankun 氏は記者団に対し、エンドツーエンドモデルのスマート運転アプリケーションは 2 つの段階に分けられると語った。第 1 段階は 2 モデル ソリューションであり、これは現在業界でより主流の方向性であるが、2 つの段階はモデル 中間に明示的な出力があるため、モデル ソリューションでは必然的に情報損失が発生し、センサー情報を最大限に活用することが困難になります。第 2 段階は 1 モデル ソリューションです。現在、AGI の方向に近い予備研究が多く行われていますが、この方向は比較的難しく、大規模な応用は 3 ～ 5 年後になると予想されています。 。多くの自動車会社は、「エンドツーエンド」の自動車発売を発表した後も、従来の「ルール管理」を完全に放棄していないことを指摘しておく必要がある。

自動車会社の自動運転アルゴリズムエンジニアは、ニューラルネットワークが出力する結果にはある程度の確率があるため、出力結果が絶対に安全であるという保証はないと述べた。したがって、エンドツーエンドの大規模モデルが立ち上がった後も、ルール方式の必要性は残ります。現在、ほとんどのエンドツーエンドのインテリジェント運転システムは依然として、ニューラル ネットワークの出力に対して二次検証を実行するためにいくつかのルール手法を使用しています。

現時点で業界では、国内自動車会社とテスラとの研究開発進捗の差は１年半から２年程度だとの見方が一般的だ。奇瑞汽車有限公司の副総経理、顧俊麗氏は、ビジネスモデルの点でテスラに追いつくためには、製品をスケールアップする必要があると考えている。 「現在人気の ChatGPT のように、データが 100 万以上のテスラ レベルに達すると、モデルの集中トレーニングを通じてスマート ドライビングがビデオ ストリームを学習し、ドライバーに運転方向を直接伝えることができます。」

海外ではほぼ唯一のテスラと比較すると、国内のインテリジェント運転システムは百花繚乱の段階にあり、異なるモデル間や異なる技術ソリューション間のデータ連携が難しく、エンドツーに一定の困難をもたらしている。 -end データによって駆動される大規模モデル。

Chen Liming 氏は、「現在私たちが直面している困難は、多くのモデルやセンサーのアーキテクチャ、センサーの配置や採用などが常に変化していることです。私たちは多くのデータを収集しましたが、データは高度に蓄積されていないことです」と述べました。はい、これは企業としてだけでなく、業界全体として議論する必要がある問題です。言い換えれば、この問題を解決するために OEM とテクノロジー企業がどのように協力できるかということです。一緒に話し合う必要がある。」

Yu Qiankun 氏はまた、エンドツーエンドのエンジニアリング アプリケーションは現在、データ収集の完全性の低さ、データ収集の再利用性の低さ、トレーニングのコンピューティング能力の低さなどの問題に直面していると考えています。