Chu Wenbo: 大規模な AI モデルをさらに統合して、コアの自動運転技術を最適化
2024-08-19
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
中国青年報顧客ニュース（中国青年報・中国青年報研修生記者、賈潔業記者、張妙） 「大規模なAIモデルのさらなる統合が、『エンドツーエンド』のインテリジェントな自動運転への中核的な障壁を解決する鍵となっている。」中国西部科学都市のコネクテッド・ビークル イノベーションセンターのゼネラルマネージャーであり、国家インテリジェント・コネクテッド・ビークル・イノベーション・センターの首席技術専門家であるChu Wenbo氏は、8月15日に開催された2024年世界青少年育成フォーラムデジタル開発テーマフォーラムでこう述べた。
「エンドツーエンド」は、道路、車両、視聴覚などの感覚情報を自動運転システムに入力した後、その中間プロセスを自動的に出力することができる自動運転技術です。人工知能によって完成され、知覚、意思決定、計画などのモジュールの統合を実現します。
Chu Wenbo 氏の見解では、大型モデルの登場により、モジュール化から「エンドツーエンド」への自動運転の進化が促進されます。しかし同氏は、「エンドツーエンド」の自動運転は依然として大きな問題に直面しているとも述べた。 「エンドツーエンド」の自動運転はトレーニング データに大きく依存しますが、現在利用可能なデータには、シミュレーション シナリオの現実性の低さ、トレーニング シナリオの一般化が不十分、注釈付きデータが 1 種類しかないなどの問題があります。また、「エンドツーエンド」の推論プロセスは隠れた「ブラックボックス」であり、意思決定プロセスにおける変数の監視が難しく、一連のセキュリティリスクにつながりやすい。
「大規模な AI モデルをさらに統合することで、自動運転の『エンドツーエンド』のコア技術を最適化する必要がある」と Chu Wenbo 氏は、まずワールド モデル (汎用人工知能への重要な経路の 1 つ) を使用して機能を強化する必要があると述べました。運転認識では、周囲の車線に加えて、天候、光と影、形状などを含む、より現実的な運転状況も認識できます。第二に、マルチモーダルな大型モデルからの情報を使用する必要があります。車両センサーから得られる情報だけでなく、クラウド上の他の情報からの情報も追加する必要があります。同時に、大規模な視覚言語モデルを通じて運転対話も実現でき、車両が運転状況に基づいて一連のテキスト情報を形成し、車両の動作決定を直接ガイドできるようになります。
さらに、Chu Wenbo氏は、「安全性の確立」、つまり、運転リスクを軽減するために自動運転の「エンドツーエンド」の解釈可能性を達成するよう努める必要性についても言及しました。一方、より多くの中間リンクを出力できるため、セキュリティ監視が容易になります。
8月15日、2024年世界青少年開発フォーラムデジタル開発テーマフォーラムが重慶で開催され、中国西部科学都市インテリジェントコネクテッドビークルイノベーションセンターのゼネラルマネージャーであり、国家インテリジェントコネクテッドビークルイノベーションセンターの主任技術専門家であるChu Wenbo氏が講演した。基調講演を行っています。写真提供：主催者
出典：中国青年報クライアント
