소식

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

바이두의 자율주행택시 '캐럿런'이 나온 이후 자율주행이 정말 서민들에게도 찾아온 것 같다. 그러나 대부분의 실무자들이 보기에 현재의 L4 로보택시, 즉 스마트 전기차를 위한 지능형 운전 보조 시스템은 아직 사용 편의성과 대규모 상용화에는 거리가 멀다.

"현재 도시 지역의 현재 NOA 대부분은 아직 사용 가능한 단계에 있으며 아직 사용하기 쉬운 단계에 도달하지 못했습니다. 주요 문제는 여전히 낮은 교통 효율성과 비인격적인 행동입니다. 숫자의 급격한 증가 자동차 회사의 도시 적용 범위가 줄어들면서 시스템 가용성이 낮아졌습니다. 진정으로 사용하기 쉬운 스마트 드라이빙 2.0 시스템은 의인화된 스마트 운전 경험을 제공해야 합니다.”라고 최근 2024 중국에서 말했습니다. 자율 주행이 ChatGPT 순간을 안내할 자동차 포럼.

2023년 초부터 Tesla는 FSD V12 버전의 완전한 엔드투엔드 대규모 모델을 채택했다고 주장했으며, 이는 이후 Xpeng 및 Weilai와 같은 자동차 회사와 공급업체에서 광범위한 논의를 촉발했습니다. Horizon 및 Yuanrong Qixing과 같은 회사는 엔드투엔드 지능형 운전 시스템을 배포하겠다고 연속적으로 발표했습니다.

최근 Chentao Capital과 3자는 '엔드 투 엔드 자율주행 산업 연구 보고서'(이하 '보고서')를 발표했습니다. 인터뷰한 운전 업계, 90% 그는 자신이 일하는 회사가 엔드 투 엔드 기술의 연구 개발에 투자해 왔으며 대부분의 기술 회사는 이러한 기술 혁명을 놓칠 수 없다고 생각한다고 말했습니다.

Qingzhou Zhihang의 공동 창업자이자 CEO인 Yu Qian은 최근의 엔드투엔드 기술이 지능형 운전 기술의 진화에 분명한 추세를 가져왔다고 믿습니다.

공개된 정보에 따르면 엔드투엔드는 딥러닝의 개념으로, 원본 데이터만 입력하면 최종 결과를 출력할 수 있는 AI 모델을 일컫는다. 대표적인 예가 인기 있는 ChatGPT이다. 자율주행에 엔드투엔드(End-to-End) 기술이 적용되면서 인식, 예측, 계획 등 여러 모델의 원래 아키텍처가 '인식과 의사결정 통합'의 단일 모델 아키텍처로 전환됐다. 일반인의 관점에서 과거 자율주행 경로는 여러 사람이 자동차를 운전하는 것과 같았지만, 엔드투엔드 기술은 1인 운전으로 실제 인간 운전에 더 가깝다.

"엔드 투 엔드 대형 모델은 확률 모델을 기반으로 학습됩니다. 이 모델의 한 가지 문제는 상대적으로 간단하고 설명하기 쉬운 시나리오의 경우 출력이 그다지 정확하지 않고 수익이 상대적으로 낮다는 것입니다. Tesla 나쁘지는 않지만 이 문제는 완전히 해결되지 않았습니다. 현재 충분한 데이터가 부족한 상황에서 우리는 여전히 엔드투엔드, 모듈별 교체를 점진적으로 구현해야 한다고 생각합니다. 보안을 보장하면서 엔드투엔드를 완성합니다. 비교적 견고한 엔지니어링 인프라와 신속한 반복 방법을 통해 시스템 성능의 상한선을 점차적으로 높이는 동시에 시스템 성능의 하한선도 보장할 수 있습니다."라고 Chen Liming은 말했습니다.

Saiko Intelligent CTO Yu Qiankun은 기자들에게 엔드투엔드 모델 스마트 운전 애플리케이션이 두 단계로 나눌 수 있다고 말했습니다. 첫 번째 단계는 현재 업계에서 더 주류인 방향인 2가지 모델 솔루션이지만 두 단계는 -모델 솔루션 중간에 명시적인 출력이 있기 때문에 -모델 솔루션에서는 필연적으로 일부 정보 손실이 발생하여 센서 정보를 최대한 활용하기 어렵게 됩니다. 두 번째 단계는 단일 모델 솔루션입니다. 현재 많은 분들이 AGI 방향에 가까운 예비 연구를 하고 계시지만, 이 방향은 상대적으로 어렵고, 3~4세대까지는 일부 대규모 적용은 없을 것으로 추정됩니다. 5 년후. 많은 자동차 회사들이 '엔드 투 엔드' 차량 출시를 발표한 후에도 전통적인 '규칙 통제'를 완전히 포기하지 않았다는 점을 지적해야 합니다.

한 자동차 회사의 자율주행 알고리즘 엔지니어는 신경망이 출력하는 결과가 어느 정도 확률을 갖고 있기 때문에 출력 결과가 절대적으로 안전하다는 보장은 없다고 말했다. 따라서 엔드투엔드 대형 모델이 출시된 후에도 규칙 방법은 여전히 ​​필요합니다. 현재 대부분의 엔드투엔드 지능형 운전 시스템은 여전히 ​​일부 규칙 방법을 사용하여 신경망의 출력에 대한 2차 검증을 수행합니다.

현재 업계에서는 국내 완성차 업체와 테슬라의 연구개발 진행 격차가 1.5~2년 정도라고 일반적으로 보고 있다. Chery Automobile Co., Ltd.의 Gu Junli 부사장은 비즈니스 모델 측면에서 Tesla를 따라잡으려면 제품의 규모가 확장되어야 한다고 믿습니다. "데이터가 Tesla 수준에 도달하면 모델의 집중적인 훈련을 통해 현재 인기 있는 ChatGPT처럼 스마트 운전이 비디오 스트림을 학습하고 운전자에게 운전 방향을 직접 알려줄 수 있습니다."

해외에서 거의 유일한 테슬라와 비교하면 국내 지능형 주행 시스템은 수백 송이의 꽃이 피는 단계에 있으며, 서로 다른 모델과 서로 다른 기술 솔루션 간의 데이터 연결이 어려워 결국 어려움을 겪는다. - 데이터를 기반으로 한 대규모 모델.

Chen Liming은 "현재 우리가 직면하고 있는 어려움은 많은 모델과 센서의 아키텍처, 센서의 배열 및 채택 등이 끊임없이 변화하고 있다는 것입니다. 우리는 많은 데이터를 수집했지만 데이터가 높은 수준으로 축적되지 않았습니다. 예, 이것은 회사로서뿐만 아니라 전체 산업으로서 논의해야 할 질문입니다. 즉, OEM과 기술 회사가 이 문제를 해결하기 위해 어떻게 협력할 수 있는지는 우리 모두가 해결해야 할 문제입니다. 함께 논의해야 한다”

Yu Qiankun은 또한 현재 엔드투엔드 엔지니어링 애플리케이션이 데이터 수집의 불완전성, 데이터 수집의 재사용성 부족, 훈련 컴퓨팅 능력 부족과 같은 문제에 직면하고 있다고 믿습니다.