엔드투엔드 논란: l4 자율주행의 끝인가, 아니면 마케팅 잔치인가?
2024-09-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
tesla가 fsd 지능형 운전 시스템의 v12 버전을 출시한 것을 계기로 지능형 운전은 하루아침에 엔드투엔드 시대로 들어섰습니다.
"엔드 투 엔드 모델의 하한 기능은 내년에 급격히 향상될 것으로 예상됩니다. 일단 개선되면 2024년 항저우 yunqi 회의에서 전 세계적으로 l4 표준을 능가하는 것이 가능할 것입니다." xpeng motors he xiaopeng은 엔드투엔드 대형 모델을 채택한 후 tesla의 fsd가 이전과 완전히 다르며 내년에는 숙련된 인간 운전자보다 더 나을 수도 있다고 말했습니다.
xpeng motors는 tesla를 따르는 최초의 국내 자동차 회사 중 하나였습니다. xpeng motors는 올해 7월 말부터 엔드투엔드 대형 모델을 기반으로 한 xngp 지능형 주행 시스템을 사용자에게 푸시하기 시작했습니다. 올해 9월까지 화웨이, 아이디얼 등 자동차 회사들은 엔드투엔드 대형 모델을 기반으로 해당 지능형 주행 시스템을 사용자에게 선보이기 시작했고, nio는 엔드투엔드 대형 모델을 aeb 시스템에 적용해 출시했다. 자체 개발 세계 모델.
엔드투엔드 대형 모델이 등장하면서 자동차 회사들은 스마트 드라이빙에 더욱 적극적으로 나서고 있으며, 대신 한때 사람들을 설레게 했던 개방형 도시를 위한 스마트 드라이빙과 고정밀 지도는 더 이상 인기가 없습니다. , 도어투도어(door-to-door) 스마트 주행 모델과 포인트 투 도어(point-to-point) 주행 보조 시스템이 공식 출시된다. xpeng motors는 l2 수준 지능형 운전의 하드웨어 비용으로 l3+ 수준 자율 주행 사용자 경험을 달성할 수 있다고 주장합니다.
한동안, 엔드투엔드 기능을 갖추지 못한 지능형 주행 시스템은 뒤처지는 것으로 여겨졌습니다. 허샤오펑은 "대형 모델을 사용하지 않는 스마트카는 도태될 것"이라며 "모든 l4 자율주행 기업은 하루빨리 대형 모델로 전환해야 한다"고 말했다.
chentao capital과 3자는 공동으로 '종단간 자율주행 산업 연구 보고서'(이하 '보고서')를 발표했습니다. '보고서'에는 자율주행 분야의 일선 전문가 30여 명이 참여했습니다. 업계 인터뷰에 따르면 90%는 내가 일하는 회사가 엔드투엔드 기술의 연구 및 개발에 투자했으며 대부분의 기술 회사는 이러한 기술 혁명을 놓칠 수 없다고 생각합니다.
그러나 모든 "플레이어"가 엔드-투-엔드 대형 모델이 현재 지능형 운전 시스템 환경을 방해한다는 점을 인식하는 것은 아닙니다.
qingzhou zhihang의 cto인 hou cong은 china business news에 tesla의 fsd v12.3 시스템을 미국에서 경험했다고 말했습니다. 비록 tesla의 이전 fsd로 큰 진전을 이루었지만 여전히 규제와 규제에 중점을 두는 waymo robotaxi와는 다릅니다. 아직은 뚜렷한 격차가 있습니다. tusimple의 전 창립자인 hou xiaodi는 업계에 이를 엔드투엔드 신화가 아닌 합리적으로 처리할 것을 촉구했습니다.
이 기술 논란에서 머스크(musk), 허샤오펑(he xiaopeng) 등 자동차 회사 리더들은 엔드투엔드(end-to-end)를 지지한 반면, 허우콩(hou cong), 허우샤오디(hou xiaodi), 루텐청(pony.ai cto) 등 l4 지능형 운전 회사 임원들은 엔드투엔드(end-to-end)를 지지했다. 엔드투엔드 대형 모델은 기술적으로 l2 지능형 주행 보조를 l4 자율주행으로 직접 업그레이드할 수 없습니다.
또한 '보고서'는 현재 기술이 아직 개발 초기 단계에 있기 때문에 여전히 큰 차이가 나는 등 엔드 투 엔드 대규모 모델에서 해결해야 할 적용 어려움과 페인 포인트가 여전히 많다는 것을 보여줍니다. 기술적 경로, 대용량 데이터 및 컴퓨팅 성능 요구 사항, 테스트 및 검증 방법 부족, 성숙하고 막대한 리소스 투자 등이 있습니다.
자율주행의 종말을 향한 길에서, 엔드투엔드 대형 모델 역시 순수 시각 인식, 레이더 융합 인식 등에 이어 기술적 노선에서도 또 다른 논란이 됐다.
테슬라가 또 기술변화를 주도한다?
통합 다이캐스팅, 배터리-차체 통합 및 기타 기술을 시작으로 tesla는 신에너지 차량 기술의 업계 벤치마크가 되었습니다. 많은 중국 자동차 기업들이 '테슬라를 만져 강을 건너는 것'으로 평가받고 있다.
엔드투엔드 대형 모델이 자동차에 탑재되기 전, 지능형 운전보조 시스템은 대부분 인지, 계획, 의사결정, 제어 등 여러 모듈로 구분되며, 인지에는 인공지능과 머신러닝이 주로 활용된다. 플래닝 등이 있지만, 모듈은 주로 손으로 직접 작성한 규칙으로 구성되어 있습니다. 정의하자면 "규칙 기반"이라고 합니다.
그러나 실제 시스템 작업에서 차량은 끝없는 코너 케이스(롱테일 문제)에 직면하는 경우가 많습니다. 이러한 문제를 해결하려면 엔지니어는 특정 시나리오에 따라 코드를 작성하고 규칙을 설정해야 합니다. 이 모드에서는 지능형 운전 보조 또는 자율 주행 시스템에 많은 수의 규칙을 수동으로 입력해야 하는 경우가 많습니다.
nvidia의 글로벌 부사장이자 자동차 사업부 책임자인 wu xinzhou는 기존 자율 주행 알고리즘의 대부분이 규칙을 기반으로 한다고 믿습니다. 보는 것부터 수행하는 방법까지 말하기는 매우 간단하지만, 규칙을 잘 설정하기가 어렵습니다. 어려운 일을 하려면 많은 인간 엔지니어가 가능한 한 모든 가능성을 생각해야 하며 이 방법에는 상한이 있습니다.
기존의 규칙 기반 지능형 운전 보조 시스템과 달리 엔드투엔드 자율주행 솔루션은 인식부터 규제까지 전 과정이 첨단 알고리즘과 딥러닝 기술을 통해 처리된다는 의미다.
자율주행에 엔드투엔드 기술이 적용되면서 인식, 예측, 계획 등 여러 모델의 원래 아키텍처가 '인식과 의사결정이 통합된' 단일 모델 아키텍처로 변모했습니다.
신다증권이 발표한 연구보고서에 따르면 '엔드투엔드(end-to-end)'란 한쪽 끝에는 이미지 등 환경 데이터 정보를 입력하고, 가운데에는 '블랙박스'와 유사한 다층 신경망 모델을 입력하고, 반대편에서는 조향, 제동, 가속 등을 직접 출력합니다.
기존의 규칙 기반 하위 모듈 아키텍처와 비교하여 엔드 투 엔드 구현은 일련의 이점을 제공합니다. 전역 작업 최적화는 완전히 데이터 기반을 기반으로 하며 더 좋고 빠른 오류 수정 기능을 통해 손실을 더욱 줄일 수 있습니다. 오류 누적을 방지하고 컴퓨팅 효율성을 향상시키기 위한 전송 손실, 지연 및 중복성, 규칙 기반(규칙 기반)에서 학습 기반(학습 기반)으로, 제로 샘플 학습 능력으로 일반화 능력 향상 , 알려지지 않은 시나리오에 대처할 수 있는 의사결정 능력이 강화됩니다.
엔드투엔드 대형 모델의 지원을 통해 지능형 주행 시스템은 더 빠른 반복과 진행을 달성할 수 있습니다. xiaopeng의 xngp를 예로 들면, 엔드투엔드 대형 모델을 적용한 후 3개의 네트워크가 하나인 신경망 xnet + 대형 제어 모델 xplanner + ai 대형 언어 모델 xbrain은 지능형 운전 기능을 통해 2일마다 반복할 수 있습니다. 18개월 만에 데이터 시스템 기능과 신경망 아키텍처가 30배 향상되어 몇 시간 만에 신속한 진단을 달성하고 롱테일 문제를 해결할 수 있습니다.
tesla의 엔드투엔드 대형 모델이 도로에 등장함에 따라 중국 자동차 회사의 지능형 주행 기술 루트도 2024년에 큰 변화를 겪게 될 것입니다.
지난 몇 년간 중국 자동차 기업의 지능형 운전보조 시스템 기술 경로를 둘러싼 논란의 대부분은 시각적 인식과 융합 인식에 집중됐다. 2024년 초에도 화웨이, 샤오펑 등 기업은 여전히 고정밀 그래픽과 진정한 '전국 사용 가능'을 놓고 경쟁하고 있다.
엔드투엔드 대형 모델이 차량에 탑재된 후 지능형 운전 보조 시스템의 일반화 능력이 크게 향상되고 단일 지역에서의 검증 및 개발의 중요성이 감소합니다. 동시에 엔드 투 엔드는 인식, 계획, 의사결정, 제어 및 기타 모듈 간의 기존 구분을 약화시켰습니다. 또한 많은 자동차 회사도 필요에 따라 자율주행 팀의 조직 구조를 재조정하기 시작했습니다. 엔드 투 엔드 대형 모델.
아이디얼은 2023년 말 지능형운전팀 조직개편을 단행했다. 이번 조정으로 아이디얼은 대형 모델을 팀으로 재편하고, 이를 총괄하는 프론트엔드 알고리즘 연구개발팀 산하로 배치했다. 2024년에 엔드투엔드 자동차의 연구 개발 및 구현을 위해 weilai는 대형 모델 부서, 배포 아키텍처 및 프로그램 부서, 시공간 정보 부서를 설립하고 기존 인식 부서, 계획 및 제어 부서, 환경을 취소했습니다. 정보부, 프로그램 전달부.
엔드 투 엔드 자동차 출시가 본격화되고 있지만 대부분의 중국 자동차 회사는 아직 이론적인 '원 모드' 엔드 투 엔드 지능형 주행을 달성하지 못했습니다.
한 자율주행 회사의 cto는 기자들에게 엔드투엔드 모델의 지능형 주행 적용은 두 단계로 나눌 수 있다고 말했습니다. 첫 번째 단계는 엔드투엔드 인식과 이는 현재 업계에서 사용되는 보다 주류적인 방향입니다. 두 번째 단계는 단일 모델 솔루션으로, 의사 결정 결과에 더 가까운 정보 입력 문제를 해결합니다. 그러나 이 방향은 상대적으로 어렵고, 일부 대규모 적용에는 3년 정도 걸릴 것으로 추정된다.
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."
oem과 공급업체가 경로에 차이가 있나요?
많은 자동차 회사들이 엔드투엔드 대형 모델을 잇달아 출시하며 자율주행 시대가 도래할 것으로 기대하고 있는 가운데, 자율주행에 주력하는 많은 공급업체들은 서로 다른 목소리를 냈다.
"tesla가 엔드투엔드 fsd를 출시한 후 몇 가지 문제가 발생했습니다. 자동차는 항상 갓길에 오르기 쉽습니다. 특히 밤에는 특히 그렇습니다. 때로는 긁힐 때도 있고, 때로는 갓길로 직접 달려가서 갓길을 납작하게 만들 수도 있습니다. hou cong은 기자들에게 미국에서도 waymo가 엔드투엔드 대규모 모델을 채택하지 않았지만 여러 도시에서 무인 robotaxi 작업을 구현할 수 있었고 사용자들의 반응은 다음과 같다고 말했습니다. 꽤 좋아.
엔드투엔드 대형 모델 자체는 최근 몇 년간 획기적인 발전을 이룬 신기술이 아니다.
“2010년경 딥러닝이 등장하기 전에는 모델 분석 알고리즘이라고 불렀습니다. 당시 칭화대학교에서 보행자 감지를 수행했는데, 이미지에서 사람의 어깨 곡률과 같은 일부 특징 정보를 추출해야 했습니다. 눈의 색깔 등 이러한 특징은 우리가 인간의 힘, 즉 규칙 기반으로 요약하고 딥러닝 후에 이미지를 입력하여 결국에는 서로 다른 특성을 학습하게 합니다. hou cong은 기자들에게 현재의 엔드투엔드 지능형 운전 지원과 마찬가지로 이 시스템도 필요하다고 말했습니다. 대규모 데이터 지원.
이는 자동차 회사들이 엔드투엔드 대형 모델 선정 경쟁을 벌이는 중요한 요소 중 하나로 꼽히기도 한다.
100대 이상의 테스트 차량만 운영하는 l4 자율주행 공급업체에 비해 자동차 회사는 일반적으로 수십만, 심지어 수백만 개의 제품을 도로에서 주행하고 있으며, 이는 사용자가 운전 중에 엄청난 양의 데이터를 생성할 수 있어 자동차 회사에 도움이 됩니다. 시스템이 신속한 반복을 달성할 수 있도록 자체 엔드투엔드 지능형 주행 시스템을 교육하러 왔습니다.
또한, l2+ 지능형 운전 보조 시스템 공급업체의 엔지니어인 동준 씨는 기자들에게 공급업체 입장에서 엔드투엔드 지능형 운전이 체형 변화, 센서 설치 위치 변경 등 표준화된 제품이 되기는 어렵다고 말했습니다. 등, 전체 시스템 모델을 재교육해야 하는데, 이는 더 많은 비용과 시간이 필요하고 비효율적입니다.
l2 주행보조를 위한 엔드투엔드 대형 모델의 의의는 도시 개발 속도를 높이고, 자동차 회사들이 언급한 '전국 주행 가능' 실현을 앞당긴다는 점이다. 그러나 l4 수준의 자율주행 기업의 경우 엔드투엔드 대형 모델은 운영 초기 단계에서 시스템의 고정밀 지도에 대한 의존도를 줄여 회사가 운영 범위를 더 빠르게 확장할 수 있도록 해줍니다. 운영 후반 단계에서도 고정밀 지도는 여전히 중요한 영향을 미치며 자율 주행 시스템의 신뢰성, 안전성 및 부드러움을 더욱 향상시킬 수 있습니다.
반면, 테슬라, 아이디얼 등 수익성을 달성한 자동차 회사에 비해 현재 대부분의 자율주행 회사는 주로 자금조달에 의존하고 있다. 엔드투엔드 대형 모델을 버스에 탑재하려면 대규모 데이터뿐만 아니라 막대한 자본 투자도 필요합니다.
“미래에는 지능형 주행이 l4 단계에 진입하고 데이터와 컴퓨팅 파워가 매년 기하급수적으로 증가할 것입니다. 즉, 매년 최소 10억 달러가 필요하며, 5년 후에는 지속적인 반복이 필요할 것입니다. 이 수준에서는 기업의 수익성이 이익이 투자를 뒷받침하지 못한다면 매우 어려울 것입니다. 따라서 이제는 자율주행에 몇억 달러를 투자할지에 초점을 둘 필요가 없지만 본질에 기초하여 투자가 가능합니까? 충분한 컴퓨팅 성능과 데이터 지원을 확보한 다음 얼마나 많은 돈을 투자해야 하는지 살펴보세요.” li auto의 지능형 운전 연구 개발 담당 부사장인 lang xianpeng이 기자들에게 말했습니다.
jiyue automobile의 ceo인 xia yiping은 한때 200억 위안이 자동차를 만드는 데 필요한 재정적 기준으로 인식되었지만 이제 기업은 500억 위안이 없으면 스마트 드라이빙을 할 수 없다고 믿습니다.
더 중요한 것은 l4 robotaxi 구현을 목표로 하는 waymo, pony.ai와 같은 자율주행 회사의 경우 시스템 무게, 비용 등을 고려하는 것이 oem과 크게 다릅니다.
l2 운전 보조와 달리 l3 이상 자율주행의 경우 사고 책임 주체가 차량에 전가되기 때문에 자율주행 시스템의 안정성과 안전성에 대한 요구사항이 매우 높습니다. 엔드 투 엔드 대형 모델 블랙박스의 해석 불가능성은 자율주행 시스템에 일정한 위험을 가져옵니다.
동준 대표는 “자동차 회사들이 잇따라 엔드투엔드 대형 스마트 드라이빙 모델을 출시해 활발히 홍보하고 있다”며 “핵심은 차별화를 만들어 자동차를 판매하는 것”이라고 말했다.
hou xiaodi는 언론과의 인터뷰에서 tesla의 fsd에서 사고가 발생하면 여전히 운전자에게 책임이 있다고 말했습니다. tesla는 운전자에게 항상 핸들을 유지하도록 요구합니다. 사고는 tesla와 관련이 없습니다. 또한, tesla의 사업은 자동차를 판매하는 것이며, fsd는 자동차 판매에 따른 부가가치를 의미합니다. 어떻게 하면 차를 더 많이 팔 수 있을지 고민하고 싶다면 l4처럼 제한된 영역을 깊이 파고들어 이 영역의 코너케이스(극한 상황)를 모두 해결할 수는 없다.
hou cong과 기타 자율주행 회사 인터뷰 대상자들은 l4 자율주행에는 100% 안전이 필요하며 엔드투엔드 '블랙박스'가 가져오는 설명 불가능성과 불확실성을 받아들일 수 없다고 지적했습니다. 또한 l2와 l4 사이에는 비즈니스 로직에 큰 차이가 있습니다.
oem의 경우 자동차 판매가 주요 사업이고 비용이 수익과 시장 경쟁력을 결정하므로 제품에 너무 많은 안전 중복을 마련할 수 없으며 l4 robotaxi는 오랫동안 주요 사업이 될 것입니다. b의 사업은 주로 사업이며 소비자에게 직접적인 서비스를 제공하지 않습니다. 따라서 관련 회사는 자동차뿐만 아니라 차량 운영에 있어서 다양한 상황을 고려해야 합니다.
"예를 들어 자동차가 막혔을 때 어떻게 해야 하는지, 하드웨어가 고장난 경우 어떻게 해야 하는지, 사고가 발생하면 어떻게 해야 하는지 등은 더 많은 중복성을 요구하는데, tesla는 waymo처럼 많은 중복성을 확보할 수 없습니다. 비즈니스 논리는 다릅니다."라고 hou cong은 말했습니다.
월드 모델이 자율주행을 가능하게 합니까?
차이점에도 불구하고, 자율주행 회사의 많은 기술자들은 인터뷰에서 엔드투엔드 대규모 모델을 사용하여 현재 자동차 지능형 운전 보조 시스템의 기능을 향상시킬 수 있다는 데 동의했습니다. 많은 실무자들은 엔드투엔드 대형 모델이 '시소' 상태를 나타낸다고 말했습니다. 엔드투엔드 대형 모델을 자동차에 장착하면 지능형 운전 보조 시스템의 성능 상한선이 높아질 수 있지만 동시에 주행 성능도 낮아질 수 있습니다. 시스템 성능의 하한.
"엔드 투 엔드 대형 모델은 확률 모델을 기반으로 훈련됩니다. 한 가지 문제는 비교적 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. 이 상대적으로 견고한 엔지니어링 인프라와 신속한 반복 방법은 시스템 성능의 하한을 보장하면서 시스템 성능의 상한을 점차적으로 높일 수 있습니다."라고 horizon 사장 chen liming은 말했습니다.
엔드투엔드 대형 모델은 데이터에 의해 구동되며, 출력단은 의사결정을 주도합니다. 그러나 중간은 시스템이 최종 결정을 내리는 과정을 알 수 없습니다. 그리고 종종 블랙박스와 비교되기도 합니다.
허우콩은 현재의 엔드 투 엔드 대형 모델 스마트 드라이빙과 이전의 규칙 기반 스마트 드라이빙이 자동차 생산 과정과 다소 유사하다고 생각합니다. “과거에는 자동차 회사가 자동차를 만들 때 다른 회사에서 부품을 구입하고 한편으로는 조달을 용이하게 하고 공급업체를 분산시켜 '고착' 가능성을 낮추고, 유지관리가 용이하며 다중 모듈의 경우에도 마찬가지입니다. 자율주행의 장점은 문제를 더 잘 정의할 수 있다는 것입니다.”
기존의 다중 모듈 자율주행을 예로 들면, 테스트 중 시스템에 문제가 발생하면 r&d 인력이 해당 부분에서 버그를 찾아 상황에 따라 수정할 수 있다. 그러나 엔드투엔드 대형 모델과 같은 블랙박스의 경우 개발자는 전략 학습, 재학습 또는 모델 수정만 할 수 있고 "블랙박스"의 매개변수는 수정할 수 있습니다. 그리고 시스템이 업그레이드되고 반복될수록 시스템이 해결하는 문제가 더 어려워질수록 더 많은 비용 투자가 필요합니다. 이는 엔드 투 엔드 대형 모델에 대한 더 높은 임계값을 설정합니다.
반면, 엔드투엔드 대규모 모델은 데이터 기반이지만 대규모 데이터가 반드시 시스템에 긍정적인 개선을 가져오는 것은 아닙니다.
pony.ai ai 팀장인 xiao bo는 알고리즘이 매우 좋고 시스템 트레이닝이 매우 훌륭하더라도 인간의 방대한 운전 데이터에서 학습된 능력은 거의 평균적인 인간 운전 수준에 가깝다고 믿습니다. l2 수준에 대응하기 위해서는 l4 이상의 자율주행 능력이 인간 운전자보다 10배 이상 필요하지만, 이 모델로는 이를 지원하기에는 부족하다.
엔드투엔드(end-to-end)가 빠른 대중화 추세를 보이고 있는 이때, 국내 자동차 업체와 공급업체는 다시 한번 새로운 '월드 모델' 콘셉트를 제안했다. lou tiancheng은 월드 모델이 현재 가장 훌륭하고 중요한 것이라고 믿으며, 이를 자율 주행을 위한 유일한 솔루션으로 이해하고 있습니다.
월드 모델은 교차로 등 장면의 변화를 진실하고 정확하게 복원할 수 있는 현실 세계의 시뮬레이션 및 모델링으로 이해될 수 있습니다. 예를 들어, 고스트 프로브가 감지되면 차단되는 보행자의 궤적, 차량 충돌 순간 보행자와 다른 차량 사이의 반응, 심지어 달릴 때 사람의 감속과 같은 세부 사항까지 중력 가속도에 도달할 수 있습니다. 동시에 월드 모델은 자율주행 시스템의 성능을 평가해 시스템 a와 시스템 b 중 누가 더 나은지 알 수 있는 점수 시스템이기도 하다.
앞서 웨이라이(weilai), 아이디얼(ideal) 등 자동차 회사들은 '월드 모델'을 잇달아 출시했다.
weilai의 자율 주행 부사장 ren shaoqing은 "기존의 엔드투엔드 모델과 비교할 때 새로운 세계 모델에는 우리가 생각하는 세 가지 주요 장점이 있습니다. 첫 번째는 생성 모델을 통해 재구성된 공간을 이해하는 것입니다. 이러한 방식으로 보다 일반적인 방식으로 정보가 추출되며, 장기 환경이 자동으로 모델링됩니다. 셋째, 자체 감독을 통해 더 많은 데이터가 필요합니다. 다차원 자동 모델은 우리가 더 잘 학습할 수 있는 모델 구조를 생성합니다.”
lou tiancheng은 세계 모델이 인간이 시뮬레이션한 "코치"로 이해될 수 있다고 믿습니다. l2 시스템의 운전 능력은 l4 시스템의 숙련된 운전자와 동일하며 운전 수준은 훨씬 높습니다. 그는 지능형 운전 시스템을 훈련하기 위해 왔고 결과는 확실히 인간 운전자보다 나을 것입니다.
여전히 논란이 있지만 대부분의 인터뷰 대상자는 l2 지능형 운전 지원 단계에서 엔드투엔드 대형 모델이 관련 시스템의 성능 상한을 실제로 향상시킬 수 있다고 믿고 있습니다. l4 자율주행 회사의 직원 대부분이 동의하지 않는 점은 tesla, xpeng 및 기타 자동차 회사가 자사 제품이 엔드투엔드 기술 지원을 통해 l2 지능형 주행을 기반으로 하며 심지어 l2에서 l4를 달성한다고 과장했다는 것입니다. 하드웨어 수준.
"이 단계에서 자동차 회사들은 자율주행을 위한 첨단 기술을 전면적으로 내세우고 있습니다. 그 이유는 대부분 자동차를 더 많이 팔기 위해서입니다."
(이 기사는 중국경제신문에서 발췌한 것입니다)
