notícias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Depois que o táxi autônomo "Carrot Run" do Baidu saiu do círculo, a direção autônoma parece realmente ter chegado às pessoas comuns. No entanto, na opinião da maioria dos profissionais, os actuais L4 Robotaxi ou sistemas inteligentes de assistência à condução para veículos eléctricos inteligentes ainda estão longe de serem fáceis de utilizar e de serem comercializados em larga escala.

“Atualmente, vemos que a maior parte da NOA atual em áreas urbanas ainda está na fase utilizável e ainda não atingiu a fase de fácil utilização. da cobertura urbana pelas montadoras levou a uma diminuição na disponibilidade do sistema A taxa é baixa. Um sistema Smart Driving 2.0 verdadeiramente fácil de usar deve fornecer uma experiência de direção inteligente antropomórfica ", disse o presidente da Horizon, Chen Liming. Fórum Automóvel que a direção autônoma dará início ao momento ChatGPT.

A partir do início de 2023, a Tesla afirmou ter adotado um modelo de grande escala totalmente ponta a ponta da versão V12 do FSD, o que posteriormente desencadeou extensas discussões na indústria, empresas automobilísticas como Xpeng e Weilai, bem como fornecedores; empresas como Horizon e Yuanrong Qixing anunciaram sucessivamente que iriam implantar um sistema de direção inteligente de ponta a ponta.

Recentemente, a Chentao Capital e três partes divulgaram o “Relatório de Pesquisa da Indústria de Condução Autônoma de Ponta a Ponta” (doravante denominado “Relatório”). impulsionando a indústria entrevistada por ele, 90% Ele disse que a empresa para a qual trabalha investiu em pesquisa e desenvolvimento de tecnologia ponta a ponta, e a maioria das empresas de tecnologia acredita que é insuportável perder essa revolução tecnológica.

Yu Qian, cofundador e CEO da Qingzhou Zhihang, acredita que a recente tecnologia ponta a ponta deu uma tendência clara na evolução da tecnologia de direção inteligente.

Informações públicas mostram que ponta a ponta é um conceito de aprendizagem profunda, que se refere a um modelo de IA que pode produzir o resultado final, desde que os dados originais sejam inseridos. Um exemplo típico é o popular ChatGPT. A aplicação de tecnologia ponta a ponta na direção autônoma transformou a arquitetura original de múltiplos modelos, como percepção, previsão e planejamento, em uma arquitetura de modelo único de "percepção e tomada de decisão integradas". Em termos leigos, no passado, as rotas de condução autônoma eram como várias pessoas dirigindo um carro, mas a tecnologia ponta a ponta é uma condução de uma única pessoa, o que está mais próximo da condução humana real.

“O grande modelo ponta a ponta é treinado com base em um modelo probabilístico. Um problema que ele tem é que, para cenários relativamente simples e fáceis de descrever, sua saída muitas vezes não é tão precisa e o resultado final é relativamente baixo; tem feito muito nesta área. Nada mal, mas este problema não foi completamente resolvido. Acreditamos que, sob a atual falta de dados suficientes, ainda precisamos implementar gradualmente a substituição de ponta a ponta, módulo por módulo, e. completo de ponta a ponta, garantindo a segurança. Uma infraestrutura de engenharia relativamente sólida e um método de iteração rápida podem aumentar gradualmente o limite superior do desempenho do sistema e, ao mesmo tempo, garantir o limite inferior do desempenho do sistema", disse Chen Liming.

O CTO da Saiko Intelligent, Yu Qiankun, disse aos repórteres que o modelo de aplicação de direção inteligente de ponta a ponta pode ser dividido em dois estágios: o primeiro estágio é a solução de dois modelos, que é uma direção mais popular na indústria atualmente, mas dois- modelo Como há saída explícita no meio, haverá inevitavelmente alguma perda de informação na solução do modelo, dificultando o uso total das informações do sensor. O segundo estágio é a solução de modelo único, que é um modelo; solução passo a passo. Atualmente, muitas pessoas estão fazendo pesquisas preliminares, que estão mais próximas da direção da AGI, mas essa direção é relativamente difícil e estima-se que não veremos algumas aplicações em grande escala até 3-5 anos depois. . Deve-se ressaltar que muitas montadoras não desistiram completamente do tradicional “controle de regras” após anunciarem o lançamento de veículos “de ponta a ponta”.

Um engenheiro de algoritmo de direção autônoma de uma empresa automobilística disse que, como os resultados gerados pela rede neural têm um certo grau de probabilidade, não há garantia de que os resultados gerados sejam absolutamente seguros. Portanto, após o lançamento do grande modelo ponta a ponta, o método de regras ainda terá sua necessidade. Atualmente, a maioria dos sistemas de condução inteligentes de ponta a ponta ainda usa alguns métodos de regras para realizar a verificação secundária na saída da rede neural.

Actualmente, a indústria geralmente acredita que a lacuna no progresso da investigação e desenvolvimento entre as empresas automóveis nacionais e a Tesla é de cerca de 1,5 a 2 anos. Gu Junli, vice-gerente geral da Chery Automobile Co., Ltd., acredita que, para alcançar a Tesla em termos de modelo de negócios, os produtos devem ser ampliados. "Quando os dados atingem o nível Tesla de mais de um milhão, por meio do treinamento intensivo do modelo, a direção inteligente pode aprender o fluxo de vídeo e informar diretamente ao motorista a direção de direção, assim como o atualmente popular ChatGPT disse."

Comparado com o Tesla, que é quase o único no exterior, os sistemas de direção inteligentes domésticos estão em um estágio em que centenas de flores desabrocham. É difícil conectar dados entre diferentes modelos e diferentes soluções técnicas, o que traz certas dificuldades de ponta a ponta. -modelo de grande escala baseado em dados.

Chen Liming disse: "A dificuldade que enfrentamos atualmente é que a arquitetura de muitos modelos e sensores, o arranjo e a adoção de sensores, etc. estão em constante mudança. Embora tenhamos coletado muitos dados, os dados não são acumulados em alta qualidade e pode ser usado continuamente Sim, esta é uma questão que precisamos discutir não apenas como empresa, mas como uma indústria inteira. Em outras palavras, como os OEMs e as empresas de tecnologia podem trabalhar juntos para resolver este problema é algo que todos. precisa discutir juntos.”

Yu Qiankun também acredita que os aplicativos de engenharia ponta a ponta atualmente enfrentam problemas como baixa integridade da coleta de dados, baixa capacidade de reutilização da coleta de dados e baixo poder de computação para treinamento.