controvérsia de ponta a ponta: é o fim da direção autônoma l4 ou um banquete de marketing?
2024-09-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
marcado pelo lançamento da versão v12 do sistema de direção inteligente fsd pela tesla, a direção inteligente entrou na era de ponta a ponta da noite para o dia.
"espera-se que as capacidades de limite inferior do modelo ponta a ponta melhorem rapidamente no próximo ano. uma vez melhoradas, será possível superar o padrão l4 globalmente em menos de 2 anos. na conferência hangzhou yunqi de 2024, presidente da." xpeng motors he xiaopeng disse que depois de adotar o grande modelo ponta a ponta, o fsd da tesla é completamente diferente de antes e pode ser melhor do que motoristas humanos experientes no próximo ano.
a xpeng motors foi uma das primeiras empresas automobilísticas nacionais a seguir a tesla. no final de julho deste ano, a xpeng motors começou a oferecer aos usuários o sistema de direção inteligente xngp baseado no modelo grande de ponta a ponta. em setembro deste ano, empresas automobilísticas como huawei e ideal também começaram a oferecer aos usuários sistemas de direção inteligentes correspondentes baseados em grandes modelos de ponta a ponta. a nio aplicou os grandes modelos de ponta a ponta ao sistema aeb e lançou; seu modelo de mundo autodesenvolvido.
com a introdução de modelos de grande escala de ponta a ponta, as montadoras tornaram-se cada vez mais agressivas na promoção da direção inteligente para cidades abertas e mapas de alta precisão que antes deixavam as pessoas entusiasmadas, não são mais populares. , eles estão lançando modelos de direção inteligente porta a porta. sistemas de assistência à direção porta a porta e ponto a ponto foram oficialmente adicionados à programação. a xpeng motors ainda afirma que pode alcançar a experiência do usuário de direção autônoma de nível l3 + com o custo de hardware da direção inteligente de nível l2.
durante algum tempo, os sistemas de condução inteligentes que não possuem capacidades completas parecem estar associados ao atraso. “os carros inteligentes que não usam modelos grandes serão eliminados.” he xiaopeng também disse que todas as empresas de direção autônoma l4 deveriam mudar para modelos grandes o mais rápido possível.
a chentao capital e três partes divulgaram em conjunto o "relatório de pesquisa da indústria de condução autônoma de ponta a ponta" (doravante denominado "relatório"). indústria entrevistada por ela, 90% disseram que a empresa em que trabalho investiu em pesquisa e desenvolvimento de tecnologia ponta a ponta, e a maioria das empresas de tecnologia acredita que é inacessível perder essa revolução tecnológica.
mas nem todos os “jogadores” reconhecem que o grande modelo de ponta a ponta é um disruptor do atual cenário de sistemas de condução inteligentes.
hou cong, cto de qingzhou zhihang, disse ao china business news que experimentou o sistema fsd v12.3 da tesla nos estados unidos. embora tenha feito grandes progressos com o fsd anterior da tesla, ainda é diferente do waymo robotaxi, que se concentra na regulamentação e. ainda existe uma lacuna clara. hou xiaodi, o ex-fundador da tusimple, apelou à indústria para que a trate de forma racional e não para mitos de ponta a ponta.
nesta controvérsia tecnológica, líderes de empresas automobilísticas como musk e he xiaopeng apoiaram de ponta a ponta, enquanto executivos de empresas de direção inteligente l4, como hou cong, hou xiaodi e lou tiancheng (cto da pony.ai) acreditaram que ponta a ponta; de ponta o modelo grande de ponta a ponta não pode atualizar tecnicamente diretamente a assistência de direção inteligente l2 para direção autônoma l4.
o “relatório” também mostra que, como a tecnologia atual ainda está nos estágios iniciais de desenvolvimento, ainda existem muitas dificuldades de aplicação e pontos problemáticos que precisam ser resolvidos no modelo de larga escala ponta a ponta, como grandes diferenças em rotas técnicas, grandes requisitos de dados e capacidade de computação e métodos de teste e verificação insuficientes, grandes investimentos em recursos, etc.
no caminho para o fim da direção autônoma, o grande modelo ponta a ponta também se tornou outra polêmica no percurso técnico após pura percepção visual, percepção de fusão de radar, etc.
tesla lidera a mudança tecnológica novamente?
a partir da fundição sob pressão integrada, integração do corpo da bateria e outras tecnologias, a tesla tornou-se a referência da indústria para novas tecnologias de veículos energéticos. muitas empresas automobilísticas chinesas são consideradas "atravessando o rio ao tocar na tesla". com modelos de grande escala de ponta a ponta na estrada, a tesla mais uma vez liderou a revolução em veículos de nova energia.
antes de o grande modelo ponta a ponta ser colocado no carro, o sistema inteligente de assistência à direção é dividido principalmente em vários módulos, como percepção, planejamento, tomada de decisão e controle. inteligência artificial e aprendizado de máquina são usados principalmente na percepção. planejamento, etc., mas os módulos são compostos principalmente de regras manuscritas manuais. para definir, é chamado de "baseado em regras".
no entanto, no trabalho real do sistema, os veículos muitas vezes encontram infinitos casos de coner (problemas de cauda longa). para resolver esses problemas, os engenheiros precisam escrever códigos e definir regras com base em cenários específicos. neste modo, a assistência à condução inteligente ou os sistemas de condução autónoma requerem frequentemente a introdução manual de um grande número de regras.
wu xinzhou, vice-presidente global da nvidia e chefe da divisão automotiva, acredita que a maioria dos algoritmos existentes para direção autônoma são baseados em regras. é muito simples dizer, desde o que você vê até como fazer, mas é muito simples. difícil definir bem as regras. coisas difíceis exigem que muitos engenheiros humanos pensem em todas as possibilidades, tanto quanto possível, e esse método tem um limite superior.
ao contrário dos sistemas tradicionais de assistência à condução inteligente baseados em regras, as soluções completas de condução autónoma significam que todo o processo, desde a percepção ao controlo, é processado através de algoritmos avançados e tecnologia de aprendizagem profunda.
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".
um relatório de pesquisa divulgado pela cinda securities mostra que "ponta a ponta" refere-se à entrada de informações de dados ambientais, como imagens em uma extremidade, um modelo de rede neural multicamadas semelhante a uma "caixa preta" no meio, e a saída direta de direção, frenagem, aceleração, etc. na outra extremidade.
em comparação com a arquitetura tradicional de submódulos orientada por regras, a implementação ponta a ponta trará uma série de vantagens: a otimização global de tarefas é totalmente baseada em dados, com recursos de correção de erros melhores e mais rápidos que podem reduzir ainda mais a perda; de informações entre os módulos. transmissão de perdas, atraso e redundância, evitar acúmulo de erros, melhorar a eficiência da computação; capaz de enfrentar cenários desconhecidos. maior capacidade de tomada de decisão.
com o suporte de modelos grandes de ponta a ponta, os sistemas de direção inteligentes podem alcançar iteração e progresso mais rápidos. tomemos o xngp de xiaopeng como exemplo. depois de aplicar o modelo grande ponta a ponta, sua rede neural de três redes em um xnet + modelo de controle grande xplanner + modelo de linguagem grande ai xbrain pode iterar a cada 2 dias, com recursos de direção inteligentes. de 18 meses melhorados em 30 vezes, as capacidades do sistema de dados e a arquitetura de rede neural podem alcançar diagnóstico rápido e resolver problemas de cauda longa em horas.
com o modelo de larga escala ponta a ponta da tesla nas estradas, as rotas de tecnologia de direção inteligente das montadoras chinesas também começarão a sofrer mudanças significativas em 2024.
nos últimos anos, a maior parte da controvérsia sobre a rota técnica dos sistemas inteligentes de assistência à condução das montadoras chinesas tem se concentrado na percepção visual e na percepção de fusão. a competição no terminal tem mais a ver com a velocidade e o número de cidades abertas. no início de 2024, empresas como huawei e xiaopeng ainda competem por gráficos de alta precisão e verdadeiros “disponíveis em todo o país”.
depois que o modelo grande de ponta a ponta é colocado no carro, a capacidade de generalização do sistema inteligente de assistência à direção é bastante melhorada e a importância da verificação e do desenvolvimento em uma única região diminui. ao mesmo tempo, de ponta a ponta enfraqueceu a distinção anterior entre percepção, planeamento, tomada de decisão, controlo e outros módulos. muitas empresas automóveis também começaram a reajustar a estrutura organizacional das equipas de condução autónomas com base nas necessidades. de grandes modelos de ponta a ponta.
no final de 2023, a ideal fez um ajuste na estrutura organizacional da equipe de condução inteligente. nesse ajuste, a ideal reorganizou o grande modelo em uma equipe e o colocou sob a equipe de pesquisa e desenvolvimento de algoritmos front-end, que é responsável geral pelo. pesquisa, desenvolvimento e implementação da arquitetura ponta a ponta em 2024, weilai estabeleceu o departamento de grandes modelos, o departamento de arquitetura e programa de implantação e o departamento de informações espaço-temporais, e cancelou o departamento de percepção original, departamento de planejamento e controle, ambiental. departamento de informação e departamento de entrega de programas.
embora o lançamento de carros de ponta a ponta esteja em pleno andamento, a maioria das montadoras chinesas ainda não alcançou a direção inteligente teórica de "modo único" de ponta a ponta.
o cto de uma empresa de direção autônoma disse aos repórteres que a aplicação de direção inteligente do modelo ponta a ponta pode ser dividida em duas etapas: a primeira etapa é uma solução de dois modelos, que consiste em uma percepção ponta a ponta e uma regulamentação de ponta a ponta. esta é uma direção mais convencional atualmente usada na indústria; o segundo estágio é a solução de modelo único que resolve o problema da entrada de informações na saída da tomada de decisão; direção da agi. no entanto, esta direção é relativamente difícil e estima-se que levará 3 anos. - levará 5 anos para obter algumas aplicações em grande escala.
atualmente, a indústria geralmente acredita que a lacuna de progresso em pesquisa e desenvolvimento entre as empresas automobilísticas 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."
os oems e fornecedores têm diferenças de rota?
embora muitas empresas automobilísticas estejam lançando modelos de grande escala de ponta a ponta, um após o outro, e pregando que a era da direção autônoma está prevista para chegar, muitos fornecedores focados na direção autônoma fizeram vozes diferentes.
"depois que a tesla lançou o fsd de ponta a ponta, surgiram alguns problemas. o carro é sempre fácil de entrar no acostamento, especialmente à noite. às vezes ele arranha e às vezes bate diretamente no acostamento e achata o pneu." hou cong disse a repórteres que também nos estados unidos, waymo não adotou um modelo de grande escala de ponta a ponta, mas foi capaz de implementar operações robotaxi não tripuladas em várias cidades, e a resposta dos usuários foi muito bom.
o grande modelo ponta a ponta em si não é uma tecnologia nova que tenha alcançado avanços nos últimos anos.
“antes do surgimento do aprendizado profundo, por volta de 2010, ele era chamado de algoritmo de análise de modelo. naquela época, fazíamos detecção de pedestres na universidade de tsinghua e precisávamos extrair algumas informações características da imagem, como a curvatura dos ombros da pessoa. a cor dos olhos, etc. essas características são o que nós é resumido pelo poder humano, ou seja, baseado em regras e após o aprendizado profundo, inserimos a imagem e deixamos o aprendizado profundo aprender de forma independente, no final, as diferentes características; de cada pessoa são aprendidos por aprendizado profundo, não definidos pelo poder humano. é o mesmo de ponta a ponta, é baseado no aprendizado.” hou cong disse aos repórteres que este sistema, como a atual assistência de direção inteligente de ponta a ponta, requer. suporte massivo de dados.
este também é considerado um dos fatores importantes para as montadoras competirem na escolha de grandes modelos de ponta a ponta.
em comparação com os fornecedores de condução autônoma l4 que operam apenas uma frota de teste de mais de cem veículos, as montadoras geralmente têm centenas de milhares ou até milhões de produtos circulando na estrada. os usuários podem gerar grandes quantidades de dados durante a condução, o que ajuda as montadoras. vêm treinar seus próprios sistemas de direção inteligentes de ponta a ponta para ajudar o sistema a obter uma iteração rápida.
além disso, dong jun, engenheiro de um fornecedor de sistemas de assistência à direção inteligente l2+, disse aos repórteres que, para os fornecedores, é difícil que a direção inteligente de ponta a ponta se torne um produto padronizado, mudanças na forma do corpo, mudanças nas posições de instalação do sensor; , etc., todo o sistema o modelo precisa ser retreinado, o que exige mais custo e tempo e é ineficiente.
a importância do modelo de larga escala ponta a ponta para assistência à condução l2 é acelerar a velocidade do desenvolvimento urbano e acelerar a realização de "pode ser conduzido em todo o país", conforme mencionado pelas empresas automobilísticas. mas para empresas de condução autônoma de nível l4, o grande modelo ponta a ponta também pode reduzir a dependência do sistema de mapas de alta precisão na fase inicial de operação, permitindo à empresa expandir o escopo de operações mais rapidamente, mas no meio; e nas fases finais de operação, os mapas de alta precisão ainda têm um impacto importante e podem melhorar ainda mais a fiabilidade, a segurança e a suavidade dos sistemas de condução autónoma.
por outro lado, em comparação com empresas automóveis que alcançaram rentabilidade, como a tesla e a ideal, a maioria das empresas de condução autónoma depende atualmente principalmente de financiamento. colocar um modelo grande de ponta a ponta no barramento requer não apenas dados massivos, mas também uma grande quantidade de investimento de capital.
"no futuro, a direção inteligente entrou no estágio l4, e os dados e o poder de computação estão crescendo exponencialmente a cada ano, o que significa que pelo menos 1 bilhão de dólares americanos são necessários todos os anos, e a iteração contínua é necessária após 5 anos. neste nível. , a lucratividade de uma empresa ", disse lang xianpeng, vice-presidente de pesquisa e desenvolvimento de direção inteligente da li auto, aos repórteres.
xia yiping, ceo da jiyue automobile, acredita que 20 bilhões de yuans já foram reconhecidos como o limite financeiro para a construção de um carro, mas agora as empresas não podem fazer uma direção inteligente sem 50 bilhões de yuans.
mais importante ainda, para empresas de condução autônoma como waymo e pony.ai que pretendem realizar o l4 robotaxi, suas considerações sobre peso do sistema, custo, etc.
diferentemente da assistência à condução l2, para a condução autónoma l3 e superior, a principal responsabilidade pelos acidentes será transferida para o veículo, o que impõe requisitos extremamente elevados à estabilidade e segurança do sistema de condução autónoma. a ininterpretabilidade da caixa preta do modelo grande de ponta a ponta traz certos riscos ao sistema de direção autônoma.
"as empresas automobilísticas lançaram sucessivamente modelos de direção inteligentes em grande escala e os promoveram vigorosamente. o núcleo é criar diferenciação e vender carros", disse dong jun.
hou xiaodi disse em entrevista à mídia que se ocorrer um acidente no fsd da tesla, o motorista ainda é responsável. tesla exige que o motorista mantenha as mãos no volante o tempo todo. além disso, o negócio da tesla é a venda de carros e o fsd é o valor agregado da venda de carros. se você quiser considerar como vender mais carros, você não pode se aprofundar em uma área limitada como l4 e resolver todos os casos extremos (situações extremas) nesta área.
hou cong e outros entrevistados de empresas de condução autônoma apontaram que a condução autônoma l4 exige 100% de segurança e não pode aceitar a inexplicabilidade e a incerteza trazidas pela "caixa preta" de ponta a ponta. além disso, existem enormes diferenças na lógica de negócios entre l2 e l4.
para os oem, a venda de automóveis é o seu principal negócio e os custos determinam os lucros e a competitividade do mercado. portanto, não podem arranjar demasiada redundância de segurança nos seus produtos e o l4 robotaxi é mais focado na operação e será o principal negócio durante muito tempo; para o negócio de b é principalmente um negócio e não atenderá diretamente os consumidores. portanto, as empresas relevantes precisam considerar não apenas os carros, mas também diversas situações nas operações de veículos.
“por exemplo, o que fazer se o carro estiver preso, o que fazer se o hardware estiver quebrado, o que fazer se ocorrer um acidente, isso requer mais redundância, e tesla não pode reservar muita redundância como waymo, porque os dois o a lógica de negócios é diferente", disse hou cong.
o modelo mundial permite a condução autônoma?
apesar das diferenças, muitos técnicos de empresas de condução autónoma concordaram em entrevistas que modelos de grande escala de ponta a ponta podem ser usados para melhorar as capacidades dos actuais sistemas de assistência à condução inteligente automóvel. muitos profissionais disseram que o modelo grande de ponta a ponta apresenta um estado de "gangorra". colocar o modelo grande de ponta a ponta no carro pode aumentar o limite superior das capacidades do sistema inteligente de assistência à direção, mas também diminuirá o limite. limite inferior do desempenho do sistema.
“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. completar de ponta a ponta, garantindo a segurança. essa infraestrutura de engenharia relativamente sólida e método de iteração rápida podem aumentar gradualmente o limite superior do desempenho do sistema, garantindo ao mesmo tempo o limite inferior do desempenho do sistema", disse o presidente da horizon, chen liming.
o grande modelo de ponta a ponta é impulsionado por dados. a extremidade de entrada são os dados do sensor e a extremidade de saída conduz a tomada de decisão. e muitas vezes é comparado a uma caixa preta.
hou cong acredita que a atual direção inteligente de grandes modelos de ponta a ponta e a anterior direção inteligente baseada em regras são um tanto semelhantes ao processo de produção de automóveis “no passado, quando construíam carros, as montadoras compravam peças de diferentes empresas e. reuni-los. por um lado, facilita a aquisição e dispersa os fornecedores, tornando-os menos propensos a ficar “presos”. por outro lado, é fácil de manter e pode reparar tudo o que está avariado; direção autônoma. a vantagem é que pode ser melhor definido problema, resolução de problemas.”
tomando como exemplo a condução autônoma tradicional de vários módulos, se houver um problema com o sistema durante o teste, o pessoal de p&d pode encontrar o bug na seção correspondente e corrigi-lo de acordo com a situação. mas para caixas pretas, como modelos grandes ponta a ponta, os desenvolvedores só podem treinar a estratégia, treinar novamente ou modificar o modelo, mas modificar os parâmetros na "caixa preta". e à medida que o sistema é atualizado e iterado, quanto mais difíceis forem os problemas que o sistema resolve, mais custos serão necessários. isso estabelece um limite mais alto para grandes modelos de ponta a ponta.
por outro lado, grandes modelos de ponta a ponta são orientados por dados, mas dados massivos podem não produzir necessariamente melhorias positivas no sistema.
xiao bo, chefe da equipe pony.ai ai, acredita que mesmo que o algoritmo seja muito bom e o treinamento do sistema seja muito bom, a habilidade aprendida com dados massivos de direção humana é quase o nível de uma direção humana média, o que é suficiente para lidar com o nível l2. assistência à condução inteligente, mas a condução autónoma l4 ou superior necessita de ter 10 vezes ou mais capacidades do que um condutor humano, e este modelo não é suficiente para apoiá-la.
justamente quando de ponta a ponta mostra uma rápida tendência de popularização, as montadoras e fornecedores nacionais propuseram mais uma vez um novo conceito de "modelo mundial". lou tiancheng acredita que o modelo mundial é o melhor e mais importante do momento e o entende como a única solução para a condução autônoma.
o modelo mundial pode ser entendido como a simulação e modelagem do mundo real, que pode restaurar de forma verdadeira e precisa as mudanças em cenas como cruzamentos. por exemplo, a trajetória de pedestres que é bloqueada quando uma sonda fantasma é detectada; a reação entre pedestres e outros veículos no momento da colisão do veículo e até detalhes como a desaceleração de uma pessoa ao correr podem atingir a aceleração da gravidade; ao mesmo tempo, o modelo mundial é também um sistema de pontuação que avalia o desempenho do sistema de condução autónoma e pode saber quem é melhor entre o sistema a e o sistema b.
anteriormente, montadoras como weilai e ideal lançaram sucessivamente seus “modelos mundiais”.
ren shaoqing, vice-presidente de direção autônoma da weilai, disse: "em comparação com os modelos convencionais de ponta a ponta, o novo modelo mundial tem três vantagens principais que acreditamos. a primeira está na compreensão espacial, por meio de modelos generativos, a partir de reconstruídos sensores desta forma, as informações são extraídas de forma mais geral. através do modelo autorregressivo, os ambientes de longo prazo são modelados automaticamente. terceiro, milhares de mundos requerem mais dados. a autoanálise multidimensional gera estruturas de modelo que nos permitem aprender melhor.”
lou tiancheng acredita que o modelo mundial pode ser entendido como um “treinador” simulado por humanos. para o sistema l2, a sua capacidade de condução é equivalente à de um condutor experiente para o sistema l4, o seu nível de condução é muito superior ao do sistema l4. um motorista humano. ele vem treinar o sistema de direção inteligente e os resultados serão definitivamente melhores do que os dos motoristas humanos.
embora ainda haja controvérsia, a maioria dos entrevistados ainda acredita que no estágio de assistência à direção inteligente l2, os grandes modelos de ponta a ponta podem de fato melhorar o limite superior de desempenho dos sistemas relacionados. o que a maioria dos funcionários de empresas de direção autônoma l4 não concorda é que tesla, xpeng e outras montadoras têm alardeado que seus produtos são baseados na direção inteligente l2 com o suporte de tecnologia ponta a ponta, e até alcançam l4 no l2 nível de hardware.
"neste estágio, as montadoras estão promovendo de ponta a ponta e transformando ponta a ponta em uma tecnologia de ponta que leva à direção autônoma. a razão por trás disso é principalmente para vender mais carros", disse dong jun.
(este artigo vem do china business news)
