сквозной спор: это конец автономного вождения l4 или маркетинговый праздник?
2024-09-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
благодаря выпуску tesla версии v12 интеллектуальной системы вождения fsd, интеллектуальное вождение в мгновение ока вступило в эпоху сквозного вождения.
«ожидается, что в следующем году нижние пределы возможностей сквозной модели быстро улучшатся. после улучшения можно будет превзойти стандарт l4 во всем мире менее чем за 2 года». xpeng motors хэ сяопэн сказал, что после внедрения комплексной большой модели fsd tesla полностью отличается от прежнего, и в следующем году он может быть лучше, чем у опытных водителей-людей.
xpeng motors была одной из первых отечественных автомобильных компаний, последовавших за tesla. в конце июля этого года xpeng motors начала предлагать пользователям интеллектуальную систему вождения xngp, основанную на комплексной большой модели. к сентябрю этого года такие автомобильные компании, как huawei и ideal, также начали предлагать пользователям соответствующие интеллектуальные системы вождения, основанные на комплексных больших моделях. nio применила комплексные большие модели к системе aeb и выпустила их; свою саморазвивающуюся модель мира.
с появлением комплексных крупномасштабных моделей автомобильные компании стали все более агрессивно продвигать умное вождение. умное вождение в открытых городах и высокоточные карты, которые когда-то волновали людей, больше не популярны. , они запускают модели интеллектуального вождения «от двери до двери» и системы помощи при вождении «от двери до двери» были официально добавлены в график. xpeng motors даже утверждает, что может достичь уровня автономного вождения уровня l3+ при затратах на аппаратное обеспечение интеллектуального вождения уровня l2.
какое-то время интеллектуальные системы вождения, не обладающие сквозными возможностями, считались отставанием. «умные автомобили, которые не используют большие модели, будут исключены», хэ сяопэн также сказал, что все компании, занимающиеся автономным вождением l4, должны как можно скорее перейти на большие модели.
chentao capital и три стороны совместно опубликовали «отчет о комплексном исследовании отрасли автономного вождения» (далее «отчет»). в «отчете» показано, что среди более чем 30 ведущих экспертов в области автономного вождения. опрошенных им представителей отрасли, 90% заявили, что компания, в которой я работаю, инвестировала в исследования и разработки комплексных технологий, и большинство технологических компаний считают, что пропустить эту технологическую революцию невозможно.
но не все «игроки» осознают, что комплексная большая модель разрушает нынешний ландшафт интеллектуальных систем вождения.
хоу цун, технический директор qingzhou zhihang, рассказал china business news, что он испытал систему tesla fsd v12.3 в соединенных штатах. хотя она добилась значительного прогресса по сравнению с предыдущей версией fsd tesla, она все же отличается от waymo robotaxi, которая фокусируется на регулировании и управлении. контроль все еще имеет явный разрыв. хоу сяоди, бывший основатель tusimple, призвал индустрию относиться к этому рационально и не верить сквозным мифам.
в этом технологическом споре лидеры автомобильных компаний, такие как маск и хэ сяопэн, поддерживали всестороннюю поддержку, в то время как руководители компаний l4, занимающихся интеллектуальным вождением, такие как хоу конг, хоу сяоди и лу тяньчэн (технический директор pony.ai), считали, что комплексная большая модель не может напрямую технически модернизировать интеллектуальную помощь при вождении l2 до автономного вождения l4.
в «отчете» также показано, что, поскольку текущая технология все еще находится на ранних стадиях разработки, все еще существует множество трудностей применения и болевых точек, которые необходимо решить в сквозной крупномасштабной модели, например, большие различия. в технических маршрутах, больших требованиях к данным и вычислительной мощности, а также недостаточных методах тестирования и проверки, огромных инвестициях в ресурсы и т. д.
на пути к концу автономного вождения сквозная большая модель также стала еще одним противоречием на техническом пути после чисто визуального восприятия, восприятия радиолокационного синтеза и т. д.
тесла снова лидирует в технологических изменениях?
начиная с интегрированного литья под давлением, интеграции корпуса аккумулятора и других технологий, tesla стала отраслевым эталоном в области новых технологий транспортных средств на энергии. считается, что многие китайские автомобильные компании «пересекают реку, прикоснувшись к tesla». выпустив на дороги комплексные крупномасштабные модели, tesla снова возглавила революцию в транспортных средствах на новой энергии.
прежде чем комплексная большая модель будет установлена на автомобиль, интеллектуальная система помощи при вождении в основном делится на несколько модулей, таких как восприятие, планирование, принятие решений и контроль. для восприятия в основном используются искусственный интеллект и машинное обучение. планирование и т. д., но модули в основном состоят из рукописных правил. для определения это называется «на основе правил».
однако в реальной работе системы транспортные средства часто сталкиваются с бесконечными случаями coner (длинно-хвостовые проблемы). чтобы решить такие проблемы, инженерам приходится писать коды и настраивать правила, основанные на конкретных сценариях. в этом режиме интеллектуальная помощь при вождении или системы автономного вождения часто требуют ручного ввода большого количества правил.
у синьчжоу, глобальный вице-президент и глава автомобильного подразделения nvidia, считает, что большинство существующих алгоритмов автономного вождения основаны на правилах. очень просто сказать: от того, что вы видите, до того, как это сделать, но это очень просто. трудно правильно установить правила. сложные задачи требуют от многих инженеров-людей как можно большего обдумывания всех возможностей, и у этого метода есть верхний предел.
в отличие от традиционных интеллектуальных систем помощи при вождении, основанных на правилах, комплексные решения для автономного вождения означают, что весь процесс от восприятия до управления обрабатывается с помощью передовых алгоритмов и технологий глубокого обучения.
применение комплексных технологий в автономном вождении превратило первоначальную архитектуру множества моделей, таких как восприятие, прогнозирование и планирование, в единую модель архитектуры «интегрированного восприятия и принятия решений».
отчет об исследовании, опубликованный cinda securities, показывает, что «сквозной» термин относится к вводу информации об окружающей среде, такой как изображения, на одном конце, модели многослойной нейронной сети, похожей на «черный ящик» посередине, и прямой вывод рулевого управления, торможения, ускорения и т. д. на другом конце.
по сравнению с традиционной архитектурой подмодулей, управляемой правилами, сквозная реализация принесет ряд преимуществ: глобальная оптимизация задач полностью основана на данных, с лучшими и быстрыми возможностями исправления ошибок, что может еще больше снизить потери; передача информации между модулями, задержка и избыточность, предотвращение накопления ошибок, повышение эффективности вычислений, от основанного на правилах (на основе правил) до обучения (на основе обучения), с возможностью обучения с нулевой выборкой, способен противостоять неизвестным сценариям. более сильные навыки принятия решений.
благодаря поддержке комплексных больших моделей интеллектуальные системы вождения могут ускорить итерацию и прогресс. в качестве примера возьмем xngp компании xiaopeng. после применения сквозной большой модели ее нейронная сеть «три сети в одной» + большая модель управления xplanner + большая языковая модель искусственного интеллекта xbrain может выполнять итерацию каждые 2 дня с интеллектуальными возможностями управления. 18 месяцев улучшенные в 30 раз возможности системы данных и архитектура нейронной сети позволяют обеспечить быструю диагностику и решить сложные проблемы за считанные часы.
с выходом на дороги комплексной крупномасштабной модели tesla маршруты интеллектуальных технологий вождения китайских автомобильных компаний также начнут претерпевать значительные изменения в 2024 году.
в последние несколько лет большая часть споров по поводу технического маршрута интеллектуальных систем помощи при вождении китайских автомобильных компаний сосредоточилась на визуальном восприятии и восприятии слияния. конкуренция на терминале больше связана с скоростью и количеством открытых городов. в начале 2024 года такие компании, как huawei и xiaopeng, все еще конкурируют за высокоточную графику и настоящую «доступность по всей стране».
после установки на автомобиль комплексной большой модели способность к обобщению интеллектуальной системы помощи при вождении значительно улучшается, а важность проверки и разработки в одном регионе снижается. в то же время сквозное соединение ослабило прежнее различие между восприятием, планированием, принятием решений, контролем и другими модулями. многие автомобильные компании также начали перенастраивать организационную структуру групп автономного вождения в зависимости от потребностей. сквозных больших моделей.
в конце 2023 года компания ideal внесла коррективы в организационную структуру команды интеллектуального вождения. в ходе этой корректировки компания ideal реорганизовала большую модель в команду и передала ее в состав группы по исследованию и разработке интерфейсных алгоритмов, которая несет общую ответственность за работу. исследования, разработки и внедрение комплексной архитектуры автомобиля в 2024 году вейлай создал отдел больших моделей, отдел архитектуры и программ развертывания и отдел пространственно-временной информации, а также упразднил первоначальный отдел восприятия, отдел планирования и контроля, отдел окружающей среды. информационный отдел и отдел реализации программ.
хотя запуск комплексных автомобилей идет полным ходом, большинство китайских автомобильных компаний еще не достигли теоретического «однорежимного» комплексного интеллектуального вождения.
технический директор компании по автономному вождению сообщил журналистам, что применение сквозной модели интеллектуального вождения можно разделить на два этапа: первый этап представляет собой двухмодельное решение, которое состоит из сквозного восприятия и сквозное регулирование. это более распространенное направление, используемое в настоящее время в отрасли, второй этап - одномодельное решение. большая модель решает проблему ввода информации в процесс принятия решений, что ближе к решению. однако это направление относительно сложное и, по оценкам, займет 3 года. для получения некоторых крупномасштабных приложений потребуется 5 лет.
в настоящее время в отрасли в целом считают, что разрыв в результатах исследований и разработок между отечественными автомобильными компаниями и tesla составляет около 1,5–2 лет. гу цзюньли, заместитель генерального директора chery automobile co., ltd., считает, что для того, чтобы догнать tesla с точки зрения бизнес-модели, необходимо масштабировать продукцию. «когда данные tesla достигают уровня более одного миллиона, благодаря интенсивному обучению модели умное вождение может изучить видеопоток и напрямую сообщить водителю направление движения, как сказал популярный в настоящее время chatgpt».
есть ли у oem-производителей и поставщиков различия в маршрутах?
в то время как многие автомобильные компании одну за другой запускают комплексные крупномасштабные модели и проповедуют, что ожидается наступление эры автономного вождения, многие поставщики, специализирующиеся на автономном вождении, высказывают разные мнения.
«после того, как tesla запустила сквозную fsd, возникли некоторые проблемы. машину всегда легко выехать на обочину, особенно ночью. иногда она царапается, а иногда прямо наезжает на обочину и сглаживает хоу конг сообщил журналистам, что и в соединенных штатах waymo не внедрила комплексную крупномасштабную модель, но смогла реализовать беспилотные операции роботакси во многих городах, и реакция пользователей была неоднозначной. довольно хорошо.
сквозная большая модель сама по себе не является новой технологией, добившейся прорыва в последние годы.
«до появления глубокого обучения примерно в 2010 году это называлось алгоритмом анализа модели. в то время мы занимались обнаружением пешеходов в университете цинхуа, и нам нужно было извлечь из изображения некоторую информацию о характеристиках, например кривизну плеч человека. цвет глаз и т. д. эти особенности суммируются с помощью человеческих сил, то есть на основе правил, и после глубокого обучения мы вводим изображение и позволяем глубокому обучению изучать различные характеристики. каждого человека обучаются посредством глубокого обучения, а не человеческой силы. это одно и то же, оно основано на обучении». хоу цун сказал репортерам, что эта система, как и нынешняя комплексная интеллектуальная помощь при вождении, требует. поддержка массивных данных.
это также считается одним из важных факторов конкуренции автомобильных компаний в выборе комплексных крупных моделей.
по сравнению с поставщиками систем автономного вождения l4, которые управляют тестовым парком из более чем сотни автомобилей, автомобильные компании обычно имеют сотни тысяч или даже миллионы продуктов, ездящих по дорогам. пользователи могут генерировать огромные объемы данных во время вождения, что помогает автомобильным компаниям. приходят, чтобы обучить свои собственные комплексные интеллектуальные системы вождения, чтобы помочь системе достичь быстрой итерации.
кроме того, донг цзюнь, инженер поставщика интеллектуальной системы помощи при вождении l2+, рассказал журналистам, что поставщикам сложно превратить комплексное интеллектуальное вождение в стандартизированный продукт, изменения в форме кузова, изменения в положениях установки датчиков; и т. д., всю систему. модель необходимо переобучить, что требует больше затрат и времени и неэффективно.
значение комплексной крупномасштабной модели помощи при вождении l2 состоит в том, чтобы ускорить темпы городского развития и ускорить реализацию принципа «его можно использовать по всей стране», как упоминают автомобильные компании. но для компаний с автономным вождением уровня l4 сквозная большая модель также может снизить зависимость системы от высокоточных карт на начальном этапе работы, позволяя компании быстрее расширять объем операций, но на середине; и на поздних стадиях эксплуатации. высокоточные карты по-прежнему имеют важное значение и могут еще больше повысить надежность, безопасность и плавность работы систем автономного вождения.
с другой стороны, по сравнению с автомобильными компаниями, которые достигли прибыльности, такими как tesla и ideal, большинство компаний по автономному вождению в настоящее время полагаются в основном на финансирование. размещение комплексной большой модели на шине требует не только огромных объемов данных, но и больших капитальных вложений.
«в будущем интеллектуальное вождение перешло на стадию l4, а данные и вычислительная мощность растут в геометрической прогрессии каждый год, а это означает, что каждый год потребуется не менее 1 миллиарда долларов сша, а через 5 лет потребуется непрерывная итерация. на этом уровне требуется не менее 1 миллиарда долларов сша. «о рентабельности компании» рассказал журналистам лан сяньпэн, вице-президент по исследованиям и разработкам в области интеллектуального вождения li auto.
ся ипин, генеральный директор jiyue automobile, считает, что 20 миллиардов юаней когда-то считались финансовым порогом для создания автомобиля, но теперь компании не могут заниматься разумным вождением без 50 миллиардов юаней.
что еще более важно, для компаний, занимающихся автономным вождением, таких как waymo и pony.ai, которые стремятся реализовать l4 robotaxi, их соображения по поводу веса, стоимости и т. д. системы сильно отличаются от взглядов oem-производителей.
в отличие от помощи при вождении уровня l2, при автономном вождении уровня l3 и выше основная ответственность за аварии будет переложена на транспортное средство, что предъявляет чрезвычайно высокие требования к устойчивости и безопасности системы автономного вождения. невозможность интерпретации сквозного черного ящика большой модели несет определенные риски для системы автономного вождения.
«автомобильные компании последовательно запускают комплексные крупномасштабные модели интеллектуального вождения и активно их продвигают. основная задача – создать дифференциацию и продавать автомобили», – сказал донг цзюнь.
хоу сяоди заявил в интервью средствам массовой информации, что если в fsd tesla произойдет авария, водитель по-прежнему будет нести ответственность. tesla требует, чтобы водитель всегда держал руки на руле. авария не имеет никакого отношения к tesla. кроме того, бизнес tesla — это продажа автомобилей, а fsd — это добавленная стоимость от продажи автомобилей. если вы хотите подумать о том, как продать больше автомобилей, вы не можете глубоко вникать в ограниченную область, такую как l4, и решать все угловые случаи (экстремальные ситуации) в этой области.
хоу цун и другие собеседники из компаний, занимающихся автономным вождением, отметили, что автономное вождение l4 требует 100% безопасности и не может смириться с необъяснимостью и неопределенностью, приносимыми сквозным «черным ящиком». кроме того, между l2 и l4 существуют огромные различия в бизнес-логике.
для oem-производителей продажа автомобилей является их основным бизнесом, а затраты определяют прибыль и рыночную конкурентоспособность. поэтому они не могут обеспечить слишком большую избыточность безопасности в своей продукции, а l4 robotaxi больше ориентирована на эксплуатацию и будет основным бизнесом в течение длительного времени. бизнес компании b в основном является бизнесом и не будет напрямую обслуживать потребителей. поэтому соответствующим компаниям необходимо учитывать не только автомобили, но и различные ситуации в эксплуатации транспортных средств.
«например, что делать, если машина застряла, что делать, если оборудование сломалось, что делать, если произошла авария, это требует большей избыточности, и tesla не может зарезервировать много избыточности, как waymo, потому что два бизнес-логика другая», — сказал хоу цун.
обеспечивает ли мировая модель автономное вождение?
несмотря на различия, многие технические специалисты компаний, занимающихся автономным вождением, в интервью согласились, что комплексные крупномасштабные модели можно использовать для улучшения возможностей современных автомобильных интеллектуальных систем помощи при вождении. многие специалисты говорят, что сквозная большая модель представляет собой «качели». установка сквозной большой модели на автомобиль может увеличить верхний предел возможностей интеллектуальной системы помощи при вождении, но также снизит ее. нижний предел производительности системы.
«сквозная большая модель обучается на основе вероятностной модели. одна из проблем, с которой она сталкивается, заключается в том, что для относительно простых и легко описываемых сценариев ее выходные данные часто не столь точны, а итоговая прибыль относительно низка; тесла сделано довольно много в этой области. неплохо, но эта проблема не решена полностью. мы считаем, что при нынешнем недостатке достаточных данных нам все равно необходимо постепенно внедрять сквозную, модульную замену, и полная комплексность при обеспечении безопасности. эта относительно надежная инженерная инфраструктура и метод быстрой итерации могут постепенно повысить верхний предел производительности системы, обеспечивая при этом нижний предел производительности системы», — сказал президент horizon чэнь лимин.
сквозная большая модель управляется данными. входная часть — это данные датчиков, а выходная часть — управление принятием решений. однако середина совершенно необъяснима. и его часто сравнивают с черным ящиком.
хоу цун считает, что нынешнее комплексное интеллектуальное вождение крупных моделей и предыдущее интеллектуальное вождение, основанное на правилах, в чем-то похожи на процесс производства автомобилей: «раньше при производстве автомобилей автомобильные компании покупали детали у разных компаний и затем покупали детали. объединить их, с одной стороны, облегчает закупки и рассредоточивает поставщиков, что снижает вероятность «застревания», с другой стороны, его легко обслуживать и можно починить все, что сломалось. то же самое касается и многомодуля; преимущество автономного вождения в том, что можно лучше определить проблему и решить ее».
если взять в качестве примера традиционное многомодульное автономное вождение, то если во время тестирования возникнет проблема с системой, сотрудники отдела исследований и разработок могут найти ошибку в соответствующем разделе и исправить ее в зависимости от ситуации. но для черных ящиков, таких как сквозные большие модели, разработчики могут только обучать стратегию, переобучать или изменять модель, но изменять параметры в «черном ящике». по мере обновления и итерации системы, чем сложнее проблемы, которые она решает, тем больше инвестиций требуется. это устанавливает более высокий порог для сквозных больших моделей.
с другой стороны, сквозные большие модели управляются данными, но большие объемы данных не обязательно могут привести к положительным улучшениям в системе.
сяо бо, руководитель команды искусственного интеллекта pony.ai, считает, что даже если алгоритм очень хорош и обучение системы очень хорошее, способности, полученные на основе массивных данных о вождении человека, почти соответствуют уровню вождения среднего человека, чего достаточно. чтобы справиться с уровнем l2, интеллектуальная помощь при вождении, но автономное вождение l4 или выше должно иметь в 10 или более раз больше возможностей, чем водитель-человек, и этой модели недостаточно для его поддержки.
в тот момент, когда сквозные модели демонстрируют стремительную тенденцию популяризации, отечественные автомобильные компании и поставщики снова предложили новую концепцию «мировой модели». лу тяньчэн считает, что мировая модель — это лучшее и самое важное в настоящее время, и понимает ее как единственное решение для автономного вождения.
модель мира можно понимать как симуляцию и моделирование реального мира, которая может достоверно и точно восстанавливать изменения в сценах, таких как пересечения. например, траектория движения пешеходов, блокируемая при обнаружении зонда-призрака; реакция пешеходов и других транспортных средств в момент столкновения транспортных средств и даже такие детали, как замедление человека при беге, может достигать ускорения силы тяжести; в то же время мировая модель также является системой оценки, которая оценивает производительность системы автономного вождения и может определить, кто лучше между системой а и системой б.
ранее свои «мировые модели» последовательно выпускали такие автомобильные компании, как weilai и ideal.
жэнь шаоцин, вице-президент по автономному вождению в weilai, сказал: «по сравнению с традиционными сквозными моделями, новая модель мира имеет три основных преимущества, которые, по нашему мнению, имеют три основных преимущества. датчики. таким образом, информация извлекается в более широком смысле. с помощью авторегрессионной модели автоматически моделируются долгосрочные среды. в-третьих, тысячи миров требуют больше данных. благодаря самоконтролю нет необходимости в ручном аннотации. многомерный самоанализ создает модельные структуры, которые позволяют нам лучше учиться».
лу тяньчэн считает, что модель мира можно понимать как «тренер», смоделированный людьми. для системы l2 его навыки вождения эквивалентны способностям опытного водителя, для системы l4 его уровень вождения намного выше, чем у системы l4; человек-водитель он приходит обучать интеллектуальную систему вождения, и результаты определенно будут лучше, чем у людей-водителей.
несмотря на то, что до сих пор существуют разногласия, большинство опрошенных по-прежнему считают, что на этапе интеллектуальной помощи при вождении l2 сквозные большие модели действительно могут улучшить верхний предел производительности связанных систем. с чем не согласны большинство сотрудников компаний, занимающихся автономным вождением уровня 4, так это с тем, что tesla, xpeng и другие автомобильные компании рекламируют, что их продукты основаны на интеллектуальном вождении уровня 2 с поддержкой сквозных технологий, и даже достигают уровня l4 на уровне l2. аппаратный уровень возможностей автономного вождения.
«на данном этапе автомобильные компании всесторонне развиваются и превращаются в передовую технологию, ведущую к автономному вождению. причина этого в основном в том, чтобы продавать больше автомобилей», — сказал дон джун.
(эта статья взята из china business news)
