noticias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Después de que el taxi autónomo de Baidu "Carrot Run" salió del círculo, la conducción autónoma parece haber llegado realmente a la gente común. Sin embargo, en opinión de la mayoría de los profesionales, el actual L4 Robotaxi o los sistemas inteligentes de asistencia a la conducción para vehículos eléctricos inteligentes aún están lejos de ser fáciles de usar y comercializar a gran escala.

"En la actualidad, vemos que la mayoría de los NOA actuales en las zonas urbanas todavía se encuentran en la etapa utilizable y aún no han alcanzado la etapa de fácil uso. Los principales problemas siguen siendo la baja eficiencia del tráfico y el comportamiento impersonal. El rápido aumento en el número "La falta de cobertura urbana por parte de las empresas de automóviles ha provocado una disminución en la disponibilidad del sistema. La tasa es baja. Un sistema Smart Driving 2.0 verdaderamente fácil de usar debe proporcionar una experiencia de conducción inteligente antropomórfica, Chen Liming, dijo en la reciente conferencia 2024 China. Automobile Forum que la conducción autónoma marcará el comienzo del momento ChatGPT.

A principios de 2023, Tesla afirmó haber adoptado un modelo a gran escala completamente completo de la versión V12 de FSD, lo que desencadenó extensas discusiones en la industria, posteriormente, empresas automotrices como Xpeng y Weilai, así como proveedores; Empresas como Horizon y Yuanrong Qixing anunciaron sucesivamente que implementarían un sistema de conducción inteligente de extremo a extremo.

Recientemente, Chentao Capital y tres partes publicaron el "Informe de investigación de la industria de conducción autónoma de extremo a extremo" (en lo sucesivo, el "Informe" El "Informe" muestra que entre los más de 30 expertos de primera línea en el sector autónomo). Industria impulsora entrevistada por ella, el 90% Dijo que la empresa para la que trabaja ha invertido en investigación y desarrollo de tecnología de extremo a extremo, y la mayoría de las empresas de tecnología creen que es insoportable perderse esta revolución tecnológica.

Yu Qian, cofundador y director ejecutivo de Qingzhou Zhihang, cree que la reciente tecnología de extremo a extremo ha marcado una tendencia clara en la evolución de la tecnología de conducción inteligente.

La información pública muestra que de extremo a extremo es un concepto de aprendizaje profundo, que se refiere a un modelo de inteligencia artificial que puede generar el resultado final siempre que se ingresen los datos originales. Un ejemplo típico es el popular ChatGPT. La aplicación de tecnología de extremo a extremo en la conducción autónoma ha transformado la arquitectura original de múltiples modelos, como percepción, predicción y planificación, en una arquitectura de modelo único de "percepción y toma de decisiones integradas". En términos sencillos, en el pasado, las rutas de conducción autónoma eran como varias personas conduciendo un automóvil, pero la tecnología de extremo a extremo es la conducción de una sola persona, lo que se acerca más a la conducción humana real.

"El modelo grande de extremo a extremo se entrena sobre la base de un modelo probabilístico. Un problema es que para escenarios relativamente simples y fáciles de describir, su resultado a menudo no es tan preciso y el resultado final es relativamente bajo; Tesla Ha hecho mucho en esta área. No está mal, pero este problema no se ha resuelto por completo. Creemos que, dada la falta actual de datos suficientes, todavía necesitamos implementar gradualmente el reemplazo de módulo por módulo. completo de extremo a extremo garantizando al mismo tiempo la seguridad. Una infraestructura de ingeniería relativamente sólida y un método de iteración rápida pueden aumentar gradualmente el límite superior del rendimiento del sistema y al mismo tiempo garantizar el límite inferior del rendimiento del sistema", afirmó Chen Liming.

El CTO de Saiko Intelligent, Yu Qiankun, dijo a los periodistas que la aplicación de conducción inteligente modelo de extremo a extremo se puede dividir en dos etapas: la primera etapa es la solución de dos modelos, que es una dirección más común en la industria en la actualidad, pero dos- modelo Debido a que hay una salida explícita en el medio, inevitablemente habrá cierta pérdida de información en la solución del modelo, lo que dificulta el uso completo de la información del sensor. La segunda etapa es la solución de un solo modelo, que es uno; Solución de dos pasos Actualmente, muchas personas están realizando investigaciones preliminares, que están más cerca de la dirección de AGI, pero esta dirección es relativamente difícil y se estima que no verá algunas aplicaciones a gran escala hasta dentro de 3 a 5 años. más tarde. Cabe señalar que muchas empresas automotrices no han renunciado por completo al tradicional "control de reglas" después de anunciar lanzamientos de vehículos "de principio a fin".

Un ingeniero de algoritmos de conducción autónoma de una empresa de automóviles dijo que debido a que los resultados generados por la red neuronal tienen un cierto grado de probabilidad, no hay garantía de que los resultados obtenidos sean absolutamente seguros. Por lo tanto, después de que se lance el modelo grande de extremo a extremo, el método de reglas seguirá siendo necesario. En la actualidad, la mayoría de los sistemas de conducción inteligentes de un extremo a otro todavía utilizan algunos métodos de reglas para realizar una verificación secundaria en la salida de la red neuronal.

Actualmente, la industria cree en general que la brecha en el progreso de la investigación y el desarrollo entre las empresas automotrices nacionales y Tesla es de aproximadamente 1,5 a 2 años. Gu Junli, subdirector general de Chery Automobile Co., Ltd., cree que para alcanzar a Tesla en términos de modelo de negocio, los productos deben ampliarse. "Cuando los datos alcanzan el nivel de Tesla de más de un millón, a través del entrenamiento intensivo del modelo, la conducción inteligente puede aprender la transmisión de video y decirle directamente al conductor la dirección de conducción, tal como dijo el actualmente popular ChatGPT".

En comparación con Tesla, que es casi el único en el extranjero, los sistemas de conducción inteligentes nacionales se encuentran en una etapa en la que están floreciendo cientos de flores. Es difícil conectar datos entre diferentes modelos y diferentes soluciones técnicas, lo que trae ciertas dificultades al final. -Fin del modelo a gran escala impulsado por datos.

Chen Liming dijo: "La dificultad que encontramos actualmente es que la arquitectura de muchos modelos y sensores, la disposición y adopción de sensores, etc. cambian constantemente. Aunque hemos recopilado muchos datos, no se acumulan en grandes cantidades. calidad y se puede utilizar de forma continua Sí, esta es una cuestión que debemos discutir no solo como empresa, sino como toda la industria. En otras palabras, cómo los OEM y las empresas de tecnología pueden trabajar juntos para resolver este problema es algo que todos debemos abordar. Necesitamos discutir juntos”.

Yu Qiankun también cree que las aplicaciones de ingeniería de extremo a extremo actualmente enfrentan problemas como una recopilación de datos deficiente, una reutilización deficiente de la recopilación de datos y una potencia informática de entrenamiento baja.