controversia de principio a fin: ¿es el fin de la conducción autónoma l4 o un festín de marketing?
2024-09-24
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
marcado por el lanzamiento por parte de tesla de la versión v12 del sistema de conducción inteligente fsd, la conducción inteligente ha entrado en la era de un extremo a otro de la noche a la mañana.
"se espera que las capacidades de límite inferior del modelo de extremo a extremo mejoren rápidamente el próximo año. una vez mejoradas, será posible superar el estándar l4 a nivel mundial en menos de 2 años", dijo el presidente de la conferencia hangzhou yunqi de 2024. xpeng motors he xiaopeng dijo que después de adoptar el modelo grande de extremo a extremo, el fsd de tesla es completamente diferente al anterior y puede ser mejor que los conductores humanos experimentados el próximo año.
xpeng motors fue una de las primeras empresas automotrices nacionales en seguir a tesla. a fines de julio de este año, xpeng motors comenzó a ofrecer a los usuarios el sistema de conducción inteligente xngp basado en el modelo grande de extremo a extremo. en septiembre de este año, empresas automotrices como huawei e ideal también comenzaron a impulsar a los usuarios los sistemas de conducción inteligentes correspondientes basados en modelos grandes de extremo a extremo, nio aplicó los modelos grandes de extremo a extremo al sistema aeb y los lanzó; su modelo mundial de desarrollo propio.
con la introducción de modelos a gran escala de extremo a extremo, las empresas automotrices se han vuelto cada vez más agresivas en su promoción de la conducción inteligente en ciudades abiertas y los mapas de alta precisión que alguna vez entusiasmaron a la gente ya no son populares. , están lanzando modelos de conducción inteligente puerta a puerta y se han agregado oficialmente al calendario sistemas de asistencia a la conducción puerta a puerta. xpeng motors incluso afirma que puede lograr una experiencia de usuario de conducción autónoma de nivel l3+ con el coste de hardware de la conducción inteligente de nivel l2.
durante un tiempo, los sistemas de conducción inteligentes que no tienen capacidades de extremo a extremo parecen haberse quedado atrás. "los coches inteligentes que no utilicen modelos grandes serán eliminados". he xiaopeng también dijo que todas las empresas de conducción autónoma l4 deberían cambiar a modelos grandes lo antes posible.
chentao capital y tres partes publicaron conjuntamente el "informe de investigación de la industria de la conducción autónoma de extremo a extremo" (en lo sucesivo, el "informe" muestra que entre los más de 30 expertos de primera línea en la conducción autónoma). en la industria entrevistada por él, el 90% dijo que la empresa para la que trabajo ha invertido en investigación y desarrollo de tecnología de extremo a extremo, y la mayoría de las empresas de tecnología creen que es inasequible perderse esta revolución tecnológica.
pero no todos los “jugadores” reconocen que el modelo grande de extremo a extremo es un disruptor del panorama actual de sistemas de conducción inteligente.
hou cong, cto de qingzhou zhihang, dijo a china business news que experimentó el sistema fsd v12.3 de tesla en los estados unidos. aunque ha logrado grandes avances con el fsd anterior de tesla, todavía es diferente de waymo robotaxi, que se centra en la regulación y. control. todavía hay una brecha clara. hou xiaodi, ex fundador de tusimple, pidió a la industria que la trate de manera racional y no basada en mitos de principio a fin.
en esta controversia tecnológica, los líderes de las empresas automotrices como musk y he xiaopeng apoyaron el extremo a extremo, mientras que los ejecutivos de las empresas de conducción inteligente l4 como hou cong, hou xiaodi y lou tiancheng (cto de pony.ai) creían que el extremo de extremo a extremo el modelo grande de extremo a extremo no puede actualizar técnicamente directamente la asistencia a la conducción inteligente l2 a la conducción autónoma l4.
el "informe" también muestra que debido a que la tecnología actual aún se encuentra en las primeras etapas de desarrollo, todavía hay muchas dificultades de aplicación y puntos débiles que deben resolverse en el modelo a gran escala de un extremo a otro, como grandes diferencias. en rutas técnicas, grandes requisitos de datos y potencia informática, y métodos de prueba y verificación insuficientes, gran inversión en recursos, etc.
en el camino hacia el fin de la conducción autónoma, el modelo grande de extremo a extremo también se ha convertido en otra controversia en la ruta técnica después de la percepción visual pura, la percepción de fusión de radar, etc.
¿tesla vuelve a liderar el cambio tecnológico?
a partir de la fundición a presión integrada, la integración del cuerpo de la batería y otras tecnologías, tesla se ha convertido en el punto de referencia de la industria para la tecnología de vehículos de nueva energía. se considera que muchas empresas automovilísticas chinas están "cruzando el río tocando a tesla". con modelos de gran escala en las carreteras, tesla ha vuelto a liderar la revolución en los vehículos de nueva energía.
antes de colocar el modelo grande de extremo a extremo en el automóvil, el sistema inteligente de asistencia a la conducción se divide principalmente en múltiples módulos, como percepción, planificación, toma de decisiones y control, que se utilizan principalmente en la percepción. planificación, etc., pero los módulos se componen principalmente de reglas escritas a mano. para definirlo, se llama "basado en reglas".
sin embargo, en el funcionamiento real del sistema, los vehículos a menudo encuentran interminables casos de coner (problemas de cola larga). para resolver estos problemas, los ingenieros necesitan escribir códigos y establecer reglas basadas en escenarios específicos. en este modo, los sistemas de asistencia a la conducción inteligente o de conducción autónoma a menudo requieren la introducción manual de una gran cantidad de reglas.
wu xinzhou, vicepresidente global de nvidia y jefe de la división de automoción, cree que la mayoría de los algoritmos existentes para la conducción autónoma se basan en reglas. es muy sencillo de decir, desde lo que ves hasta cómo hacerlo, pero es muy sencillo. es difícil establecer reglas bien. las cosas difíciles requieren que muchos ingenieros humanos piensen en todas las posibilidades tanto como sea posible, y este método tiene un límite superior.
a diferencia de los sistemas tradicionales de asistencia a la conducción inteligente basados en reglas, las soluciones de conducción autónoma de extremo a extremo significan que todo el proceso, desde la percepción hasta el control, se procesa a través de algoritmos avanzados y tecnología de aprendizaje profundo.
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".
un informe de investigación publicado por cinda securities muestra que "de extremo a extremo" se refiere a la entrada de información de datos ambientales, como imágenes en un extremo, un modelo de red neuronal multicapa similar a una "caja negra" en el medio y la salida directa de instrucciones de dirección, frenado, aceleración, etc. en el otro extremo.
en comparación con la arquitectura tradicional de submódulos basada en reglas, la implementación de un extremo a otro traerá una serie de ventajas: la optimización de tareas globales se basa completamente en datos y tiene capacidades de corrección de errores mejores y más rápidas que pueden reducir aún más la pérdida; de información entre módulos, pérdida de transmisión, retraso y redundancia, evita la acumulación de errores, mejora la eficiencia informática, desde basado en reglas (basado en reglas) hasta basado en aprendizaje (basado en aprendizaje), con capacidad de aprendizaje de muestra cero; capaz de afrontar escenarios desconocidos. mayor capacidad de toma de decisiones.
con el apoyo de modelos grandes de extremo a extremo, los sistemas de conducción inteligentes pueden lograr iteraciones y avances más rápidos. tomemos como ejemplo el xngp de xiaopeng. después de aplicar el modelo grande de extremo a extremo, su red neuronal de tres redes en uno xnet + modelo de control grande xplanner + modelo de lenguaje grande ai xbrain puede iterar cada 2 días, con capacidades de conducción inteligente. de 18 meses mejorado en 30 veces, las capacidades del sistema de datos y la arquitectura de red neuronal pueden lograr un diagnóstico rápido y resolver problemas de cola larga en horas.
con el modelo integral a gran escala de tesla en circulación, las rutas de tecnología de conducción inteligente de las compañías automotrices chinas también comenzarán a sufrir cambios significativos en 2024.
en los últimos años, la mayor parte de la controversia sobre la ruta técnica de los sistemas inteligentes de asistencia a la conducción de las empresas automotrices chinas se ha centrado en la percepción visual y la percepción de fusión. la competencia en la terminal se trata más de la velocidad y el número de ciudades abiertas. a principios de 2024, empresas como huawei y xiaopeng todavía compiten por gráficos de alta precisión y verdaderamente "disponibles en todo el país".
una vez que se coloca en el automóvil el modelo grande de extremo a extremo, la capacidad de generalización del sistema inteligente de asistencia a la conducción mejora enormemente y disminuye la importancia de la verificación y el desarrollo en una sola región. al mismo tiempo, de principio a fin se ha debilitado la distinción anterior entre percepción, planificación, toma de decisiones, control y otros módulos. muchas empresas de automóviles también han comenzado a reajustar la estructura organizativa de los equipos de conducción autónoma en función de las necesidades. de modelos grandes de extremo a extremo.
a finales de 2023, ideal realizó un ajuste de la estructura organizativa del equipo de conducción inteligente. en este ajuste, ideal reorganizó el modelo grande en un equipo y lo colocó bajo el equipo de investigación y desarrollo de algoritmos front-end, que es el responsable general del equipo. investigación, desarrollo e implementación de la arquitectura de extremo a extremo del automóvil; en 2024, weilai estableció el departamento de modelos grandes, el departamento de programas y arquitectura de despliegue y el departamento de información espaciotemporal, y canceló el departamento de percepción, el departamento de planificación y control ambiental originales. departamento de información y departamento de entrega de programas.
aunque los lanzamientos de automóviles de extremo a extremo están en pleno apogeo, la mayoría de las empresas automotrices chinas aún no han logrado la conducción inteligente teórica de un solo modo de extremo a extremo.
el cto de una empresa de conducción autónoma dijo a los periodistas que la aplicación de conducción inteligente del modelo de extremo a extremo se puede dividir en dos etapas: la primera etapa es una solución de dos modelos, que consiste en una percepción de un extremo a otro y una regulación de extremo a extremo. esta es una dirección más convencional que se utiliza actualmente en la industria; la segunda etapa es la solución de un modelo grande que resuelve el problema de la entrada de información a la salida de la toma de decisiones. dirección de agi sin embargo, esta dirección es relativamente difícil y se estima que llevará 3 años -se necesitarán 5 años para obtener algunas aplicaciones a gran escala.
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".
¿los oem y los proveedores tienen diferencias de ruta?
si bien muchas empresas de automóviles están lanzando modelos completos a gran escala uno tras otro y predicando que se espera que llegue la era de la conducción autónoma, muchos proveedores que se centran en la conducción autónoma han expresado voces diferentes.
"después de que tesla lanzó el fsd de extremo a extremo, surgieron algunos problemas. siempre es fácil colocar el automóvil en el arcén de la carretera, especialmente de noche. a veces se raya y otras veces corre directamente hacia el arcén de la carretera y aplana el neumático". hou cong dijo a los periodistas que también en los estados unidos, waymo no ha adoptado un modelo a gran escala de extremo a extremo, pero ha podido implementar operaciones robotaxi no tripuladas en múltiples ciudades, y la respuesta de los usuarios ha sido bastante bueno.
el modelo grande de extremo a extremo en sí no es una tecnología nueva que haya logrado avances en los últimos años.
“antes de la aparición del aprendizaje profundo alrededor de 2010, se llamaba algoritmo de análisis de modelos. en ese momento, detectábamos peatones en la universidad de tsinghua y necesitábamos extraer cierta información característica de la imagen, como la curvatura de los hombros de la persona. el color de los ojos, etc. estas características son lo que resumimos mediante el poder humano, es decir, basado en reglas y después del aprendizaje profundo, ingresamos la imagen y dejamos que el aprendizaje profundo aprenda de forma independiente. "las cosas de cada persona se aprenden mediante el aprendizaje profundo, no definido por el poder humano. es lo mismo de un extremo a otro, se basa en el aprendizaje". hou cong dijo a los periodistas que este sistema, al igual que la actual asistencia a la conducción inteligente de un extremo a otro, requiere. soporte masivo de datos.
este también se considera uno de los factores importantes para que las empresas de automóviles compitan en la elección de modelos grandes de principio a fin.
en comparación con los proveedores de conducción autónoma l4 que solo operan una flota de prueba de más de cien vehículos, las empresas de automóviles suelen tener cientos de miles o incluso millones de productos en la carretera. los usuarios pueden generar cantidades masivas de datos durante la conducción, lo que ayuda a las empresas de automóviles. vienen a entrenar sus propios sistemas de conducción inteligentes de extremo a extremo para ayudar al sistema a lograr una iteración rápida.
además, dong jun, ingeniero de un proveedor de sistemas de asistencia a la conducción inteligente l2+, dijo a los periodistas que para los proveedores, es difícil que la conducción inteligente de extremo a extremo se convierta en un producto estandarizado: cambios en la forma de la carrocería, cambios en las posiciones de instalación de los sensores; , etc., todo el sistema el modelo necesita ser reentrenado, lo que requiere más costo y tiempo y es ineficiente.
la importancia del modelo integral a gran escala de asistencia a la conducción l2 es acelerar la velocidad del desarrollo urbano y acelerar la realización de "que se pueda conducir en todo el país", como lo mencionan las empresas de automóviles. pero para las empresas de conducción autónoma de nivel l4, el modelo grande de extremo a extremo también puede reducir la dependencia del sistema de mapas de alta precisión en la etapa inicial de operación, lo que permite a la empresa expandir el alcance de las operaciones más rápido pero en el medio; y en las últimas etapas de operación, los mapas de alta precisión aún tienen un impacto importante y pueden mejorar aún más la confiabilidad, seguridad y suavidad de los sistemas de conducción autónoma.
por otro lado, en comparación con las empresas automotrices que han logrado rentabilidad como tesla e ideal, la mayoría de las empresas de conducción autónoma dependen actualmente principalmente de la financiación. poner un modelo grande de extremo a extremo en el autobús requiere no sólo una gran cantidad de datos, sino también una gran cantidad de inversión de capital.
"en el futuro, la conducción inteligente ha entrado en la etapa l4, y los datos y la potencia informática crecen exponencialmente cada año, lo que significa que se necesitan al menos mil millones de dólares cada año y se requiere una iteración continua después de 5 años. en este nivel , la rentabilidad de una empresa ", dijo a los periodistas lang xianpeng, vicepresidente de investigación y desarrollo de conducción inteligente de li auto.
xia yiping, director ejecutivo de jiyue automobile, cree que alguna vez se reconoció que 20 mil millones de yuanes eran el umbral financiero para construir un automóvil, pero ahora las empresas no pueden conducir de manera inteligente sin 50 mil millones de yuanes.
más importante aún, para las empresas de conducción autónoma como waymo y pony.ai que pretenden realizar l4 robotaxi, sus consideraciones sobre el peso, el costo, etc. del sistema son enormemente diferentes de las de los oem.
a diferencia de la asistencia a la conducción l2, para la conducción autónoma l3 y superiores, la responsabilidad principal de los accidentes se transferirá al vehículo, lo que impone requisitos extremadamente altos a la estabilidad y seguridad del sistema de conducción autónoma. la ininterpretabilidad de la caja negra del modelo grande de extremo a extremo conlleva ciertos riesgos para el sistema de conducción autónoma.
"las compañías automotrices han lanzado sucesivamente modelos de conducción inteligente a gran escala de extremo a extremo y los han promocionado vigorosamente. el núcleo es crear diferenciación y vender automóviles", afirmó dong jun.
hou xiaodi dijo en una entrevista con los medios que si ocurre un accidente en el fsd de tesla, el conductor sigue siendo responsable. tesla requiere que el conductor mantenga las manos en el volante en todo momento. el accidente no tiene nada que ver con tesla; además, el negocio de tesla es la venta de automóviles y fsd es el valor agregado de la venta de automóviles. si desea considerar cómo vender más automóviles, no puede profundizar en un área limitada como l4 y resolver todos los casos extremos (situaciones extremas) en esta área.
hou cong y otros entrevistados de empresas de conducción autónoma señalaron que la conducción autónoma l4 requiere 100% de seguridad y no pueden aceptar la inexplicabilidad e incertidumbre que trae la "caja negra" de un extremo a otro. además, existen enormes diferencias en la lógica empresarial entre l2 y l4.
para los oem, la venta de automóviles es su negocio principal y los costos determinan las ganancias y la competitividad en el mercado. por lo tanto, no pueden disponer de demasiada redundancia de seguridad en sus productos y l4 robotaxi está más centrado en lo operativo y será el negocio principal durante mucho tiempo. para b, el negocio es principalmente comercial y no atenderá directamente a los consumidores. por lo tanto, las empresas relevantes deben considerar no solo los automóviles, sino también diversas situaciones en las operaciones de vehículos.
"por ejemplo, qué hacer si el automóvil se atasca, qué hacer si el hardware se rompe, qué hacer si ocurre un accidente, esto requiere más redundancia, y tesla no puede reservar mucha redundancia como waymo, porque los dos la lógica empresarial es diferente", afirmó hou cong.
¿el modelo mundial permite la conducción autónoma?
a pesar de las diferencias, muchos técnicos de empresas de conducción autónoma coincidieron en entrevistas en que se pueden utilizar modelos integrales a gran escala para mejorar las capacidades de los actuales sistemas inteligentes de asistencia a la conducción en automóviles. muchos profesionales dijeron que el modelo grande de extremo a extremo presenta un estado de "balancín". colocar el modelo grande de extremo a extremo en el automóvil puede aumentar el límite superior de las capacidades del sistema inteligente de asistencia a la conducción, pero también reducirá el límite. límite inferior del rendimiento del sistema.
"el modelo grande de extremo a extremo se entrena sobre la base de un modelo probabilístico. un problema que tiene 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 se 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 al tiempo que garantiza la seguridad. esta infraestructura de ingeniería relativamente sólida y el método de iteración rápida pueden aumentar gradualmente el límite superior del rendimiento del sistema al tiempo que garantiza el límite inferior del rendimiento del sistema", dijo el presidente de horizon, chen liming.
el modelo grande de un extremo a otro está impulsado por datos. el extremo de entrada son los datos de los sensores y el extremo de salida impulsa la toma de decisiones. sin embargo, el medio es muy inexplicable. y a menudo se le compara con una caja negra.
hou cong cree que la conducción inteligente actual de modelo grande de extremo a extremo y la conducción inteligente anterior basada en reglas son algo similares al proceso de producción de automóviles. “en el pasado, cuando fabricaban automóviles, las empresas automotrices compraban piezas de diferentes empresas y. juntarlos, por un lado, facilita la adquisición y dispersa a los proveedores, lo que hace que sea menos probable que se quede "atascado", por otro lado, es fácil de mantener y puede reparar cualquier cosa que esté rota. conducción autónoma la ventaja es que se puede definir mejor el problema, la resolución de problemas”.
tomando como ejemplo la conducción autónoma tradicional de múltiples módulos, si hay un problema con el sistema durante la prueba, el personal de i+d puede encontrar el error en la sección correspondiente y solucionarlo según la situación. pero para las cajas negras, como los modelos grandes de un extremo a otro, los desarrolladores solo pueden entrenar estrategias, volver a entrenar o modificar el modelo, pero modificar los parámetros en la "caja negra". y a medida que el sistema se actualiza y se repite, cuanto más difíciles son los problemas que resuelve, mayor es la inversión de costos que se requiere. esto establece un umbral más alto para los modelos grandes de extremo a extremo.
por otro lado, los grandes modelos de extremo a extremo se basan en datos, pero es posible que los datos masivos no necesariamente produzcan mejoras positivas en el sistema.
xiao bo, jefe del equipo de ia de pony.ai, cree que incluso si el algoritmo es muy bueno y el entrenamiento del sistema es muy bueno, la capacidad aprendida a partir de datos masivos de conducción humana es casi el nivel de la conducción humana promedio, lo cual es suficiente. para hacer frente al nivel l2 de asistencia a la conducción inteligente; pero la conducción autónoma l4 o superior debe tener 10 veces o más capacidades que un conductor humano, y este modelo no es suficiente para soportarlo.
justo cuando de principio a fin está mostrando una rápida tendencia de popularización, las empresas y proveedores de automóviles nacionales han propuesto una vez más un nuevo concepto de "modelo mundial". lou tiancheng cree que el modelo mundial es lo mejor y más importante en la actualidad, y lo entiende como la única solución a la conducción autónoma.
el modelo mundial puede entenderse como la simulación y el modelado del mundo real, que puede restaurar de manera verdadera y precisa cambios en escenas como las intersecciones. por ejemplo, la trayectoria de los peatones que se bloquea cuando se detecta una sonda fantasma; la reacción entre los peatones y otros vehículos en el momento de la colisión del vehículo e incluso detalles como la desaceleración de una persona al correr puede alcanzar la aceleración de la gravedad; al mismo tiempo, el modelo mundial también es un sistema de puntuación que evalúa el rendimiento del sistema de conducción autónoma y puede saber quién es mejor entre el sistema a y el sistema b.
anteriormente, empresas automovilísticas como weilai e ideal han lanzado sucesivamente sus "modelos mundiales".
ren shaoqing, vicepresidente de conducción autónoma de weilai, dijo: "en comparación con los modelos convencionales de extremo a extremo, creemos que el nuevo modelo mundial tiene tres ventajas principales. la primera es la comprensión espacial, a través de modelos generativos, a partir de reconstrucciones sensores de esta manera, la información se extrae de manera más general. a través del modelo autorregresivo, los entornos a largo plazo se modelan automáticamente. en tercer lugar, miles de mundos requieren más datos a través de la autosupervisión, no hay necesidad de anotaciones manuales. el autoanálisis dimensional genera estructuras modelo que nos permiten aprender mejor”.
lou tiancheng cree que el modelo mundial puede entenderse como un "entrenador" simulado por humanos. para el sistema l2, su capacidad de conducción es equivalente a la de un conductor experimentado; para el sistema l4, su nivel de conducción es mucho mayor que el de un conductor experimentado. un conductor humano viene a entrenar el sistema de conducción inteligente y los resultados definitivamente serán mejores que los de los conductores humanos.
aunque todavía existe controversia, la mayoría de los entrevistados todavía creen que en la etapa de asistencia a la conducción inteligente l2, los modelos grandes de extremo a extremo pueden mejorar el límite superior de rendimiento de los sistemas relacionados. lo que no está de acuerdo con la mayoría de los empleados de las empresas de conducción autónoma l4 es que tesla, xpeng y otras empresas automotrices han promocionado que sus productos se basan en la conducción inteligente l2 con el apoyo de tecnología de extremo a extremo, e incluso alcanzan l4 en la l2. nivel de hardware. capacidades de conducción autónoma.
"en esta etapa, las compañías automovilísticas están promocionando el concepto de extremo a extremo y transformándolo en una tecnología de vanguardia que conduzca a la conducción autónoma. la razón detrás de esto es principalmente vender más automóviles", dijo dong jun.
(este artículo proviene de china business news)
