自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(1)

InfoQ 获悉,9 月 13 日,中国自动驾驶创企毫末智行在 AI DAY 上公布了最新的技术成果和产品,包括:

选择走渐进式路线

自动驾驶行业一直有渐进式和跨越式两种路线的争论。自成立以来,毫末智行一直走的是渐进式发展路线。

毫末智行董事长张凯认为,辅助驾驶将是通向自动驾驶的必由之路。目前中国已成为全球智能汽车主战场,预计到 2025 年,高级别辅助驾驶搭载率超过 70%。在智能驾驶这一时代风口之下,“数据是驱动自动驾驶成熟的核心要义,渐进式路线是数据积累的最佳路径”越来越被行业所公认,成为自动驾驶公司的普遍发展方向。

自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(2)

他总结到,成立 3 年多来,公司突破了大规模、多车型自动驾驶量产难关,末端物流自动配送车技术成本难关,大规模数据处理及大模型应用难关这三大行业难关。

据介绍,在自动驾驶落地方面,截止到目前,搭载毫末 HPilot 产品的已有超过十款乘用车型量产落地,已经搭载上市车型包括魏牌摩卡、魏牌拿铁、魏牌玛奇朵、坦克 300、坦克 500、哈弗神兽、拿铁 DHT-PHEV 等。目前正在陆续交付中的车型有摩卡 DHT-PHEV 激光雷达版、欧拉闪电猫、欧拉芭蕾猫、全新一代长城炮等。

目前,毫末已具备异步并行开发超过 30 个智能驾驶项目。在智能驾驶产品流程化开发方面,毫末 2 个月内匹配完成,标定效率高;智能驾驶产品经过鲁棒性设计,达到 100%一次性过线率。

张凯还谈到了疫情对自动驾驶行业的影响。“2021 年底,我们预计 2022 年会是极端困难的一年。但经历过上半年的疫情和各种黑天鹅事件,我们发现,实际的情况比去年底的预测要更艰难。智能驾驶规模化的大考需要克服疫情、供应链、技术本身带来的重重挑战。”

今年 4 月,张凯立下了“2022 年要打赢三场战役”的Flag,即打赢“数据智能技术之战”、“辅助驾驶城市场景之战”、“末端无人物流车规模之战”。如今半年过去,进入目标攻坚期。接下来,张凯宣布将按照“五大制胜法则”去实现这个 Flag,并将在接下来的 4 个月冲刺年初定下的量产交付目标。

具体而言,这“五大制胜法则”是:智能驾驶产品开发始终将安全放在首位;产品体验“真香”才是王道;基于用户真实场景数据驱动,实现产品快速迭代;实现感知智能与认知智能高度一体化;以开放的心态赋能客户,促进行业共同进步。

自动驾驶进入数据驱动的 3.0 时代

自动驾驶是这几年 AI 行业最为热门的赛道。当下,自动驾驶技术研发具有哪些演进特点以及最新趋势?

毫末智行 CEO 顾维灏博士对当下自动驾驶领域的发展评论称,自动驾驶已经进入数据驱动的 3.0 时代。这一阶段呈现出如下几个发展趋势。

Attention 大模型是当前 AI 发展的新趋势,但由于其对算力的需求远远超出摩尔定律,由此带来了高算力需求、高训练成本、高落地难度等挑战。

毫末团队正在重点解决这些问题。据介绍,毫末正在通过低碳超算来降低自动驾驶成本,通过改进车端模型和芯片的设计来实现大模型的车端落地,通过数据的组织让大模型发挥更大效力。基于 Attention 大模型,自动驾驶需要大规模且多样性的训练数据,而基于大规模真实人驾数据的乘用车辅助驾驶,才有能力积累到足够规模和足够多样的数据。“我们有理由认为,辅助驾驶是通往自动驾驶的必由之路。因为只有辅助驾驶,才有能力积累到足够规模和足够多样的数据。”顾维灏表示。

“以数据驱动的自动驾驶 3.0 时代已经到来。”顾维灏表示,自动驾驶近十年的发展可分为硬件驱动、软件驱动、数据驱动三大时代。数据驱动时代,是完全不一样的时代,大模型 海量数据“双剑合璧”,数据开启自训练模式;感知技术上,用多模态传感器联合输出结果;认知技术上,以可解释的场景化驾驶常识为主;自动驾驶里程由硬件驱动、软件驱动时代的百万公里、上千万公里,直接飙升到了 1 亿公里以上。以数据驱动为核心,以上 4 个技术条件并行成立才能称为真正进入自动驾驶 3.0 时代。

毫末一直在为自动驾驶 3.0 时代做准备,在感知、认知、模式建设上,都按照数据驱动的方式建设。 据顾维灏介绍,毫末自 2021 年 6 月启动了针对 transformer 大模型的研究和落地尝试。经过一年多在训练平台改造升级、数据规格和标注方法的切换准备、针对感知、认知具体任务的模型细节探索等方面的实践,为毫末在城市导航辅助驾驶场景中的应用打下基础。

面向自动驾驶城市场景挑战,数据智能体系 MANA 升级

顾维灏还分享了毫末数据智能体系 MANA 在自动驾驶城市场景中面临的挑战与新功能升级。

顾维灏表示,城市道路主要存在“4 类场景难题、6 大技术挑战”。其中场景难题主要包括“城市道路养护频繁”“大型车辆密集”“变道空间狭窄”“城市环境多样”。

解决上述场景难题,技术层面面临六大挑战:如何在自动驾驶领域应用大模型,如何让数据发挥更大的价值,如何使用重感知技术解决现实空间理解问题,如何使用人类世界的交互接口,如何让仿真更真,如何让自动驾驶系统运动起来更像人。

为了应对上述挑战,MANA 感知智能、认知智能等方面推出了更新升级。

首先,MANA 通过使用大规模量产车无标注数据的自监督学习方法打造模型效果,相比只用少量标注样本训练,训练效果提升 3 倍以上,以更好适应自动驾驶各种感知任务需求。

自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(3)

其次,MANA 感知能力提升,让海量数据不再被区别对待。面对巨大数据规模下的“数据效率”难题,MANA 构建了增量式学习训练平台,抽取部分存量数据加上新数据组合成一个混合数据集。训练时要求新模型和旧模型的输出保持尽量一致,对新数据的拟合尽量好。相比常规做法,整体算力节省 80%,响应速度提升 6 倍。

自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(4)

第三,MANA 感知能力更强。通过使用时序的 transformer 模型在 BEV 空间上做了虚拟实时建图,使得感知车道线的输出更加准确和稳定,让城市导航自动驾驶告别高精地图依赖。

自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(5)

第四,MANA 感知能力更准,MANA 通过升级车上感知系统,对刹车灯、转向灯状态进行专门识别,让驾驶员在处理前车急刹、紧急切入等场景中更安全和舒适。

自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(6)

第五,MANA 认知能力也再次进化。面对路口这一城市最复杂场景,MANA 在仿真系统中引入了高价值的真实交通流场景,与浙江德清、阿里云合作,将路口这一城市最复杂场景引入仿真引擎,构建自动驾驶场景库,通过自动驾驶的真实仿真验证,时效性更高、微观交通流更真实,破解城市路口通过“老大难”问题。

自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(7)

现场,毫末联合浙江德清、阿里云发布“中国首个基于车路协同云服务的大规模自动驾驶场景库”,这是一个使用真实交通数据生成、满足数据合规要求的自动驾驶场景库,将进一步加速自动驾驶成熟度提升以及车路云协同发展。

第六,MANA 认知智能迎来新阶段。通过对覆盖全国的海量人类驾驶进行深度理解,学习常识和动作拟人化,使得毫末辅助驾驶决策更像人类实际驾驶行为,可结合实际情况选择最优路线保证安全,体感更像老司机。

基于对自动驾驶 3.0 时代的观察,以及大模型训练对算力的巨大消耗需求,毫末在现场还正式宣布推出毫末超算中心。“如何提升训练效率降低训练成本,实现低碳计算,是自动驾驶走进千家万户的一个关键门槛。”顾维灏表示,毫末超算中心的目标是满足千亿参数大模型,训练数据规模 100 万 clips,整体训练成本降低 200 倍。

毫末城市 NOH 计划 9 月量产

在 2022 年 8 月的成都车展上,魏牌宣布搭载毫末城市 NOH 的全新摩卡 DHT-PHEV 激光雷达版,计划 9 月量产,年内发售,并且会实现上市即交付。

自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(8)

业界最关注的是自动驾驶功能是否能应对城市复杂的交通路况。毫末城市 NOH 采用“重感知、轻地图、大算力”技术路线,其 MANA 此次六大里程碑升级为城市 NOH 落地提速,具备智能识别交通灯、智能左右转、智能变道、智能躲避障碍物-静态、智能躲避障碍物-动态等五大亮点功能,接下来还将发布智慧交通流处理功能。

末端物流自动配送车“小魔驼 2.0”下线交付

末端物流自动配送车正越来越多的出现在街头巷尾,解决“最后一公里”的物流配送难题。

在政策、技术、市场等多方面因素助推下,行业正在迎来规模化爆发。今年 4 月,毫末发布了中国首款 10 万元级别的末端物流自动配送车产品——“毫末小魔驼 2.0”。

时隔 5 个月后,毫末宣布“毫末小魔驼 2.0”已下线交付。

自动驾驶技术开发课程介绍(详解毫末自动驾驶技术工程能力创新与应用实践)(9)

据张凯介绍,“毫末小魔驼 2.0”具备 L4 级自动驾驶、远程驾驶、低成本部署、车辆管理平台、远程监控平台、订单管理平台、微信小程序七大核心功能,确保了小魔驼 2.0 的低成本部署以及订单配送的高效执行。在商用化方面,单车售价 12.88 万,预计年产量一万台,可覆盖园区及城市开放道路。

张亚勤、贾扬清等 AI 科学家分享自动驾驶观点

HAOMO AI DAY 上,中国工程院院士、清华大学教授、清华智能产业研究院(AIR)院长张亚勤,阿里巴巴集团副总裁、阿里云计算平台负责人贾扬清、寒武纪 CEO 陈天石等 AI 科学家分享了对自动驾驶发展情况的看法。

张亚勤表示,自动驾驶是未来 5 年 AI 领域极具挑战和复杂的任务,也是推动全球汽车工业变革的重要技术力量。“我认为自动驾驶是可以实现的,其在开放环境的长期运行还需要经受一系列的技术与社会接受度的挑战,以解决安全与可靠性问题。而在落地路径上,垂直领域自动驾驶将更快落地,并逐渐扩散布局到通用驾驶落地。”

贾扬清分享了他对自动驾驶领域 AI 工程化的思考。他表示,通过阿里与毫末在 AI 大计算和优化领域的创新与探索,看到了双方未来在 AI 大计算、云端协同和车路协同,以及更加宽泛的探索数据和 AI 的结合三个领域巨大的合作机会。未来,希望阿里和毫末不断加强紧密合作,在自动驾驶领域持续深耕,共同建立具有全行业影响力的自动驾驶智能体系。

寒武纪 CEO 陈天石认为,智能汽车时代,不管是云端还是车端,算力需求都在指数级攀升,算力已经成为智能汽车升级的核心驱动力。

原文链接:

https://thenextweb.com/news/deepmind-feuds-russian-scientists-over-quantum-ai-research

,