兩年前，一些企業(yè)和特斯拉在自動駕駛的不同技術(shù)路線上較勁，現(xiàn)在他們紛紛走上了特斯拉的道路。同時，一種全新的感知范式——BEV+Transformer，已經(jīng)從特斯拉迅速擴延到更多自動駕駛企業(yè)的藍圖規(guī)劃中。
(資料圖片僅供參考)
文｜周享玥
編｜趙艷秋
2019年，狂人馬斯克一句“Lidar is a fool’s errand”，直接讓自動駕駛路線一分為二，特斯拉如獨行俠一般，堅持探索起自己的純視覺路線，其余絕大部分玩家則朝著激光雷達的方向一路前行。尤其是在發(fā)現(xiàn)高精地圖可為自動駕駛提供超視距信息后，“激光雷達等多傳感器融合+高精地圖”的技術(shù)路線更是成為大部分企業(yè)的普遍選擇，以尋求兼顧成本和安全的最優(yōu)解。
根據(jù)中金在《人工智能十年展望（三）：AI 視角下的自動駕駛行業(yè)全解析》中的定義，視覺主導(dǎo)與激光雷達技術(shù)路徑之爭，從技術(shù)角度看，本質(zhì)上是AI算法+硬件逼近人腦能力的速度，與激光雷達等可選硬件對數(shù)據(jù)量、算法彌補程度及其降價速度之間的競爭。
早期，大家在各自路線上都有進展。不過，隨著自動駕駛企業(yè)們從高速NOA（自動輔助導(dǎo)航駕駛）走向城市NOA，曾經(jīng)被視為“香餑餑”的高精地圖開始日漸失寵，反而是特斯拉以攝像頭與各種傳感器作為硬件，背后重算法的路線慢慢受到重視。
一些企業(yè)也從前兩年和特斯拉的路線較勁，紛紛轉(zhuǎn)到了“重感知，輕地圖”的模式。與此同時，一種全新的感知范式——BEV+Transformer，已經(jīng)從特斯拉迅速擴延到更多自動駕駛企業(yè)的藍圖規(guī)劃中。
而隨著ChatGPT的驟然爆火，生成式AI大模型正在給自動駕駛領(lǐng)域帶來一些新的變量和啟示。
01
自動駕駛?cè)?ldquo;去高精地圖化”
2021年年中，正在沖刺港股雙重上市的小鵬汽車，斥資2.5億元收購了一家進入破產(chǎn)程序的地圖公司智途科技。這家公司2019年的營收只有738萬元，能得“金主”小鵬看中的原因在于，其擁有堪稱“稀有”的導(dǎo)航電子地圖制作甲級測繪資質(zhì)。這是入局高精地圖的門檻所在，過去二三十年間，國內(nèi)也不過30多家企業(yè)獲得過這一資質(zhì)。
高精地圖和激光雷達一向被喻為“自動駕駛的兩根拐杖”——前者負責(zé)開路，提高規(guī)劃能力；后者負責(zé)避障，用來增強感知能力。為此，高精地圖一直被視作自動駕駛汽車基礎(chǔ)設(shè)施的一部分，是“兵家必爭之地”。
此前，小鵬雖與高德合作，可采用后者提供的高精地圖，但地圖的更新要依賴高德的節(jié)奏。自己擁有一家高精地圖公司就不一樣了。
這是當時絕大多數(shù)車企的共同想法。吉利旗下的億咖通、上汽控股的中海庭都曾拿到甲級測繪資質(zhì)，長城汽車、蔚來汽車、小米汽車等，也都試圖尋求過相關(guān)資質(zhì)的收購。但“牌照” 這東西終歸僧多肉少，因此也有大量自動駕駛企業(yè)通過與圖商合作，將高精地圖裝上了車，一如理想2021年與高德地圖的合作，又如蔚來2022年與騰訊在高精地圖領(lǐng)域的合作。
不管是通過哪種方式，高精地圖的確在高速公路、園區(qū)等相對封閉的場景中廣泛應(yīng)用起來。其效果也十分顯著，絕大多數(shù)車企都實現(xiàn)了與特斯拉導(dǎo)航輔助駕駛類似的功能。例如小鵬用于高速公路的智能導(dǎo)航輔助駕駛NGP、蔚來的NOP、理想的NOA、長城的NOH，以及廣汽埃安的NDA等。
佐思汽研發(fā)布的《2022年高精度地圖行業(yè)研究報告》顯示，2022年上半年，中國乘用車前裝高精地圖裝配量超10萬輛，高精地圖已從選配走向標配，如理想L9、蔚來ET7、高合HiPhi等。
高精地圖在高速公路等封閉場景推進迅速，但當它來到城市，情況出現(xiàn)了180度大轉(zhuǎn)彎。從2022年下半年開始，隨著對城市自動輔助駕駛的探索持續(xù)深入，自動駕駛?cè)θジ呔貓D化的動作愈發(fā)明顯。
2022年4月，長城旗下毫末智行提出要做“重感知、輕地圖”的城市智能駕駛，開始降低方案中高精地圖的權(quán)重，乃至做到無需高精地圖；同年下半年，華為余承東表示：“自動駕駛未來不應(yīng)過分依賴于高精地圖、車路協(xié)同。”盡管華為本身正是具備甲級測繪資質(zhì)的企業(yè)。
等到2023年上半年，“去高精地圖”運動更加熱鬧。華為4月上市的問界M5和問界M5 EV，新增的高階智能駕駛版本不依賴高精地圖，主要通過車端融合感知來進行環(huán)境識別。按照規(guī)劃，至2023年三季度，問界 M5 智駕版 HUAWEI ADS 2.0 將在 15 城實現(xiàn)不依賴高精地圖落地，至四季度，這一數(shù)字還將進一步擴展至45城。
何小鵬在1月的小鵬汽車全員會上提出，小鵬2023年的X-NGP輔助駕駛要拋掉高精地圖。李想在內(nèi)部表態(tài)，理想汽車不依賴高精地圖的端到端訓(xùn)練城市NOA導(dǎo)航輔助駕駛，將會在2023年底開始落地。而元戎啟行、智行者、地平線等多家自動駕駛公司也都順勢發(fā)布了不依賴高精地圖的自動駕駛方案和產(chǎn)品。
至于百度，雖沒有完全放棄高精地圖，但也在嘗試減少對高精地圖的依賴，于近期推出了城市域領(lǐng)航輔助駕駛Apollo City Driving Max，搭載“輕量級高精地圖”，據(jù)稱比起行業(yè)通用的傳統(tǒng)高精地圖要“輕”近80%。“我們判斷，完全不依賴高精地圖的路線可以走通，但走通的時間絕對不是今年或者明年。” 百度集團副總裁、智能汽車事業(yè)部總經(jīng)理儲瑞松表示。
高精地圖路線由熱轉(zhuǎn)冷背后，是高級別輔助駕駛從高速場景駛?cè)氤鞘泻螅焕蛩乇贿M一步放大。
不同于普通導(dǎo)航地圖，高精地圖是給機器看的，定位精度可達到厘米級，且蘊含信息豐富，除了會記錄道路形狀、坡度、曲率、方向等道路數(shù)據(jù)，還能提供車道線類型、車道寬度等車道級別的導(dǎo)航信息，以及諸如交通標志、高架物體、防護欄等車道周邊的3D輪廓信息，從而更好地幫助車輛完成行進規(guī)劃。但這恰恰也意味著高精度地圖本身更新周期漫長、成本高昂。
根據(jù)《智能網(wǎng)聯(lián)汽車高精地圖白皮書》，采用傳統(tǒng)測繪車方式，分米級地圖的測繪效率約為每天每車500公里道路，成本為每公里10元左右，而厘米級地圖的測繪效率約為每天每車100公里道路，成本可能達每公里千元，一天就是十萬元級別的費用。
這放在之前，大家主攻的是中國城際高速公路和城市快速路，總的里程數(shù)加起來也就30萬公里，尚且可以努力一下，但全國的城市道路卻有近1000萬公里，再加上城市道路更新變化又快，升級改造頻繁，地圖的鮮度和成本，都是巨大挑戰(zhàn)。
更何況，甲級測繪牌照還存在有效期，到期后需要復(fù)審，而國家對于地圖測繪資質(zhì)的監(jiān)管卻在收緊。2022年，也即小鵬曲線救國拿下“牌照”的第二年，智途科技沒能通過甲級測繪資質(zhì)復(fù)審，相當于“買了個寂寞”，也一定程度上拖累了小鵬汽車城市 NGP的落地節(jié)奏。
同樣未能通過資質(zhì)復(fù)審的，還有上汽旗下的中海庭、東風(fēng)投資的立得空間等。有數(shù)據(jù)統(tǒng)計，2019年相關(guān)部門將獲得資質(zhì)的圖商隊伍擴容到了31家，但到2022年，只有19家單位通過復(fù)審，近三分之一被淘汰。
即便是選擇與圖商合作，由于高精地圖審圖非常慢，企業(yè)受到的掣肘也多，比如此前華為、小鵬的城市輔助駕駛之所以僅在廣州、深圳和上海開放，原因之一就在于只有這幾個城市的地圖通過了審核。
不過，要想在不依賴高精地圖的情況下，實現(xiàn)城市自動輔助導(dǎo)航駕駛也并不是一件容易事兒。為此，不少自動駕駛企業(yè)開始向特斯拉“取經(jīng)”，紛紛轉(zhuǎn)向一種全新的感知范式——基于Transformer的BEV智駕大模型。
02
特斯拉的一次量子式躍升
2016年5月，一輛開啟了自動駕駛模式行駛的Model S在美國佛羅里達州的高速上行駛，卻在岔路口與一輛垂直方向開來的白色廂式貨車相撞，40歲的司機Joshua Brown當場死亡。這是全球首例被曝光的自動駕駛事故，瞬間就將“當紅炸子雞”特斯拉推上風(fēng)口浪尖，也直接加速了它與自動駕駛方案提供商Mobileye的分道揚鑣。
特斯拉很早就有甩開Mobileye的想法，畢竟，Mobileye的芯片和自動駕駛軟硬件解決方案是業(yè)內(nèi)公認的“黑盒子”，對整車廠來說并不夠友好。例如理想，就一度為了解決黑盒子問題而自行在Mobileye 的前視攝像頭旁增設(shè)一個攝像頭，專門采集道路信息，用于輔助駕駛系統(tǒng)的算法訓(xùn)練和優(yōu)化。
馬斯克不喜歡Mobileye，但人在屋檐下不得不低頭。直到2015年，英偉達入場自動駕駛，特斯拉才有了Mobileye之外的另一個選擇。更重要的是，短暫牽手英偉達的同時，特斯拉的自研之路也在緊鑼密鼓地進行，感知數(shù)據(jù)、算法、芯片、計算平臺等都是它在布局的。
這期間，大量的人才被挖進特斯拉，這家公司的自動駕駛團隊Autopilot，在頂峰時一度擁有300多名工程師（不包括1000多名數(shù)據(jù)標注員），其中200人專攻軟件，100人專攻硬件和芯片。團隊的負責(zé)人們是世界頂級技術(shù)大牛，包括前AMD首席架構(gòu)師Jim Keller，前蘋果芯片團隊核心成員Pete Bannon，編程語言 Swift 主要開發(fā)者 Chris Lattner、OpenAI首席科學(xué)家Andrej Karpathy……
源源不斷的頂配人才和大量真金白銀的投入，讓特斯拉以遠超同行的速度迅速完成了從合作到全棧自研的轉(zhuǎn)變。
最先亮相的是硬件。2019年4月的自動駕駛?cè)丈?，特斯拉發(fā)布第三代自動駕駛硬件平臺HW 3.0，搭載的正是其自研芯片，總算力達 144TOPS，是英偉達Drive Xavier理論性能值21TOPS的7倍。HW 3.0每秒可處理2300幀圖像，較搭載英偉達芯片的 HW 2.5提升21倍，單體成本也較HW 2.5降低20%。
但特斯拉的FSD （Full Self-Driving，完全自動駕駛）功能真正迎來脫胎換骨的變化要到兩三年后。2021年7月10日，特斯拉正式向約2000名美國用戶推送“完全自動駕駛”FSD Beta V9.0版本。該版本的核心變化在于，其摒棄了毫米波雷達、超聲波雷達等傳感器，采用純視覺的自動駕駛方案，僅用8個攝像頭來實現(xiàn)城市級別的完全自動駕駛能力。
而達成這一結(jié)果的基礎(chǔ)來自于特斯拉此前一場聲勢浩蕩的算法重寫，尤其是感知算法的重寫。
2020年8月，馬斯克在推特上首次提及，特斯拉正在重寫FSD的基礎(chǔ)架構(gòu)，并稱這將是一次“quantum leap”（量子式躍升）。一同被公布的，還有其正在開發(fā)中的全新用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的超級計算機 Dojo。
重寫的原因在于，馬斯克認為Autopilot過去被困在一個局部最大值（Local Maximum）里，原有軟件架構(gòu)下，其處理的數(shù)據(jù)都是不含有時間坐標的 2D 圖像數(shù)據(jù)。但行車是在三維空間中進行的，甚至更好的自動駕駛效果還需要對被遮擋的部分做一定預(yù)測，而這給特斯拉的自動駕駛系統(tǒng)提出了新的要求——需要能夠處理3D甚至4D的數(shù)據(jù)，實現(xiàn)從圖像級處理到視頻級處理的躍遷，并最終倒逼其對基礎(chǔ)代碼及訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)設(shè)施進行重構(gòu)。
不過，從2020年10月特斯拉宣布開啟FSD Beta內(nèi)測，到真正向外公測，仍然還有一場技術(shù)變革需要完成。
2021年8月召開的特斯拉AI DAY上，特斯拉AI高級總監(jiān)Andrej Karpathy 向外展示了一項全新技術(shù)——基于Transformer的BEV感知方案。這是大模型技術(shù)首次被應(yīng)用到自動駕駛行業(yè)，也是特斯拉實現(xiàn)純視覺的關(guān)鍵所在。
在此之前，特斯拉是通過每個攝像頭單獨進行感知，再將不同攝像頭感知到的結(jié)果進行融合。但這種方式存在不少問題，比如不同攝像頭之間的信息融合困難，難以預(yù)測被大面積遮擋的物體，以及因深度估計的誤差導(dǎo)致最終輸出結(jié)果相互沖突等。
為此，特斯拉開始嘗試用神經(jīng)網(wǎng)絡(luò)將圖像空間映射到 BEV 空間。BEV 的全稱是 Bird's Eye View，也就是鳥瞰圖的意思，是一種用于描述感知到的現(xiàn)實世界的視角或坐標系，相當于在車輛正上方10-20米的位置有一個直升機俯視車輛及周圍環(huán)境的視角，也即所謂的“上帝視角”。
但如何將攝像頭采集的2D圖像提取特征后，準確投射到向量空間中去，拼接轉(zhuǎn)化成BEV空間中的3D立體圖景，最后生成汽車周圍道路環(huán)境的鳥瞰圖，依然是一個復(fù)雜問題。
Transformer的出現(xiàn)解決了這一難題。2017年，Transformer作為一種新型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)被谷歌所提出，并迅速演化出谷歌的BERT模型和OpenAI的GPT模型兩條路線，后來大火的ChatGPT中的“T”，正是指Transformer大模型。
2020年谷歌又提出ViT（ Vision Transformer），其也開始廣泛應(yīng)用于計算機視覺領(lǐng)域。特斯拉也是在這個時候，將Transformer引入自動駕駛領(lǐng)域。而主導(dǎo)這項工作的正是2017年被馬斯克從OpenAI挖到特斯拉，又在2022年7月再次離職，于今年上半年重新回到OpenAI的Andrej Karpathy。
Transformer的交叉注意力機制可以將一個序列中的不同位置聯(lián)系起來，計算出序列的表示形式。這意味著它可以直接進行不同序列（指2D特征圖和3D的BEV視圖）之間的轉(zhuǎn)換，對于BEV空間轉(zhuǎn)換任務(wù)適配性較高。
而成功轉(zhuǎn)換后的BEV空間內(nèi)，由于坐標系相同，來自攝像頭的各種圖像數(shù)據(jù)，以及激光雷達、毫米波雷達等的感知數(shù)據(jù)將可以很方便地進行融合，同時還能引入過去時間片段中的數(shù)據(jù)，進行時序融合，形成 4D 空間，讓感知效果更準確和穩(wěn)定。
簡單來說，基于Transformer的BEV感知技術(shù)，可以將車道線等道路幾何信息以及人、車等動態(tài)目標全都統(tǒng)一到一個坐標系下，便于車輛更加準確地對道路情況進行判斷。且由于BEV空間下的感知結(jié)果與決策規(guī)劃所在坐標系也是統(tǒng)一的，因此感知與后續(xù)模塊通過BEV變換也可以緊密聯(lián)系到一起。
這一技術(shù)路徑可以通過實時感知，將不同視角的攝像頭采集到的圖片統(tǒng)一轉(zhuǎn)換到上帝視角，相當于車輛實時生成“活地圖”，補足了自動駕駛后續(xù)決策所需要的道路拓撲信息，可以實現(xiàn)去高精地圖化。
這一感知方案的提出，確立了特斯拉FSD在視覺感知領(lǐng)域的領(lǐng)先地位，并在后來被無數(shù)同行學(xué)習(xí)跟進。
而這種能力還在2022年底的AI DAY上進一步得到了強化，特斯拉將BEV升級到了占用網(wǎng)絡(luò)（occupancy network），進一步提升了泛化能力。這一技術(shù)雖也是BEV技術(shù)的延伸，但最大的區(qū)別就在于系統(tǒng)的感知從2D變?yōu)榱?D，讓車輛自身置身于一個3D世界中，并在 10 毫秒內(nèi)向車載計算機輸出車輛周圍每個 3D 位置的占用概率，并能夠預(yù)測被瞬時遮擋的障礙物。
這意味著，特斯拉可以無需再糾結(jié)物體具體是什么，而只考慮體素是否被占用，就可以判斷到底要不要躲避，有助于更好化解一些輔助駕駛中的Corner case（極端事件）。
03
AI大模型卷進自動駕駛
無論是BEV+Transformer，還是占用網(wǎng)絡(luò)，從某種意義上說，其實都是特斯拉為了能徹底拋棄激光雷達，讓其不至于因不裝激光雷達而導(dǎo)致無法準確還原車輛行駛周圍 3D 場景所作的努力。
不過，這樣的技術(shù)現(xiàn)在也開始越來越多被本來走“激光雷達等多傳感器融合+高精地圖”路線的玩家所采用。據(jù)不完全統(tǒng)計，目前包括“蔚小理”在內(nèi)的車企，以及百度 Apollo、華為、大疆、毫末智行、輕舟智航、小馬智行、元戎啟行、地平線等自動駕駛企業(yè)都在使用BEV技術(shù)。
一位行業(yè)內(nèi)人士透露，到今天，BEV路線已經(jīng)不是說有幾家代表性企業(yè)了，而是大家都在做，“已經(jīng)是必備的了”。
尤其是在去高精地圖化需求明顯的當下，基于Transformer的BEV感知模型更是被認為是解決城市輔助導(dǎo)航駕駛對高精地圖過度依賴的關(guān)鍵技術(shù)和底氣所在。
安信證券就曾在《AI大模型在自動駕駛中的應(yīng)用》中判斷，基于BEV技術(shù)的發(fā)展，“輕地圖，重感知”將成為行業(yè)發(fā)展的主流方向。且從特斯拉感知算法迭代歷程來看，未來AI大模型對城市領(lǐng)航輔助駕駛的賦能方向?qū)⒎譃槿齻€階段：第一階段，BEV+transformer，實現(xiàn)“脫高精度地圖”；第二階段，升級到占用網(wǎng)絡(luò)，實現(xiàn)“脫激光雷達”；第三階段，從感知到?jīng)Q策控制端到端的自動駕駛模型，有望成為未來發(fā)展方向。
事實上，國內(nèi)自動駕駛公司已經(jīng)公布的“脫圖”計劃，幾乎都與特斯拉這套BEV+Transformer的技術(shù)框架相關(guān)。
據(jù)報道，小鵬汽車正是在2021年看到特斯拉引入Transformer的BEV效果之后，才真正決定去掉高精度地圖，并搭建了基于Transformer的BEV視覺感知系統(tǒng)XNet。而在最近，小鵬P7i已經(jīng)推出基于XBEV體系的高速NGP2.0，小鵬汽車自動駕駛副總裁吳新宙表示，這是基于BEV和Transformer架構(gòu)落地的一個靜態(tài)網(wǎng)絡(luò)，從而實時產(chǎn)生高精地圖的能力。按照小鵬官方說法，它已成為國內(nèi)首個量產(chǎn) BEV 感知方案的玩家，這將讓它下半年能在數(shù)十個無圖城市上線XNGP功能，幾乎較此前采用高精地圖時的“進城速度”提升近10倍。
理想也在最近發(fā)布了最新城市NOA導(dǎo)航輔助駕駛AD Max 3.0，表示將于第二季度開啟推送，并于年底前完成100個城市的落地。而這套城市NOA背后，使用了三種神經(jīng)網(wǎng)絡(luò)大模型算法：靜態(tài)BEV網(wǎng)絡(luò)算法，動態(tài)BEV網(wǎng)絡(luò)算法以及Occupancy網(wǎng)絡(luò)算法。
今年初的一場溝通會上，理想汽車CEO李想更是直言，到2024年，中高端車會出現(xiàn)真正基于大模型和BEV技術(shù)實現(xiàn)的城市導(dǎo)航輔助駕駛，屆時將會出現(xiàn)真正屬于智能電動車的變革時代。他判斷，使用Orin 計算平臺的這些企業(yè)，基本上都會在今年四季度交付最早用于測試的基于大模型的城市NOA。
無獨有偶，百度 Apollo、蔚來、華為、商湯等一眾廠商，甚至像地平線這樣的芯片公司，也都在 BEV+Transformer上有所布局。例如華為的ADS 1.0據(jù)稱已實現(xiàn)基于 Transformer 的 BEV 架構(gòu)，而最新發(fā)布的ADS 2.0 進一步升級了GOD 網(wǎng)絡(luò)，類似于特斯拉的占用網(wǎng)絡(luò)算法。
百度Apollo 團隊也在過去一年里，將視覺感知升級成了BEV感知，可以端到端檢測障礙物、預(yù)測障礙物軌跡，以及感知道路結(jié)構(gòu)，并記錄下時間，形成一個帶時間序列的4D空間。而商湯基于自己的視覺大模型研發(fā)的，用于自動駕駛的環(huán)視感知算法BEVFormer++，還曾在2022年Waymo 挑戰(zhàn)賽中獲得冠軍。
還有一家公司毫末智行，其實早在特斯拉將Transformer引入自動駕駛的兩三個月后，就已經(jīng)宣布正在利用Transformer進行超大規(guī)模的感知訓(xùn)練，并且后期有可能將其引入到規(guī)劃和控制中。
當ChatGPT的同源技術(shù)在自動駕駛領(lǐng)域悄然潛行了一兩年后，以ChatGPT為代表的生成式AI大模型，再次給了自動駕駛領(lǐng)域巨大沖擊。4月5日，Meta發(fā)布首個用于處理機器視覺領(lǐng)域的圖像分割的基礎(chǔ)大模型SAM，也一度在自動駕駛領(lǐng)域引起較大反響。
“我覺得GPT是一個劃時代的產(chǎn)品。”此前，在被問及ChatGPT這樣的生成式大模型可能對行業(yè)帶來的影響時，何小鵬稱。
他說，過去自己其實一直不認為高端的L4或L5能真正到來。因為告訴車一個簡單的規(guī)則后，它在碰到各種特殊情況下，做不到像一個真正的司機一樣。“但GPT再往前走三年，跟車的融合會完全不一樣。有了GPT之后，高階的L4或者準L5可能在2027年到2030年之間大家就會看到。”
據(jù)悉，小鵬汽車將在今年下半年，把GPT的能力帶到小鵬G6上面去。而今年4月，百度發(fā)布新一代自動駕駛云產(chǎn)品——Apollo Cloud 2.0，基于大模型實現(xiàn)了自動駕駛數(shù)據(jù)智能的搜索引擎。
商湯則宣布，他們已經(jīng)在智能駕駛領(lǐng)域構(gòu)建了感知決策一體化的自動駕駛多模態(tài)大模型，將帶來更強的環(huán)境、行為、動機解碼能力。同時，其視覺大模型還可以解決數(shù)據(jù)標注和Corner Case等問題。
自動駕駛公司毫末智行更是在今年4月，發(fā)布了業(yè)內(nèi)首個自動駕駛生成式大模型毫末DriveGPT 雪湖·海若，通過引入駕駛數(shù)據(jù)建立RLHF（人類反饋強化學(xué)習(xí)）技術(shù)，對自動駕駛認知決策模型進行持續(xù)優(yōu)化，現(xiàn)階段主要用于解決自動駕駛的認知決策問題，終極目標是實現(xiàn)端到端自動駕駛。
行業(yè)人士表示，ChatGPT爆火后，生成式大模型已經(jīng)成為自動駕駛領(lǐng)域里一個比較熱的話題，大家都在討論如何去應(yīng)用它，比如用在決策規(guī)劃層面，又或是用在仿真領(lǐng)域，來解決一些極端天氣或交通場景等Corner Case的數(shù)據(jù)采集問題。
但不可否認的是，大家目前都還處于一個比較早期的探索階段，應(yīng)用在車輛的哪些方面也都還是方向性的，"相當于一個小樹苗，還沒有開始結(jié)果“。尤其不同于ChatGPT的是，大模型應(yīng)用于自動駕駛領(lǐng)域一旦出錯可能就是人命攸關(guān)，但大家的期待是因為“有大模型，未來自動駕駛可以像老司機那樣絲滑”。
自動駕駛領(lǐng)域的從業(yè)者們期望大模型實現(xiàn)的更大意義在于，將來的自動駕駛能夠成為一個端到端的模型，預(yù)測、規(guī)劃、決策都在這個模型里。
參考資料：
1、《AI十年展望（三）：AI視角下的自動駕駛行業(yè)全解析》，中金公司，2022.01
2、《天下無“圖”？》，汽車商業(yè)評論，2023.03
3、《2022年高精度地圖行業(yè)研究報告》，佐思汽研，2022.10
4、《特斯拉的AI野心：向人類預(yù)警，給硅基帶路》，遠川汽車評論，2023.03
5、《全面重寫Autopilot，特斯拉自動駕駛的升維革命》，汽車之心，2020.09
6、《AI大模型在自動駕駛中的應(yīng)用》，安信證券，2023.05
7、《城市NoA，自動駕駛的“ChatGPT時刻”》，36氪，2023.04
8、《程里對話小鵬汽車董事長何小鵬：GPT讓L4自動駕駛提前五年實現(xiàn)》，車云網(wǎng)，2023.04
原文標題 : 大模型下，自動駕駛企業(yè)開始取經(jīng)特斯拉
標簽：
