2018高清国产一区二区三区-国产黄色视频免费在线观看-欧美激情欧美精品一区二区-免费国产一级片内射老妇

8月20日，理想(xiang)汽車6.1.0版(ban)本(ben)更(geng)新，并內測了E2E（端(duan)到端(duan)）-VLM Beta 2.1版(ban)本(ben)。

據悉(xi)，本(ben)次更新增加了(le)(le)(le)端(duan)到(dao)端(duan)-VLM系(xi)統(tong)與NOA系(xi)統(tong)切(qie)(qie)換的(de)功(gong)能，可感受不(bu)同系(xi)統(tong)的(de)駕駛風格，系(xi)統(tong)相互切(qie)(qie)換時間約為20s。此外(wai)，本(ben)次更新還(huan)迭代了(le)(le)(le)端(duan)到(dao)端(duan)模型，優(you)化了(le)(le)(le)跟隨慢速騎行(xing)人不(bu)繞行(xing)、對(dui)鄰(lin)車道(dao)大車點剎等問題，降低系(xi)統(tong)延遲，提升(sheng)了(le)(le)(le)系(xi)統(tong)穩(wen)定(ding)性。

新(xin)能源(yuan)汽車發展至今(jin)，智駕已經成為了(le)“靈魂”，成為了(le)車企們的“兵家必(bi)爭(zheng)之地”。

不可否認，相比2020年(nian)前(qian)，如今(jin)的智駕技術(shu)相當亮眼(yan)，但也需(xu)要承認，近一兩(liang)年(nian)智駕技術(shu)的發展速度有所減弱，甚至談得上(shang)“緩慢”二字。究其原(yuan)因，核心還(huan)是(shi)在(zai)于技術(shu)路線。

目前大多車企智(zhi)駕(jia)技(ji)術架構，還是沿(yan)用更“靠譜”的(de)(de)(de)模塊(kuai)化。然而(er)這種(zhong)不會“犯錯”的(de)(de)(de)技(ji)術路(lu)線，也(ye)意(yi)味著編寫大量的(de)(de)(de)代碼、不斷高企的(de)(de)(de)任務量、信(xin)息(xi)傳遞減損......極(ji)大的(de)(de)(de)限制了智(zhi)駕(jia)的(de)(de)(de)潛力和發展。

忽如一夜春風來。在(zai)(zai)(zai)經過數年緩慢前行之后，隨(sui)著AI大模型的(de)(de)快速(su)發(fa)展，端(duan)(duan)(duan)到(dao)端(duan)(duan)(duan)技術(shu)路線的(de)(de)落地，讓智駕(jia)迎來了新(xin)的(de)(de)可能。步入2024年之后，端(duan)(duan)(duan)到(dao)端(duan)(duan)(duan)技術(shu)成為(wei)頭部廠(chang)商的(de)(de)新(xin)風潮。眼(yan)下，包括(kuo)特斯拉、華為(wei)、蔚小(xiao)理在(zai)(zai)(zai)內，不少玩家都(dou)在(zai)(zai)(zai)加速(su)迭代端(duan)(duan)(duan)到(dao)端(duan)(duan)(duan)智駕(jia)技術(shu)。

雖然各家在更進一步的技術層面呈現出不同(tong)路徑，但(dan)這(zhe)樣的集體推(tui)動，卻讓人(ren)類智駕技術逼近了質變“臨界點”。

什么是“端到端”？

一(yi)(yi)直(zhi)以來(lai)，關于實現完(wan)全自動駕駛，業內有兩種(zhong)不同的聲音(yin)，一(yi)(yi)種(zhong)是(shi)模塊化，一(yi)(yi)種(zhong)則是(shi)端到端。

就(jiu)目前而言，主流(liu)的智能駕(jia)駛(shi)系(xi)統普遍應用了模(mo)(mo)塊(kuai)化，即將自動駕(jia)駛(shi)任務分解為感知(zhi)、預測和規劃三個獨立的模(mo)(mo)塊(kuai)，隨后通過系(xi)統集成來(lai)實現自動駕(jia)駛(shi)功能。

模(mo)塊化技術架構，能夠將復(fu)(fu)雜的(de)(de)自動駕駛任(ren)務簡(jian)化為多個(ge)相對(dui)容易處(chu)理的(de)(de)子任(ren)務，有效降(jiang)低(di)了系統開發的(de)(de)復(fu)(fu)雜性。由(you)此構建(jian)的(de)(de)系統具備(bei)較高的(de)(de)可解釋性，允許對(dui)每個(ge)模(mo)塊的(de)(de)輸入和輸出(chu)進行詳細的(de)(de)分析，一旦發生(sheng)故障，可以快速定位到(dao)問題所在。

雖然優勢明顯，但(dan)這種方法也(ye)存在不(bu)少缺(que)憾。

首當其(qi)沖的(de)(de)是，模(mo)塊化(hua)(hua)技術架(jia)構(gou)需(xu)要編寫大量的(de)(de)代碼(ma)，并(bing)且在系(xi)統設計過(guo)程(cheng)中(zhong)過(guo)度依賴人為(wei)的(de)(de)先驗知(zhi)識。而(er)這無疑限制了自動(dong)駕駛系(xi)統的(de)(de)潛(qian)力(li)，導致其(qi)泛化(hua)(hua)能力(li)不(bu)足，面對未知(zhi)場景時往往難(nan)以有效應對。尤其(qi)是在國(guo)內(nei)復雜的(de)(de)道路(lu)環境下，局限性較大。

此(ci)前何小鵬在(zai)接受《每日(ri)經濟新(xin)聞》采訪時表示(shi)：“模(mo)塊化智駕方案從技術上說，汽車在(zai)感知、定位(wei)、規劃(hua)、控制方面都是分開(kai)處理的(de)，每一個(ge)環節并沒(mei)有關聯(lian)。因(yin)此(ci)車輛在(zai)遇(yu)到一些場景的(de)時候(hou)會因(yin)為人類寫入的(de)規則互相博弈而產生猶(you)豫(yu)。”

與模塊化技術架構有很大(da)不同，“端(duan)到端(duan)”指的(de)是一個AI模型(xing)，只要輸(shu)入原始數據就可以(yi)輸(shu)出最終(zhong)結果。

將端到(dao)端應用(yong)到(dao)智(zhi)能駕駛領域，意味著只(zhi)需要一個AI模型(xing)，就能把攝像(xiang)頭、毫米波雷(lei)達、激光雷(lei)達等(deng)傳感(gan)器收(shou)集(ji)到(dao)的(de)感(gan)知信息(xi)，轉換成車輛方向盤的(de)轉動角度(du)、加速踏板的(de)踩踏深度(du)以及制動的(de)力度(du)等(deng)具體(ti)操作指令，讓汽(qi)車實現自動行駛。

對比之下，模塊(kuai)化自動駕駛(shi)系統要一步(bu)步(bu)來，先識別路標，再預測其他(ta)車輛的(de)動向，最后才決定怎么開。而端到端技術(shu)卻能一氣呵成，把感知(zhi)到的(de)一切都(dou)直接轉化為行動。

并且，由于(yu)大(da)模型會(hui)將過去的路跑經驗吸收保留，還(huan)會(hui)使用過去的數據反復思考(kao)某場景(jing)下(xia)怎(zen)么行駛最好，因此在大(da)量的數據積累下(xia)，端(duan)到(dao)端(duan)應(ying)對各種場景(jing)將會(hui)越來(lai)越靈活。

換(huan)言之，端(duan)(duan)到端(duan)(duan)無需程序員(yuan)編寫(xie)冗(rong)長的代碼(ma)去制(zhi)定規則，也(ye)不會出現信息(xi)傳遞減損，解(jie)決(jue)了(le)模塊化模型存在(zai)的核心(xin)“痛(tong)點”。

頗具優勢，但挑戰也多

借(jie)助大模型技(ji)術的(de)深入應用，端到(dao)端自(zi)動(dong)駕(jia)駛(shi)系統的(de)優勢日益明顯，為自(zi)動(dong)駕(jia)駛(shi)技(ji)術的(de)進一步發展提供了(le)一條高效率(lv)途徑。

然(ran)而，對于(yu)押注這一技(ji)術(shu)路線的(de)玩家們來說(shuo)，仍然(ran)要面臨不少挑戰。其(qi)中，擺在玩家們眼前的(de)第一道難關，就是數據(ju)。

大(da)模型需要大(da)數據，本質上來講，端到端自(zi)動駕(jia)駛是(shi)海(hai)量駕(jia)駛視頻片段的(de)學習都需要極大(da)規模的(de)高質量數據，而數據的(de)采集、清洗、篩(shai)選(xuan)都是(shi)難點。

特斯拉CEO馬斯克在去年的(de)財報會上曾提(ti)到數(shu)據在自動(dong)駕(jia)駛方面(mian)的(de)重(zhong)要性(xing)：“用100萬(wan)(wan)個視頻(pin)case訓(xun)練，勉強夠(gou)用；200萬(wan)(wan)個，稍(shao)好(hao)一(yi)些；300萬(wan)(wan)個，就會感到Wow（驚嘆）；到了(le)1000萬(wan)(wan)個，就變得難以置信了(le)。”

截至去年(nian)，特斯拉已(yi)經分(fen)析了從(cong)特斯拉客戶的(de)(de)汽車中收集的(de)(de)1000萬個(ge)(ge)視(shi)頻片段（clips），他們判(pan)斷(duan)完成一個(ge)(ge)端(duan)到(dao)端(duan)自動駕(jia)駛(shi)的(de)(de)訓練至少(shao)需要(yao)100萬個(ge)(ge)、分(fen)布多樣(yang)、高質量的(de)(de)clips才能正常工作。

要知道，特斯(si)拉(la)在(zai)新能(neng)源領域(yu)的(de)市(shi)(shi)場占有(you)(you)率非常高，單(dan)以國內市(shi)(shi)場來說，2023年純電動車排名中，特斯(si)拉(la)以市(shi)(shi)占率19.9%奪(duo)冠，而比(bi)亞迪位居第二。眼下特斯(si)拉(la)采(cai)集的(de)數(shu)據量都不夠(gou)用(yong)，試想其他車企又有(you)(you)多(duo)少數(shu)據可用(yong)？

況且，并不(bu)是(shi)所有的(de)(de)行車數(shu)(shu)(shu)據(ju)都可(ke)(ke)以(yi)用來訓練(lian)端到端模(mo)型(xing)。有自動駕駛工程師就發現，原本(ben)積累(lei)的(de)(de)路(lu)測數(shu)(shu)(shu)據(ju)只有2%可(ke)(ke)用。如何從(cong)海量數(shu)(shu)(shu)據(ju)中找出(chu)可(ke)(ke)以(yi)用于(yu)訓練(lian)的(de)(de)有效數(shu)(shu)(shu)據(ju)，這又(you)是(shi)一道難關。

除了(le)采(cai)集、篩選這兩道高(gao)門檻(jian)之(zhi)外，數據的計算(suan)也對玩家們的算(suan)力規模提出了(le)要求，廠商們需要不斷(duan)提升GPU的采(cai)購規模，而這也意(yi)味著端到端模型(xing)的訓(xun)練成本非常高(gao)昂。

來(lai)源：汽車之心(xin)

不(bu)止于此，端到(dao)端技術(shu)不(bu)得(de)不(bu)面對更棘(ji)手(shou)的問題——黑盒子不(bu)可(ke)解釋。

前(qian)文說到(dao)，模(mo)塊化(hua)技(ji)術架構下，決策過(guo)程(cheng)(cheng)是(shi)(shi)透明的(de)，決策失誤是(shi)(shi)可(ke)以(yi)準確定位的(de)。但端到(dao)端技(ji)術，從輸入到(dao)輸出，這中間的(de)過(guo)程(cheng)(cheng)卻(que)無(wu)法(fa)透明化(hua)。

試(shi)想，如果自(zi)動駕(jia)駛車輛在緊急情況下做出了錯誤的決策，人們卻無法(fa)理解其背后的邏輯，也無法(fa)迅速(su)準確定位原(yuan)因，這意味著要付出極(ji)大的安全代價。

路線各有不同

雖(sui)然挑戰不少，但在AI智駕趨勢下，端(duan)到端(duan)大模型還是“上車”，成為了玩家們(men)追(zhui)逐的新玩法。而站(zhan)在時間線上，端(duan)倒端(duan)這一思路最早是由(you)特斯(si)拉提出(chu)。

2023年12月，特(te)斯(si)拉(la)的智(zhi)駕工程師Dhaval Shroff向(xiang)馬斯(si)克(ke)提出(chu)建議，拋掉手寫規則，搭建一張神經網絡，讓它(ta)大量觀(guan)看(kan)人類司機的駕駛視頻，并自行輸出(chu)正確的行駛軌跡。

直(zhi)到今年(nian)1月，采用(yong)端(duan)(duan)(duan)到端(duan)(duan)(duan)架構的FSD V12正(zheng)式(shi)向(xiang)北美(mei)用(yong)戶(hu)推送。據介(jie)紹，這一版本使用(yong)的正(zheng)是(shi)單(dan)個(ge)端(duan)(duan)(duan)到端(duan)(duan)(duan)的神經網絡，即用(yong)一整個(ge)囊括輸入到輸出端(duan)(duan)(duan)的大模型，直(zhi)接進行(xing)訓(xun)練。

在特斯拉宣布(bu)FSD V12將采用端(duan)(duan)到(dao)端(duan)(duan)大模型之后，國內亦掀起了端(duan)(duan)到(dao)端(duan)(duan)大模型應用的(de)熱潮，而緊隨(sui)特斯拉積極擁(yong)抱端(duan)(duan)到(dao)端(duan)(duan)技術的(de)是華為和(he)小(xiao)鵬。

但與(yu)特斯拉的單個神經網絡不(bu)通(tong)，華(hua)為的ADS 3.0智駕系統(tong)，是將大(da)模(mo)型拆(chai)分為感(gan)知與(yu)認(ren)知（預測決策(ce)規劃）兩個階段，串聯二者做訓練，分別實現感(gan)知和規控的“端(duan)到(dao)端(duan)”。

至于小(xiao)鵬，則是國(guo)內首個(ge)發布量產(chan)上車的端到(dao)端模型(xing)的整車企(qi)業(ye)。

今年5月(yue)20日(ri)，小(xiao)鵬汽(qi)車(che)端到(dao)端大模(mo)型量產(chan)上(shang)車(che)；7月(yue)30日(ri)，端到(dao)端加持下的XNGP從“全(quan)(quan)國都能(neng)開”正式升級“全(quan)(quan)國都好用”，何小(xiao)鵬在“小(xiao)鵬汽(qi)車(che)AI智(zhi)駕技術發布(bu)會”上(shang)宣布(bu)：將(jiang)向全(quan)(quan)球用戶(hu)全(quan)(quan)量推(tui)送AI天璣系統XOS 5.2.0版本(ben)。

不過(guo)，在具體的(de)技術路線上，小(xiao)(xiao)鵬與華為和特斯拉也有(you)所不同。小(xiao)(xiao)鵬的(de)XNGP則分為感知XNet、規劃(hua)XPlaner、控(kong)制XBrain三(san)個部(bu)分。這(zhe)一(yi)(yi)做法等同于將感知、規劃(hua)和控(kong)制三(san)個模(mo)塊串(chuan)聯在一(yi)(yi)起，用高端的(de)方式統一(yi)(yi)訓練。

除了以上三家(jia)，還有不(bu)少(shao)玩家(jia)也開始選擇(ze)端(duan)(duan)到端(duan)(duan)。比如今年蔚來單獨設立了一個大模(mo)型部，專(zhuan)門(men)負(fu)責端(duan)(duan)到端(duan)(duan)的模(mo)型研發(fa)。

包括理想，在今年5月(yue)裁員中(zhong)也保留了算法(fa)研(yan)發團隊：由賈(jia)鵬(peng)管理，主要負責(ze)無圖(tu)城市NOA的(de)(de)研(yan)發、落地，以及端(duan)到端(duan)智駕的(de)(de)預研(yan)。

不(bu)管選擇什么樣具(ju)體途徑，也無論究竟誰(shui)在(zai)參(can)與，提高(gao)駕駛安(an)全性和便捷度(du)永遠都是(shi)智(zhi)駕的核心。雖然(ran)眼下端到端模型的比拼愈演愈烈。但對(dui)于消(xiao)費者來說，過程或許不(bu)那么重(zhong)要，結果才是(shi)。