“以數據驅動的自動駕駛3.0時代已經到來,只有感知、認知、模式、數據4個技術條件并行成立才能稱為真正進入自動駕駛新時代。我們所做的一切,都是為了能夠做出數據通道和計算中心,以便可以更高效地獲取數據,并把數據轉化為知識。毫末正在全力沖刺進入自動駕駛3.0時代!”在9月13日舉行的第六屆HAOMO AI DAY上,毫末智行CEO顧維灝博士發表了主題為《毫末和自動駕駛的3.0時代》的演講,在業內首次提出“自動駕駛已經進入數據驅動的3.0時代”的行業判斷,同時還介紹了毫末數據智能體系MANA基于對前沿AI技術的探索和布局,在自動駕駛城市場景中的重磅功能升級。
(毫末智行CEO顧維灝博士發表《毫末和自動駕駛的3.0時代》主題演講)
擁抱Attention大模型,持續保持技術領軍性,毫末全力沖刺自動駕駛3.0時代
什么是自動駕駛3.0時代?驅動因素是什么?毫末目前處于什么階段?顧維灝在演講中針對上述問題進行了分享。
(顧維灝現場演講)
顧維灝表示,Attention大模型作為當前AI發展的新趨勢,其所帶來的機遇和挑戰,成為自動駕駛3.0時代的重要驅動因素之一。Attention最大的特點是結構簡潔,可以無限堆疊基本單元得到巨大參數量模型,隨著參數量的增加和訓練方法的提升,大模型的效果在很多NLP任務上已經超越了人類平均水平。不過Attention的大模型也面臨一大挑戰,即由于其對算力的需求遠遠超出了摩爾定律,這導致大模型的訓練成本非常高,在終端設備上的落地非常困難。
(顧維灝表示,Attention大模型是當前AI發展的新趨勢)
Attention大模型帶來的機遇和挑戰,正驅動自動駕駛行業的技術變革。“毫末正在通過低碳超算來降低自動駕駛成本,通過改進車端模型和芯片的設計來實現大模型的車端落地,通過數據的組織讓大模型發揮更大效力。”顧維灝表示,在數據層面,基于Attention大模型,自動駕駛需要大規模且多樣性的訓練數據,而基于大規模真實人駕數據的乘用車輔助駕駛才有能力積累到足夠規模和足夠多樣的數據。“我們有理由認為,輔助駕駛是通往自動駕駛的必由之路。因為只有輔助駕駛,才有能力收集到足夠規模和足夠多樣的數據。”據悉,毫末經過接近三年的發展,目前已是中國量產自動駕駛公司的第一名,目前用戶輔助駕駛里程已接近1700萬公里,數據規模正在持續快速增加。
(顧維灝表示,輔助駕駛是通往自動駕駛的必由之路)
低碳超算層面,毫末在此次AI DAY上正式官宣了中國自動駕駛科技公司首個超算中心。顧維灝表示:“如何提升訓練效率降低訓練成本,實現低碳計算,是自動駕駛走進千家萬戶的一個關鍵門檻。”毫末超算中心的目標是滿足千億參數大模型,訓練數據規模100萬clips,整體訓練成本降低200倍。
(中國自動駕駛公司首個超算中心——毫末超算中心揭開面紗)
在算法模型層面,顧維灝介紹,毫末早在2021年6月便啟動了針對transformer大模型的研究和落地嘗試。正是基于過去一年多在訓練平臺改造升級、數據規格和標注方法的切換準備、針對感知、認知具體任務的模型細節探索等方面的成功實踐,為現在毫末在城市導航輔助駕駛場景中的快速發展打下了堅實基礎。
(毫末的新技術實踐之路)
“以數據驅動的自動駕駛3.0時代已經到來。”顧維灝認為自動駕駛近十年的發展可分為硬件驅動、軟件驅動、數據驅動三大時代。數據驅動時代,是完全不一樣的時代,大模型+海量數據“雙劍合璧”,數據開啟自訓練模式;感知技術上,多模態傳感器聯合輸出結果;認知技術上,以可解釋的場景化駕駛常識為主;自動駕駛里程由硬件驅動、軟件驅動時代的百萬公里、上千萬公里,直接飆升到了1億公里以上。以數據驅動為核心,以上4個技術條件并行成立才能稱為真正進入自動駕駛3.0時代。
“毫末一直在為自動駕駛3.0時代做準備,在感知、認知、模式建設上,都是按照數據驅動的方式建設的。我們所做的一切的,都是為了能夠做出數據通道和計算中心,以便可以更高效地獲取數據,并把數據轉化為知識。”目前特斯拉已領跑全球率先進入自動駕駛3.0時代,而毫末最有可能成為中國公司中第一個進入自動駕駛3.0時代的公司。
(毫末智行沖刺進入自動駕駛3.0時代)
“我們對創新充滿熱情,對新思想,新方法,新技術敞開懷抱,尤其關注能和數據規模增長形成正循環的技術路線。這也是毫末做技術戰略決策的第一性原理:能將數據規模優勢快速轉化為能力優勢的技術路線就是好路線。”顧維灝表示,對于前沿技術的探索和落地,毫末會一直保持最極,最敏銳,最開放的心態,努力為用戶提供更好的產品體驗,促進行業的發展進步。
MANA六大里程碑式升級,領行業之先開啟城市NOH“進城”之路
對領先技術的極致追求,不僅讓毫末始終走在行業創新前沿,同時也在當下自動駕駛公司集體鏖戰的城市輔助駕駛場景中贏得技術探索與落地的先機。
城市導航輔助駕駛場景是當前自動駕駛功能的核心突破點,也是兵家必爭之地。然而從道路與交通狀況單一的高速場景進入交通參與者眾多、道路與交通狀況極其復雜的城市場景,自動駕駛系統面臨的技術難度可以說是倍數級增長。巨大的挑戰也拖住了眾多自動駕駛廠商“進城”的步伐,只能持續鏖戰技術突破點。作為中國量產自動駕駛第一名廠商,毫末早在2021年底就立下了打贏“輔助駕駛城市場景之戰”的Flag,率先在城市輔助駕駛領域開啟了技術探索之旅,如今毫末數據智能體系MANA正迎來多項里程碑式的升級迭代。
顧維灝表示,城市道路主要存在“4類場景難題、6大技術挑戰”。其中場景難題主要包括“城市道路養護”“大型車輛密集”“變道空間狹窄”“城市環境多樣”。解決上述場景難題,技術層面面臨六大挑戰:如何能更高效地將數據規模轉化為模型效果,如何讓數據發揮更大的價值,如何使用重感知技術解決現實空間理解問題,如何使用人類世界的交互接口,如何讓仿真更真,如何讓自動駕駛系統運動起來更像人。
(城市NOH面臨的核心難題)
為了應對上述挑戰,MANA感知智能、認知智能等方面均迎來更新升級。
首先,MANA通過使用大規模量產車無標注數據的自監督學習方法打造模型效果,相比只用少量標注樣本訓練,訓練效果提升3倍以上,這讓毫末數據優勢得以高效轉化為模型效果,以更好適應自動駕駛各種感知任務需求。
(MANA開啟自監督學習)
其次,MANA感知能力提升,讓海量數據不再被區別對待。面對巨大數據規模下的“數據效率”難題,MANA構建了增量式學習訓練平臺,抽取部分存量數據加上新數據組合成一個混合數據集。訓練時要求新模型和舊模型的輸出保持盡量一致,對新數據的擬合盡量好。相比常規做法,整體算力節省80%,響應速度提升6倍。
(MANA使用增量學習提高數據使用效率)
第三,MANA感知能力更強。通過使用時序的transformer模型在BEV空間上做了虛擬實時建圖,使得感知車道線的輸出更加準確和穩定,讓城市導航自動駕駛告別高精地圖依賴。
(MANA使用時序Transformer提供實時空間認知能力)
第四,MANA感知能力更準,讓中國沒有不能識別的車輛信號燈。MANA通過升級車上感知系統,對剎車燈、轉向燈狀態進行專門識別,讓駕駛員在處理前車急剎、緊急切入等場景中更安全和舒適。
(MANA更精確地感知世界)
第五,MANA認知能力也再次進化。面對路口這一城市最復雜場景,MANA在仿真系統中引入了高價值的真實交通流場景,與浙江德清、阿里云合作,將路口這一城市最復雜場景引入仿真引擎,構建自動駕駛場景庫,通過自動駕駛的真實仿真驗證,時效性更高、微觀交通流更真實,有效破解了城市路口通過“老大難”問題。
(MANA使用交通流實景仿真)
最后,MANA認知智能迎來新階段。通過對覆蓋全國的海量人類駕駛進行深度理解,學習常識和動作擬人化,使得毫末輔助駕駛決策更像人類實際駕駛行為,可結合實際情況選擇最優路線保證安全,體感更像老司機。
(MANA的新階段:學習常識和動作擬人化)
MANA的再次進化,為毫末城市NOH掃平了“進城”路上的最大障礙。“毫末城市NOH是更懂中國城市路況的導航輔助駕駛。”顧維灝表示,毫末城市NOH采用“重感知、輕地圖、大算力”技術路線,在MANA的賦能助力下,具備智能識別交通燈、智能左右轉、智能變道、智能躲避障礙物-靜態、智能躲避障礙物-動態五大亮點功能,此外“智慧交通流處理”功能也將正式發布。
(毫末城市NOH,9月交付)
在演講最后,顧維灝表達了毫末人對自動駕駛未來的堅定信心和奮斗熱情。“1000多天前,我們生于毫末,并親身見證了中國自動駕駛落地最快的1000天。我們欣喜于已經取得的成就。但1000天,也只是戰斗的開始。讓自動駕駛真正飛入尋常百姓家,才是我們的星辰大海。在自動駕駛的路上,毫末人將奮斗不息,戰斗不止!”
