毫末智行的HAOMO AI DAY,作為中國自動駕駛屆的一場AI技術盛宴,在這個秋天再度來臨。9月13日,毫末智行第六屆HAOMO AI DAY拉開帷幕,毫末智行此前發布的中國首個自動駕駛數據智能體系MANA,針對城市場景迎來六項重磅技術升級。
據毫末智行CEO顧維灝表示,城市道路目前主要存在“4類場景難題、6大技術挑戰”。其中場景難題主要包括“城市道路養護頻繁”“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:如何在自動駕駛領域應用大模型,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。為此毫末數據智能體系MANA正迎來多項里程碑式的升級迭代。
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。
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。
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。
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。
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。
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。
基于大模型訓練對算力的巨大消耗需求,毫末在現場還正式官宣了中國自動駕駛公司首個超算中心。“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。”顧維灝表示,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。
MANA作為中國首個自動駕駛數據智能體系,自發布以來就成為了毫末智行所有產品進化的核心動力。從MANA在此次HAOMO AI DAY上展現出的最新進展來看,MANA對城市道路挑戰的快速反應,將成為毫末城市NOH在競爭日益激烈的城市輔助導航駕駛領域,奪取最終勝利的強大依仗。
