Америка Құрама Штаттары оған әл-ауқат немесе басқа нәрсе бермеген және оған рұқсат берген болуы мүмкін

6/17/2023



Басқаша айтқанда, одан кейінгі өзгерістерде интеллектуалдық мүмкіндіктердің күші автокөлік компаниялары үшін бәсекелестіктің жоғарғы шегін тікелей анықтайды. Бүгінгі смарт кабинаның дамуын күн өткен сайын өзгеріп отырады деп сипаттауға болады. Үлкен экрандар, көліктен тыс дауыс және ыммен басқару сияқты жаңа конфигурациялар/функциялар пайда болуды жалғастыруда. Ақылды жүргізу саласына барлығы көбірек атсалысып жатыр.

Егер сіз шынайы автономды жүргізуді жүзеге асырғыңыз келсе, онда екі жолдан артық ештеңе жоқ: біріншісі - жоғарыдан төменге қарай, L4L5 деңгейіне тікелей позициялау, содан кейін конфигурация мен мүмкіндіктерді бірте-бірте орталықсыздандыру, арзан шешімдерге қол жеткізу. сценарийлер; екіншісі - бүгінгі күні OEM компаниялары жиі қолданатын пішін, төменнен жоғарыға, жаппай шығарылатын төмен деңгейлі интеллектуалды жүргізуге және жоғары деңгейге дейін даму үшін оның сілтемелерінде жасалған деректердің үлкен көлемі арқылы үздіксіз қайталанатын технология. Бұл бағытта жаппай өндіріс ең маңызды буын болып табылады.

Autohome ғылыми-зерттеу институты жариялаған «Қытайдағы ақылды автомобильдердің даму үрдісін түсіну» есебіне сәйкес, 2022 жылы белсенді тежеу, жолды ұстауға көмекші жүйе және адаптивті круиздік жүйе сияқты L2 интеллектуалды жүргізу функцияларының нарыққа ену жылдамдығы. тез өседі. Тіпті бұрын сәл консервативті болған шетелдік брендтер жоғарыда аталған функциялардың кейбірін жаңа автомобильдерге арналған стандартты жабдық ретінде қарастырды.



Дегенмен, «L2+» интеллектуалды жүргізу қабілетін сынайтын салада, мысалы, қалалық NOA (қалалық доменге арналған жоғары сапалы интеллектуалды жүргізуге көмектесу жүйесі, оны әртүрлі автокөлік компаниялары басқаша атайды) өте аз адамдар серпінділікке қол жеткізе алады. Қалалық NOA функциясын жариялаған компаниялардың көпшілігі әлі орындалмаған «болашақ» немесе олар ішкі тестілеу, ерте құс және т.б. түрінде итермелейді және нақты жаппай өндірістен әлі де қашықтық бар. Автономды жүргізу саласындағы жарыстың екінші жартысының басталуы да жоғарыда аталған жаппай өндіріс мәселелерінде жасырылады.

★Бағдарлы шайқас: [ауыр] картадан [жеңіл] картаға дейін
Қазіргі тұрғыдан алғанда, қалалық NOA алаңына табан тірейтін ойыншылар аз емес. Төменнен жоғары бағытты ұстанатын кәсіпорындарға Haomo Zhixing, NIO, Ideal, Xiaopeng, Jidu және т.б.; жоғарыдан төмен бағытты ұстанатын компанияларға Baidu, Qingzhou Zhihang және Pony.ai кіреді. Дегенмен, іске қосу уақыты мен жылжыту ауқымына қарағанда, бұл автокөлік компанияларының қалалық NOA-лары негізінен Гуанчжоу, Шэньчжэнь және Шанхай үш қаласында шоғырланған.



Мысалы, Xiaopeng, 2022 жылдың қыркүйегінде Xiaopeng City NGP интеллектуалды навигациялық көмекші көлік жүргізу Гуанчжоуда ресми түрде пилоттық бағдарламаны іске қосты. Пайдаланушылардың бірінші легі Гуанчжоуда интеллектуалды көлік жүргізу туралы ұсыныстарын жіберген P5 автокөлік иелерінен кездейсоқ таңдалды және олар «Новичок режимін» - яғни кейбір жол учаскелерінде 100 шақырымнан астам қалалық NGP-ді пайдалануы керек болды. қолайлы жағдайлармен және барлық жол учаскелерінің құлпын 7 күннен астам уақыттан кейін ашуға болады. Біраз уақыттан кейін бұл функция Шэньчжэнь мен Шанхайда біртіндеп ашылды.

Бір кездері Шанхай автосалонының қарсаңында өзінің «автономды жүргізу» бейнесі арқылы бүкіл Интернетте танымал болған Джиху 2022 жылдың мамырында Jihu Alpha S HI нұсқасын жеткізгенімен, ол қалалық NCA функциясын тексеруді бастамады. Шэньчжэнь қыркүйекке дейін. Содан кейін Шанхайға дейін созылды.

Ерте қалалық NOA Гуанчжоу, Шэньчжэнь және Шанхайда шоғырланған себебі, жоғарыда аталған үш қала Қытайдағы жоғары дәлдіктегі қала картасының пилоттық лицензияларын берген қалалардың алғашқы партиясы болды. Жоғары жылдамдықты доменнен айырмашылығы, қалалық доменде жоғары деңгейлі интеллектуалды жүргізуге тап болатын күрделі жол жағдайлары, мысалы, сигнал шамының өзгеруі, толқынды жолақтардың өзгеруі, жол бетіндегі жаяу жүргіншілер траекториясын болжау және моторсыз көлік сияқты экспоненциалды түрде артып келеді. траекторияны болжау... Бұл сценарийлердің барлығы кәсіпорынның бағдарламалық және аппараттық құралдары үшін өте маңызды. Жан-жақты қабілеттілікке қойылатын талаптар өте жоғары. Деректерге сәйкес, Xpeng қалалық NGP қабылдау үлгілерінің саны жоғары жылдамдықты NGP-ге қарағанда 4 есеге жетті, ал болжау/жоспарлау/бақылаумен байланысты код мөлшері 88 есеге дейін өсті,



Жоғарыда аталған күрделі сценарийлер жағдайында бағдарламалық және аппараттық құралдардың жан-жақты мүмкіндіктері соншалықты күшті болмаған кезде абсолютті дәлдік пен салыстырмалы дәлдік 1 метрге жетеді, онда жолдың түрі, қисықтығы, жолақ сызығының жағдайы, сондай-ақ жол туралы ақпарат бар. жол бойындағы инфрақұрылым, кедергілер, қозғалыс және т.б. сияқты. Қоршаған орта туралы ақпарат, мысалы, белгілер, сондай-ақ нақты уақыттағы динамикалық ақпарат, мысалы, қозғалыс ағыны және бағдаршам күйі туралы ақпарат, жоғары дәлдік, жоғары жаңалық және жоғары бай жоғары дәлдік карталары, автокөлік компаниялары үшін қалалық NOA-ны жылдам іске қосу үшін «төте жолға» айналды.

Бірақ әр нәрсенің екі жағы бар. Жоғары дәлдіктегі карталардың шектеулері және біліктілік алудың қиындығы NOA автомобиль компанияларының жылдам жаппай өндірісін шектеудің негізгі себептері болды. 2023 жылғы Қытай автомобиль форумында Чунцин Чанган автомобиль компаниясының бас сарапшысы Ли Вэй бір кездері «картаға ауыр» модельдің кемшіліктерін талдады. Ол бұл модель қосымша инвестиция деп есептейді. Қалалық деректерді сатып алу құнының жоғары жылдамдығы + шағын мөлшері бастапқы кезеңде жоғары болмаса да, кейінгі кезеңде қала кеңейгендіктен, сатып алу құны күрт өседі. Бұл ғана емес, сонымен қатар картаның жеткіліксіз сергектігі мен жеткіліксіз қамтудың ұзақ мерзімді проблемаларына тап болады, бұл сөзсіз интеллектуалды жүргізу жүйесінің нашар беріктігіне әкеледі.



Оның ұзақ мерзімді құнының қаншалықты жоғары екеніне келетін болсақ, Huawei атқарушы директоры, BG терминалының бас директоры және BU смарт автокөлік шешімдерінің бас директоры Ю Чэндун бірде мысал келтірді: «Бір немесе екіге Шанхайдың жоғары дәлдіктегі карталарын жинау. жыл және 9 000 шақырым басып алған жоқ Шанхай толық қамтылды.Ал ұлттық қауіпсіздік тұрғысынан жаңартуға бірнеше айға ғана рұқсат етілген, бірақ Қытайдың жолдары күн сайын өзгеріп отырады, сондықтан анықтығы жоғары карталарға сүйену шынымен де кеңінен қолданыла алмайды. » Осыған байланысты сала бірте-бірте консенсусқа жетті —— Демапинг қалалық NGP жаппай өндірісіне тез қол жеткізудің жалғыз жолы болуы мүмкін.



Өнеркәсіпте Momo Zhixing, сөзсіз, «қабылдауға баса назар аудару» белгісін ойнайтын компаниялардың алғашқы партиясы. 2022 жылдың өзінде Момо Чжикинг қалалық NOH пилоттық көмек функциясын жүзеге асыра алатын HPilot 3.0 жүйесімен жабдықталған жаппай шығарылатын модельді ресми түрде жариялады; осы жылдың сәуір айында сегізінші Momo AI DAY күні компания жаңа «Тасымалдаушыны» жариялады — Вейдің жаңа Mocha DHT-PHEV және Вэйдің Ланшан. Ағымдағы жоспарға сәйкес, Momo Zhixing қалалық NOH функциясы бірінші болады. Пекинде, Шанхайда, Баодингте және басқа қалаларда жүзеге асырылды.



Момодан басқа, бұрын жоғары дәлдіктегі карталарға сүйенген Xiaopeng және Huawei сияқты компаниялар да «қайта сезіну» эволюциясынан өте бастады. Олардың ішінде Xiaopeng компаниясының XNGP картасы жоқ сынақтан өтті және жыл соңына дейін 50 қалаға дейін кеңейеді деп күтілуде; Ю Чэндун жоғары дәлдіктегі карталарға сүйенбейтін Huawei қалалық NCA үшінші тоқсанда 15 қалада іске асырылатынын және төртінші тоқсанда өсетінін хабарлады. 45 қалаға. Тіпті карта гиганты Baidu қазірдің өзінде қайта сезіну шешіміне жақындап келеді және оның ANP3.0 жүйесі қауіпсіздік артықшылығы ретінде «BEV Surround View 3D Perception» технологиясын қабылдады.

★Технология шайқасы: [деректер мүмкіндігі] - шек

Western Securities жариялаған болжамға сәйкес, NOA болашақ қалада үлкен торт болады және оның үлгілерінің саны 2023-2025 жылдары 119 000, 676 000 және 2,436 миллионға жетуі мүмкін. Бірақ егер сіз бұл тортты көбірек жегіңіз келсе, бұл маршрутты анықтау сияқты оңай емес.



Датчиктермен танылған деректерді өңдеу сияқты жоғары дәлдіктегі карталарға сену жоқ немесе жоқ кезде және ол арқылы әртүрлі қалалардағы жол жағдайлары мен көріністеріне бейімделе отырып, ауқымды қалалық жалпылауға қол жеткізуге болады. Мысал ретінде автокөліктерді басқаруға арналған бағдаршамдарды анықтаудың және кейбір адамдарға өте қарапайым болып көрінетін бағдаршамдарды байқаудың ең негізгі функцияларын алыңыз. Менің елімдегі әртүрлі қалалардағы бағдаршамдардың сипаттамалары бірдей емес, үш қатар шамдар бар, бес қатар шамдар бар, кейбіреулері көлденең, кейбіреулері тік... Алгоритмді былай қойғанда, жоғарыдағы сценарийлерді қанағаттандыру үшін , жиналған деректердің масштабы бұрынғыдай болады. Экспоненциалды өсу.

Бұл деректер шкаласымен бұрынғыдай CNN конволюциялық нейрондық желіні оқыту үлгісіне сену енді қолданылмайтын сияқты. Осыған байланысты, жоғары дәлдіктегі карталардан құтылуды және тіпті лидардан бас тартуды ұсынып, таза көру шешімін қабылдаған Tesla барлығына жақсы бастама жасап, CNN-ді Transformer үлкен үлгілерімен алмастыра бастады. оның қарапайым құрылымы мен шексіз жинақталатын негізгі бірліктері. Жақсарту үшін көптеген параметрлердің сипаттамаларын алыңыз.

CNN-мен салыстырғанда, трансформатордағы деректер көлемі неғұрлым көп болса, оның әсері соғұрлым жақсы болады. Зерттеулер көрсеткендей, оқу деректер жинағы 100 миллион кескінді қамтитындай ұлғайтылған кезде, Transformer өнімділігі CNN өнімділігінен аса бастайды. Ал кескіндер саны 1 миллиардқа жеткенде, екеуінің арасындағы өнімділік алшақтығы одан да артады.

Қытайда Momo Zhixing - Transformer үлкен моделін енгізген алғашқы автономды көлік жүргізетін компания. Уақыт бойынша Тесла сияқты ерте болмаса да, Момо Чжисиннің инновациясы уақыт пен кеңістіктің Трансформатормен алдын ала қосылуында жатыр.



Мысалы, қалыпты жолдың бір бөлігіне қараған адам көзі екі жақты төрт жолақты көреді, бұл үздіксіз визуалды кескін, бірақ камераның тану когерентті емес, кадр-кадр суреті. Автокөлік 5 см солға қарай деп есептесек, адам таныған ақпарат қалыпты, оны түзетуге болады. Бастапқы схема бойынша камераны тану қиын. Жолдың өзі «қисық» шығар. Егер оны түзететін жоғары дәлдіктегі карта болмаса, жүйе «құрғақ» болуы мүмкін және оны тиімді қосу мүмкін емес.

Ал соңғы әдіс - Transformer көмегімен уақыт пен кеңістікте алдын ала біріктіруді орындау, яғни үлкен модельдің назар аудару мүмкіндігі арқылы әртүрлі сурет пикселдері арасындағы корреляцияны шығарып алу, алдын ала біріктіруді орындау үшін оның мүмкіндік векторын пайдалану және содан кейін мақсатты болжауды орындау үшін нейрондық желіні пайдаланыңыз. Бұл көпбұрышты камералар «Құдайдың көзқарасын» ажырата алмайтын мәселені шешіп қана қоймайды, сонымен қатар көрнекі әсерді толықтыру үшін лидар деректерін біріктіре алады.

Осыған байланысты, Момо Жиксингтің техникалық директоры Перксинг бір рет мысал ретінде қалалық өрісте пайда болуы мүмкін жолақ сызығы көрінісін пайдаланды. Оның айтуынша, жоғары жылдамдықтағы көріністен айырмашылығы, қалалық жолдардың жолақты сызықтары өте күрделі. Кейбір жерлері тозған, кей жерлері сырлануы мүмкін, бірақ ескі жолақ сызығы толығымен жойылған жоқ. Бұл сценарийде Transformer үлкен моделінің назар аудару механизмі мәселені өте жақсы шеше алады.



Айта кету керек, қалалық доменде NOA тап болатын көптеген ұқсас сценарийлер бар. Мысалы, күрделі қиылыста бірнеше қызыл шам болса, көлік қай шамды жануы керек? Егер сіз осындай он мыңдаған сценарийлерді шешкіңіз келсе, сізге көп деректерді анықтау, көп таңбалау, көптеген сценарийлерді модельдеу, көп үйрену, көп түзетулер енгізу және көп жазу керек. ережелердің...

Жоғарыда айтылған «үлкен соманы» қалай шешуге болады? Momo Zhixing компаниясының бас директоры Гу Вэйхаоның сөзімен айтсақ, бұл сала 20 жыл бойы айналысып келеді және болжау, жоспарлау, шешім қабылдау және бақылаудың әрбір тармағы шағын тапсырмаларға бөлінген және ол 2012 жылы аяқталмаған. 20 жыл. GPT (Generative Pre-trained Transformer) технологиясы қолданыла бастағанға дейін.

Ағымдағы жылдың 11 сәуірінде Момо Чжисин автономды жүргізуге арналған кең ауқымды генеративті үлгі DriveGPT-ті ресми түрде шығарды. Жүргізу сахнасы үшін кіріс ретінде қабылдау синтезінен кейінгі мәтін тізбегін пайдаланыңыз және «Драйв тілін» қалыптастыру үшін автономды жүргізу сахнасын таңбалау үшін шығыс ретінде автономды жүргізу сахнасының мәтін тізбегін пайдаланыңыз және соңында шешім қабылдауды басқаруды аяқтаңыз. , кедергілерді болжау және шешім қабылдаудың логикалық тізбегі өздігінен көліктің шығуы және басқа тапсырмалар. Қарапайым тілмен айтқанда, жоғарыда аталған барлық кішігірім міндеттер екі үлкен міндетке қысқарады, бірі - қабылдау, екіншісі - таным.



Сонымен қатар, Момо Чжисин экологиялық серіктестермен төрт негізгі қолданбалы мүмкіндіктерді зерттей бастады, соның ішінде интеллектуалды көлік жүргізу, көлікті жүргізу сахнасын тану, көлік жүргізу тәртібін тексеру және қиын оқиғадан қашу. Мысалы, көріністі тану кезінде DriveGPT бір инелі кескіннің жалпы таңбалау құны саланың 1/10 бөлігіне ғана тең. Бұл технологияны өнеркәсіпте ашық пайдалану салада деректерді пайдалану құнын айтарлықтай төмендетеді, осылайша автономды жүргізу технологиясының дамуын күшейтеді.

Momo DriveGPT-ті қалалық NOH, төте жол ұсыныстары, смарт спарринг және қашу сценарийлеріне біртіндеп қолдана алады. DriveGPT қосу көлік құралын басқаруды қауіпсіз ете алады, ал реттеу және басқару әрекеттері адамгершілігі мол және тегіс болады және жүргізушіге көлік құралының мұндай шешім қабылдау әрекетін неге таңдайтынын айтудың ақылға қонымды логикасы бар.

Бұл Momo ұсынған картаны жою схемасы, ол деректерді өңдеу мүмкіндіктерін сынау болып табылады. Және мұндай өңдеу сыйымдылығы, автономды жүргізу деректерінің көлемімен біріктірілген, яғни автомобильді кім бірінші болып шығарса, көбірек деректерді жинайды және оны жаппай шығарылған автомобиль арқылы өңдейді және ақырында қардың техникалық итерациясын жүзеге асырады. Бұл табалдырық болатын қалалық NOA функциясы.

Соңында жазыңыз:
Жоғары дәлдіктегі карталар қымбат, жинау қиын және балғындығы нашар, ал инфрақұрылымның үлкен көлеміне сүйенетін көлік пен жолды үйлестіру шешімдерін жүзеге асыру дәлдігі жоғары карталарға қарағанда қиынырақ. Осы алғышарт бойынша, егер сіз қалалық NOA-ны жаппай шығарғыңыз келсе және оң циклды жүзеге асырғыңыз келсе, бұл оңай міндет емес.

Momo Zhixing төрағасы Чжан Кайдың айтуынша, компанияның жаппай өндіріске тез қол жеткізуінің себебі бірнеше жабық циклдардан басқа ештеңе емес: пайдаланушы қажеттіліктерінің тұйық циклі - стратегияларды жақсарту үшін қозғалыс сахнасының деректерін үздіксіз талдау және жаңа функция туралы кері байланыс. тәжірибе; ҒЗТКЖ тиімділігінің жабық циклі - өнімге сұранысты анықтау, қабылдау және когнитивті алгоритмді әзірлеу және т.б. сияқты өнімді әзірлеу процестеріне деректерге негізделген тұжырымдамаларды біріктіру, жалпы даму тиімділігін арттыру; Деректерді жинақтаудың жабық циклі - Көлік соңында диагностикалық қызмет деректерінің көрініс тегтерін қолдану жүргізу сценарийінің 92% қамтиды; деректер құнының жабық циклі - үлкен модель негізгі мәселелерді шешу үшін деректер мәнін өндіруді жалғастыруда; өнімді өзін-өзі жетілдірудің жабық циклі - сатудан кейінгі мәселелерді өңдеу жылдамдығы дәстүрлі әдістерге қарағанда он есе жоғары екенін түсінеді және сатудан кейінгі проблемаларды ең жылдам 10 минут ішінде табуға болатындығын түсінеді; бизнес-инженерлік жабық цикл —— жинау және қайта өңдеу, таңбалауды оқыту, жүйені калибрлеу, модельдеуді тексеру және OTA шығарылымының соңғы сілтемесіне басқа сілтемелерден өнімнің ҒЗТКЖ-ның жабық циклді инженерлік процесін одан әрі жетілдіру. Жоғарыда аталған тұйық цикл қазірдің өзінде оған қарап-ақ өте күрделі және оны жүзеге асыру одан да қиын.



Осыған байланысты, көлемі (тек смарт-көліктерге қатысты) Tesla сияқты үлкен болса да, FSD-ны басқа автокөлік компанияларына ашу арқылы деректерді жинау мүмкіндігін одан әрі кеңейту қажет. Осыған байланысты Ұлы Қабырғаға сүйеніп, достарының шеңберін біртіндеп кеңейтетін Момо Чжисин мен көптеген OEM-ге шешім ұсынатын Huawei-де де белгілі бір ауқымды артықшылық бар сияқты. Менің ойымша, мұндай қиындықтар кезінде «жан теориясымен» күресетін OEM аз және аз болады. Өйткені, бәсекелестіктің шұғыл жағдайында автономды жүргізудің екінші жартысында мұндай деректер көлемі мен техникалық мүмкіндіктер өзін-өзі дамыту және сатып алу арқылы шешілмейді. жоғары.