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，理想汽車6.1.0版(ban)本更新，并(bing)內(nei)測了E2E（端到端）-VLM Beta 2.1版(ban)本。

據悉，本(ben)次(ci)更新(xin)增加了(le)(le)(le)端(duan)到端(duan)-VLM系(xi)(xi)統(tong)(tong)與NOA系(xi)(xi)統(tong)(tong)切換的(de)功能，可(ke)感受(shou)不同系(xi)(xi)統(tong)(tong)的(de)駕(jia)駛風格(ge)，系(xi)(xi)統(tong)(tong)相互切換時間約為20s。此(ci)外，本(ben)次(ci)更新(xin)還(huan)迭代了(le)(le)(le)端(duan)到端(duan)模型(xing)，優化(hua)了(le)(le)(le)跟隨慢速騎行人不繞行、對鄰車道(dao)大車點剎等問題，降低(di)系(xi)(xi)統(tong)(tong)延遲，提升(sheng)了(le)(le)(le)系(xi)(xi)統(tong)(tong)穩定(ding)性。

新能源汽(qi)車發(fa)展至今，智駕(jia)已經成(cheng)為了(le)“靈魂”，成(cheng)為了(le)車企們(men)的“兵家必爭之地”。

不可否認，相(xiang)(xiang)比2020年前，如今的智(zhi)駕(jia)技(ji)術(shu)相(xiang)(xiang)當亮眼，但也需(xu)要(yao)承認，近一(yi)兩年智(zhi)駕(jia)技(ji)術(shu)的發展速度有所減弱，甚至談得上“緩慢”二字。究(jiu)其原因，核心還是在于技(ji)術(shu)路(lu)線(xian)。

目(mu)前大多車企智駕(jia)技術架構，還(huan)是(shi)沿用更“靠譜”的模塊化。然而這種不會“犯(fan)錯”的技術路線，也(ye)意(yi)味著(zhu)編(bian)寫(xie)大量的代碼、不斷高企的任務量、信息傳遞減損......極大的限制了(le)智駕(jia)的潛力和發展(zhan)。

忽如一夜春風(feng)來。在經過數(shu)年緩(huan)慢前行(xing)之后，隨著AI大模(mo)型的快速(su)發展，端(duan)(duan)到(dao)端(duan)(duan)技術路線的落地，讓智(zhi)駕迎(ying)來了(le)新的可(ke)能。步入2024年之后，端(duan)(duan)到(dao)端(duan)(duan)技術成為頭部廠商的新風(feng)潮。眼下，包括特斯拉、華(hua)為、蔚小理在內，不少玩家都(dou)在加(jia)速(su)迭代端(duan)(duan)到(dao)端(duan)(duan)智(zhi)駕技術。

雖(sui)然(ran)各(ge)家在更進一步的(de)技術(shu)層面呈(cheng)現出不同(tong)路徑，但這樣的(de)集體推動，卻讓(rang)人類智駕技術(shu)逼近了(le)質(zhi)變“臨界點”。

什么是“端到端”？

一直以(yi)來，關于(yu)實(shi)現(xian)完全自動駕駛，業內有(you)兩(liang)種(zhong)不同的聲音，一種(zhong)是(shi)(shi)模塊化(hua)，一種(zhong)則(ze)是(shi)(shi)端到(dao)端。

就目前而言，主流的智能(neng)駕(jia)駛(shi)(shi)系(xi)統(tong)普遍應用(yong)了模(mo)塊(kuai)化(hua)，即將自(zi)動(dong)駕(jia)駛(shi)(shi)任務分解為感知、預測(ce)和規劃三個獨立的模(mo)塊(kuai)，隨后通(tong)過系(xi)統(tong)集成來實現自(zi)動(dong)駕(jia)駛(shi)(shi)功能(neng)。

模塊化(hua)技術架構，能(neng)夠將復雜(za)(za)的(de)(de)自動駕駛任(ren)務簡(jian)化(hua)為(wei)多個相(xiang)對容易處理的(de)(de)子任(ren)務，有效降低了系(xi)(xi)統(tong)開發的(de)(de)復雜(za)(za)性。由(you)此構建的(de)(de)系(xi)(xi)統(tong)具備較高的(de)(de)可(ke)解釋性，允許(xu)對每(mei)個模塊的(de)(de)輸入(ru)和輸出進行詳細的(de)(de)分(fen)析，一(yi)旦發生故(gu)障，可(ke)以快(kuai)速定位(wei)到(dao)問題所在(zai)。

雖然優(you)勢明顯，但(dan)這(zhe)種方法也存(cun)在(zai)不少(shao)缺憾。

首當其沖的是(shi)，模塊化技術(shu)架構需(xu)要編寫(xie)大量的代碼，并(bing)且(qie)在系(xi)統(tong)設計(ji)過程(cheng)中過度依賴人為的先驗(yan)知識。而這無疑限(xian)制了(le)自動駕駛(shi)系(xi)統(tong)的潛力(li)(li)，導致其泛化能力(li)(li)不足，面對未知場景時往往難以有效(xiao)應對。尤其是(shi)在國內復雜的道路環境(jing)下，局限(xian)性較大。

此前(qian)何小鵬在接受《每(mei)日經濟新(xin)聞(wen)》采訪時表示：“模塊(kuai)化智(zhi)駕(jia)方(fang)案從技術上(shang)說，汽(qi)車在感(gan)知、定位、規劃(hua)、控(kong)制方(fang)面都是分開處(chu)理的，每(mei)一個環(huan)節并沒有關聯。因此車輛在遇到一些場景的時候會因為(wei)人類(lei)寫入的規則(ze)互相(xiang)博弈而產生猶豫。”

與模塊(kuai)化技(ji)術架構有很大不同，“端到端”指的是(shi)一個(ge)AI模型，只要(yao)輸入原(yuan)始(shi)數(shu)據(ju)就可以輸出最終結果。

將端到(dao)端應用到(dao)智能駕駛領域，意味著只(zhi)需要一(yi)個AI模型，就(jiu)能把攝像頭、毫米波雷(lei)達、激光雷(lei)達等傳(chuan)感器收集(ji)到(dao)的感知信息，轉換成車輛(liang)方向(xiang)盤的轉動(dong)角度(du)、加速踏(ta)板的踩踏(ta)深度(du)以及制動(dong)的力度(du)等具體(ti)操作指令，讓汽車實現自動(dong)行駛。

對比之下，模(mo)塊化自(zi)動駕駛系統要一(yi)步(bu)步(bu)來，先識別(bie)路標，再預(yu)測其他車輛的動向，最后才決定怎么開。而端到端技術卻(que)能(neng)一(yi)氣呵成，把感知到的一(yi)切都直接轉化為行(xing)動。

并且，由于大模(mo)型會將(jiang)過去(qu)的路(lu)跑經驗吸收(shou)保(bao)留，還會使用(yong)過去(qu)的數(shu)據反(fan)復思考某場景下怎么行駛(shi)最好，因(yin)此(ci)在大量的數(shu)據積累下，端到端應對各種場景將(jiang)會越來越靈(ling)活。

換言之，端到端無(wu)需程序員編寫冗長(chang)的代碼去制定規(gui)則，也不(bu)會出(chu)現信息傳遞減損，解決了模塊化模型存在的核(he)心“痛點”。

頗具優勢，但挑戰也多

借助大模(mo)型技(ji)術的(de)(de)(de)深入應(ying)用(yong)，端到(dao)端自(zi)動駕駛系統(tong)的(de)(de)(de)優勢(shi)日(ri)益明顯(xian)，為自(zi)動駕駛技(ji)術的(de)(de)(de)進(jin)一步(bu)發(fa)展(zhan)提供(gong)了一條高效率途徑(jing)。

然而，對于押注這(zhe)一技術路線的玩(wan)家(jia)們來(lai)說，仍(reng)然要面臨(lin)不少挑戰。其中，擺在玩(wan)家(jia)們眼前的第一道難關，就是數據。

大(da)模型需要(yao)大(da)數據，本質上(shang)來講，端到端自動駕駛是海量駕駛視頻片段的(de)學習都(dou)需要(yao)極大(da)規模的(de)高質量數據，而數據的(de)采集、清洗(xi)、篩(shai)選都(dou)是難(nan)點。

特斯(si)拉(la)CEO馬(ma)斯(si)克在(zai)去(qu)年的財報會上曾提到數(shu)據在(zai)自動駕駛方面的重(zhong)要性：“用100萬(wan)個視頻case訓練，勉強夠用；200萬(wan)個，稍好一些；300萬(wan)個，就(jiu)會感到Wow（驚嘆(tan)）；到了1000萬(wan)個，就(jiu)變得難以(yi)置信了。”

截至去年，特斯(si)拉已經分(fen)析了從(cong)特斯(si)拉客戶(hu)的汽車(che)中收集的1000萬個(ge)視(shi)頻片段（clips），他們判斷(duan)完成一個(ge)端到端自動駕(jia)駛的訓練至少需(xu)要100萬個(ge)、分(fen)布多樣、高質量的clips才能正常工作(zuo)。

要知道，特(te)斯(si)拉在新能源(yuan)領域的(de)市(shi)場占有(you)率(lv)非常(chang)高，單以國(guo)內市(shi)場來(lai)說，2023年純電動車排名中，特(te)斯(si)拉以市(shi)占率(lv)19.9%奪冠(guan)，而比亞(ya)迪位居第二。眼下特(te)斯(si)拉采(cai)集的(de)數據量都(dou)不夠用(yong)，試想其他車企又(you)有(you)多少數據可用(yong)？

況且(qie)，并不是所有(you)的行車數(shu)(shu)據(ju)都(dou)可(ke)以(yi)用來訓練端到端模型。有(you)自動駕(jia)駛工(gong)程師就發現(xian)，原(yuan)本積累的路測(ce)數(shu)(shu)據(ju)只有(you)2%可(ke)用。如(ru)何從海量數(shu)(shu)據(ju)中找(zhao)出(chu)可(ke)以(yi)用于訓練的有(you)效數(shu)(shu)據(ju)，這又是一道難(nan)關(guan)。

除了采集、篩(shai)選這(zhe)兩道高(gao)門(men)檻之外(wai)，數據的(de)計算也對玩家們的(de)算力規(gui)模(mo)(mo)提出了要求，廠商們需要不斷提升(sheng)GPU的(de)采購規(gui)模(mo)(mo)，而這(zhe)也意味著端到(dao)端模(mo)(mo)型(xing)的(de)訓練(lian)成本非常高(gao)昂(ang)。

來(lai)源：汽車之心(xin)

不止于此(ci)，端到端技術(shu)不得不面(mian)對更棘手的問題——黑盒子(zi)不可解(jie)釋。

前(qian)文說到(dao)(dao)，模塊化技術架構下，決策過程是透(tou)明的，決策失誤(wu)是可以準確定位的。但(dan)端(duan)到(dao)(dao)端(duan)技術，從輸(shu)入到(dao)(dao)輸(shu)出，這中間(jian)的過程卻無法透(tou)明化。

試想，如果(guo)自動駕駛車(che)輛在緊急(ji)情況(kuang)下做出(chu)了錯誤的(de)(de)決策，人們(men)卻無法理解其背后(hou)的(de)(de)邏輯，也無法迅(xun)速準確(que)定位原因，這意味著要付出(chu)極大(da)的(de)(de)安(an)全代價。

路線各有不同

雖(sui)然挑戰不少，但在AI智駕趨(qu)勢下(xia)，端到端大(da)模型還是“上(shang)車”，成為了玩家們追逐(zhu)的新玩法。而站(zhan)在時間線上(shang)，端倒端這一思路最早是由特斯拉提出(chu)。

2023年12月，特斯(si)拉的智駕工程師Dhaval Shroff向馬斯(si)克提出建(jian)議，拋掉手寫(xie)規(gui)則，搭(da)建(jian)一張(zhang)神經網絡，讓它(ta)大量(liang)觀看人(ren)類司機的駕駛視頻(pin)，并自行輸出正確的行駛軌跡。

直(zhi)到(dao)今(jin)年1月，采用(yong)端到(dao)端架構的FSD V12正式向北(bei)美用(yong)戶推送。據介紹，這一(yi)(yi)版本使用(yong)的正是(shi)單個端到(dao)端的神(shen)經網絡，即用(yong)一(yi)(yi)整個囊括輸(shu)入(ru)到(dao)輸(shu)出端的大模型，直(zhi)接(jie)進行訓練。

在(zai)特斯拉宣布FSD V12將采用端(duan)(duan)(duan)到端(duan)(duan)(duan)大模型之后，國內亦掀起了(le)端(duan)(duan)(duan)到端(duan)(duan)(duan)大模型應用的(de)熱潮，而緊隨特斯拉積極擁抱端(duan)(duan)(duan)到端(duan)(duan)(duan)技(ji)術(shu)的(de)是華為和小鵬。

但與特斯拉(la)的(de)單個神經網絡不通(tong)，華為(wei)的(de)ADS 3.0智駕系(xi)統，是將大模(mo)型(xing)拆分為(wei)感知與認知（預測決策規劃）兩個階段，串聯二(er)者做訓(xun)練，分別實現感知和規控的(de)“端(duan)(duan)到端(duan)(duan)”。

至于小鵬，則是(shi)國內(nei)首個發(fa)布量產上車(che)的端到端模型的整車(che)企業。

今(jin)年5月(yue)20日，小鵬汽車端(duan)(duan)到端(duan)(duan)大模型(xing)量(liang)產上車；7月(yue)30日，端(duan)(duan)到端(duan)(duan)加持下的XNGP從“全國都(dou)能(neng)開”正式(shi)升級“全國都(dou)好用(yong)”，何小鵬在“小鵬汽車AI智駕技術發布(bu)會”上宣(xuan)布(bu)：將向全球用(yong)戶全量(liang)推送AI天璣系(xi)統XOS 5.2.0版本。

不過(guo)，在具體的技術路線上，小鵬與華(hua)為(wei)和(he)特斯(si)拉也(ye)有所不同。小鵬的XNGP則分為(wei)感知XNet、規(gui)劃XPlaner、控制(zhi)XBrain三個部分。這(zhe)一(yi)做法等同于將感知、規(gui)劃和(he)控制(zhi)三個模塊串(chuan)聯在一(yi)起，用高端的方式統一(yi)訓練。

除了以上(shang)三家，還有不少玩家也開(kai)始(shi)選擇端(duan)到(dao)端(duan)。比(bi)如今(jin)年(nian)蔚來單獨設立了一個大模型(xing)部，專門負責端(duan)到(dao)端(duan)的模型(xing)研發(fa)。

包括理(li)想(xiang)，在今(jin)年5月裁員中也保留(liu)了(le)算法研(yan)發(fa)(fa)團隊：由賈(jia)鵬(peng)管(guan)理(li)，主要(yao)負責(ze)無圖城(cheng)市NOA的研(yan)發(fa)(fa)、落地，以及端到端智駕的預研(yan)。

不管選(xuan)擇什么樣具體(ti)途(tu)徑，也無論究竟誰在(zai)參與，提高駕駛安全(quan)性和便捷度永遠都是(shi)智駕的(de)核心(xin)。雖(sui)然眼下(xia)端(duan)到端(duan)模型的(de)比拼愈演愈烈。但對于(yu)消費者(zhe)來說，過程(cheng)或許不那么重要，結果才(cai)是(shi)。