|
|
家喻户晓，主動駕驶技能的前進离不開大范围路测数据。而评價路测数据質量凹凸的维度有三個，一個是数据的范围，一個是数据的精度，一個是数据的廣度。
對付“主動駕驶什麼時候能真正實现”，業内一向引述如许一组数据。按照美國兰德公司的鑽研，主動駕驶汽車必要在真實或虚拟情况中最少举行110亿英里（177亿千米）的里程测试，才能證實主動駕驶體系比人類駕驶員更靠得住。
用兰德公司本身的估算，假如由100辆車構成的車队，每一年365天天天24小時不間歇以28英里每小時的均匀速率举行测试，大要必要500年。
别说平凡人等不了那末久，信仰持久主义的投資人都熬不到。那末主動駕驶還能不克不及搞了？
谜底是可以。解决方案也是從路测数据的三個维度中找。
對付数据的范围，既然必要数十乃至上百亿千米，就不要仅仅期望几十台上百台测试車了。特斯拉明显找到领會法，那就是從量產上路的乘用車里發掘数据的金矿。
据特斯拉表露，在2020年頭，特斯拉辅助駕驶的累计行驶里程就已跨越了48亿千米，而特斯拉的主動駕驶能力也有着显著的提高。带頭年老的功效讓走渐進式量產辅助駕驶线路的海内玩家看到了光亮的出路。
再看数据的精度和廣度，這就要提到標注和練習了。基于深度進修算法的主動駕驶，必定绕不外数据的標注和練習，数据標注的精度决议了算法的正确率，練習的廣度决议了算法的顺應性和鲁棒性。但同時，数据標注和樹林當舖,練習又是主動駕驶技能研發中本钱最高的两個“吞金兽”。
也就是说，主動駕驶的成熟不但仅是一個数目問题，更是一個質量問题和本钱問题。標注和練習的本钱問题的解决，决议了主動駕驶技能能不克不及早日走進公共的平常糊口。
数据標注的本钱贵在哪里？谜底是人工。要不業内都在讥讽“人工智能是有几多智能内里，就有几多人工”。那末，有無解决方案呢？有。那就是用“智能”替换“人工”，讓標注主動化。這也印證了那句，只有邪術才能打败邪術，解决AI困難的仍是要靠AI。
数据練習的本钱贵在哪里？谜底就是现實路测。車要喝油，人要苏息，路测本钱几近成為压服Waymo這只骆驼的稻草。那末，有無解决方案呢？有。那就是仿真。
再细心审题，兰德公司陈述里也提到177亿千米的数据也能够經由過程仿真練習来获得。
至此，咱們晓得，想要主動駕驶早日實现，就得@得%juRK8%到大范%8R4no%围@的、有精度的、有遍及場景的好数据。那要真正實现，還得把数据標注和練習的本钱降下来驅蟑螂神器,。
問题来了。到底怎样“降本增效”呢？
這里不能不提到以特斯拉、毫末智举動代表的頭部主動駕驶企業。咱們經由過程這两家公然的解决方案来看降低服主動駕驶這两只“吞金兽”的关頭在哪里？
標注與練習：加快主動駕驶技能的关頭
標注與練習，對付主動駕驶的首要性，必需要再多说一點。
基于主動駕驶第一性道理可知，主動駕驶本色上是對人類駕驶的進修與仿照，而標注與練習之于主動駕驶，就至关于重新手到老司機，駕驶者對門路情况的渐渐認識與理解。
新手上路，在解除各種電子產物的辅助外，起首必要學會認路，包含各種交通標记、車道线；在此根本上，也必要學會認人，包含介入到交通中的各種人與車辆。
而標注事情，就是讓主動駕驶學會認路與認人，并在各類情况的综合影响下，做到對周邊的所有交通介入者認得清、認得准，為算法决议计劃供给切确的信息参考。
比拟標注，練習的事情就很是简略易懂了。新手必要履历各類情况與路况的浸禮，由此总結@履%MBk妹妹%历@，渐渐演變至内行；練習事情则會讓主動駕驶复刻這一進程，以晋升泛化性。
独一的問题在于，在人類駕驶的進程中，標注與練習的事情是很是迟钝的，駕驶者可能在一年以内就可以把握方法，也可能必要耗费好几年才能摸清窍門；主動駕驶若要复刻這一進程，就必要投入大量本钱，而且请求時候越短，投入本钱就越高。
不言而喻，单靠人力重叠是不成能實现這一方针的，以是主動駕驶想要快速落地快速成熟，必需為標注與練習降本增效。
標注是主動駕驶最高的成原本源。以往主動駕驶企業的大量標注事情都是由人力完成，標注效力低、本钱高，很難對海量数据做到高效標注。若要低落標注本钱，引入主動標注能力是必定的。
另外一個则是練習。以往主動駕驶的練習事情都是在真實場景中举行，但就犹如人類没法把握天然同样，駕驶情况的變量也是主動駕驶企業没法把握的。
举一個简略的例子，若是某主動駕驶企業想要在春季練習并驗證一套合用于我國路况的冬日冰雪情况下的主動駕驶算法该怎样辦？
這類怪异的气候情况是很難在真實場景中碰到的，而即便碰到，也很難包管其變量是不是将影响到練習結果，而若是能為算法模子搭建仿真體系举行練習，将极大晋升練習效力。
一句话总結，標注與練習本钱决议了護肝茶,主動駕驶技能的迭代速率，谁可以或许有用低落標注與練習本钱，谁就可以更快實现主動駕驶技能的迭代。
特斯拉：用AI進修人類的逻辑，然後更换人類
和所有主動駕驶企業同样，特斯拉的標注事情在起頭阶段也是由人力完成的，但在車辆行驶数据范围快速膨胀後，人工標注在面临海量数据時的無力也被無穷放大。
由此，特斯拉将主動標注能力引入了主動駕驶技能中，并按照各自上風與人工標注举行使命分派，在大幅低落人工標注本钱的同時，晋升总體標注效力。
對付静态標注物，特斯拉會基于摄像頭反馈的图象信息，给出這一場景的三维點展望估值，起首将其映照到摄像頭中，在與真實場景举行成果比拟後，再将其举行跨時空维度的優化與重修。
而其它車辆在颠末這一場景時，一样的数据也将颠末標注體系举行交融和優化，既晋升精度，也晋升鲜度。對付動态標注物，特斯拉會標注到物體具备時序性的標注单位，由此计较其活動轨迹和各项参数，给出車辆的應答计谋。
不丢脸出，特斯拉的主動標注逻辑现實是對人類思惟的复刻，而潤肺茶,這一逻辑也恰是基于马斯克對第一性道理的深度思虑得来。
在人類的世界中，人類可以根据既往@履%MBk妹妹%历@，凭肉眼快速對所见事物得出其位置、尺寸、質量的粗估值，再經由過程丈量举行驗證，對本身的肉眼评估能力举行批改。
而特斯拉则按照算法，由视觉感知获得的图象信息快速给到三维點估值，再反馈至图象中举行驗證。由此，只必要主動標注，特斯拉就生髮,可以以终端為单位高效運行標注模子，云端也能将海量数据举行快速交融優化，效力比人工標注有了极大晋升。
與標注逻辑不异，特斯拉也把第一性道理带到了練習范畴，但分歧于“實践出真知”，特斯拉但愿經由過程“冥想”低落練習本钱。
之条件到，真實場景包括不少變量，此中部門特别場景不但可遇不成求，在寄托真實車队練習的模式下，更必要屡次反复練習才能给到最好的練習成果。
由此，特斯拉創建了一套可以或许仿照感知體系视角下的仿真世界，這有些雷同于人類的赛車遊戲，但其可以或许切确仿照多種繁杂場景與變量，而且举行反复屡次練習，直到算法模子打磨成熟。
在仿真體系中，特斯拉不但可以對算法模子举行多種場景與變量下的反复練習，也能够将一些失败駕驶数据的場景回复复兴、并經由過程复盘来阐發其失败缘由，以進一步優化算法。由此特斯拉主動駕驶技能得以實现快速迭代，并成為當前贸易化最樂成的主動駕驶企業。
毫末智行：以数据驱動，讓標注與仿真練習又快又省
毫末智行CEO顾维灏曾在2021 HAOMO AI DAY暗示，数据智能是毫末智行主動駕驶的焦點，而這一焦點也對毫末智行的標注能力带来了壮大的驱動感化。
和特斯拉同样，毫末智行也引入了主動標注能力，但分歧于特斯拉的標注逻辑，毫末智行經由過程對感知物體举行物體的追踪與活動属性檢测，并参加時序信息，由此得到4D點云標注信息。
基于這一主動標注能力，毫末智行起首可以或许将動态標注物與静态標注物區分隔来，但若要對動态標注物的活動逻辑举行更切确的果断，就必要更浓密的點云信息。
對此毫末智行的做法是，其可以将當前已采集到的多维度、多角度的點云信息举行紧缩，在晋升现有點云浓密度的同時，再去举行物體檢测，得到更切确的點云標注信息。
若是说特斯拉的標注逻辑是像人同样去“先猜後驗”，那末毫末智行就是做数學题式的“绘图求解”，密集的4D點云信息可以或许大大晋升全部主動駕驶世界的精度，這合适其数据是主動駕驶的焦點的設法。
最首要的是，這可以或许讓毫末智行的標注本钱低落80%，而且大幅晋升標注效力。
在引入主動標注實现標注能力的“降本增效”後，毫末智行還必要针對練習能力举行優化，在数据智能系统MANA中，這一部門被称之為驗證能力。
在實際場景中，受各種感知硬件機能参数與安装位置影响，主動駕驶感知體系在现實事情中會受参加景中各類身分影响，比方摄像頭呈现光斑、激光雷达被泥沙遮挡等。
另外一方面，各種极度場景與變量對主動駕驶算法模子泛化性的威逼照旧存在，想要包管主動駕驶技能的成熟，毫末智行也必要對這種場景與變量举行驗證。
對此，毫末智行也搭建了一套可以或许仿照感知體系视角下的仿真系统，通太重现各類場景，對算法模子举行練習和驗證，使不少在真實場景中必要最少1年的驗證事情，在不到1秒的時候内就可以完成。
仿真體系固然能晋升驗證效力，但随之到来的問题另有對更高算力機能的请求。
据2022 HAOMO AI DAY的信息，毫末智行選擇與阿里云PAI-EFLOPS团队互助，基于128卡A100集群，举行Swin Transformer模子散布式練習，晋升練習效力。
另外一方面，毫末智行還經由過程與阿里互助實现了夹杂精度優化、算子優化、编译優化，在實现模子練習本钱低落跨越60%的同時，加快比跨越了96%，讓“快”和“省”同時實现。
為加快主動駕驶體系的進化，毫末智行将来将借助云计较和超算中間的超高算力上風，把虚拟测试優化得更顺畅、更真實，以包管驗證與練習結果快速有用。
用邪術打败邪術，用AI搞定AI
总的来看，特斯拉與毫末智行在“降本增效”方面的設法是英雄所见略同的，那就是“學會罢休”，經由過程付與主動駕驶更多“智能”，使其學會本身跑步，由此解放人力，實现降本增效。
俗语说，只有效邪術才能打败邪術，那末搞定主動駕驶這道AI困難的，也只有效AI技能自己了。
详细来看，起首以引入主動標注能力，實现海量数据下標注速率的晋升與人工本钱的低落，并經由過程人工+主動標注协同的方法阐扬各自上風，進一步包管標注效力與質量。
而在練習方面，两者都為本身打造了一套用于練習與驗證算法模子的仿真體系，并經由過程對應體系的算力、算法優化，進一步晋升練習效力，包管仿真體系的高效運行。
經由過程在標注與練習方面的進级改良，特斯拉與毫末智行别离成了國表里主動駕驶研發落地進度最快的主動駕驶企業，但面临當前的都會場景，主動駕驶還没法做到彻底平安這一条件，以是主動駕驶什麼時候冲破L2至L3，還必要再期待一會。 |
|
發表於 2024-4-24 18:12:54
收藏