對話理想智駕VP郎咸朋： 輕地圖、GPT將如何改變自動駕駛？ 環球資訊
來源：機器之心
(相關資料圖)
在車企爭先恐后推送城市NOA的節點，大家對這一功能的實際效果卻是褒貶不一。在這一背景下，理想汽車在上海車展宣布，AD Max 3.0的城市NOA導航輔助駕駛，將于第二季度開啟推送，并于年底前完成100個城市的落地，且對用戶終身免費。 在這套城市NOA算法中，使用了三種神經網絡大模型算法： 靜態BEV網絡算法，動態BEV網絡算法以及Occupancy網絡算法。在通過此套方案宣布其進入「智駕3.0時代」后，理想汽車智能駕駛副總裁郎咸朋，以及理想智能駕駛產品負責人趙哲倫接受了我們的訪談，他們不僅進一步解釋了理想城市NOA的特點，還對現下流行的技術方案、后續的升級問題，以及未來的路線給出了自己的見解。 據介紹，AD Max 3.0的城市NOA所采用的靜態BEV，可以在部分攝像頭被遮擋，車道線模糊時依舊補充出道路結構，解決高精地圖數據實時性的問題。 動態BEV神經網絡也具備了一定的「腦補」能力，例如當車輛同時出現在多顆攝像頭視野內時，動態BEV可以穩定追蹤并感知出物體的距離與速度。 Occupancy網絡算法則可以對物理世界進行數據化建模，通過純視覺還原真實場景，例如路側垃圾桶、臨時的施工牌等「通用障礙物」。同時，理想汽車還使用NeRF技術，進一步提升了Occupancy在遠距離的分辨率，加強系統的感知能力。 針對這套方案的特點和思考，郎咸朋和趙哲倫與我們進行了深入的討論。 Q：您可否對「靜態BEV、動態BEV」這兩個名詞加以解釋？趙哲倫：所謂靜態BEV，就是將靜態世界用BEV算法還原出來，也就是車道線和道路的結構，可以理解為這些即是用高精地圖做的部分，也是變化較少的部分（除了施工改道等變化）。 而動態就是指不斷變化的交通參與者，例如人，騎車人，車，偶爾還會有一些動物之類的元素。 另外，除了靜態和動態，我們還提出了「通用障礙物」，即那些不需要區分類型，但依然需要避讓的元素，我們用Occupancy算法去完成這部分的識別。 實際上，向城市NOA發展動態參與者會非常復雜，雖然靜態來講相對穩定，但是識別也需要非常準確。理想 將這三種算法整合在一起，對其進行預測。 Q：如何選擇推送城市NOA的城市，需要有什么先決條件？郎咸朋：我們的基礎架構不受限于高精地圖，城市NOA的開放邏輯是基于訓練里程的，這就取決于這座城市里的車主保有量及開車頻率。 哪里的訓練量足夠多，實際路口的通行次數夠多，哪里就可以開放。（理想汽車智能駕駛副總裁 郎咸朋）
趙哲倫：關于城市NOA適應的場景，這是行業共同的問題，也就是長尾問題：要覆蓋大部分的生活場景并不是很難的事，但剩下的小部分場景卻非常難解決。 整個物理世界被分割成三個部分：第一部分是靜態的道路結構，第二部分是動態的交通參與者；第三部分是障礙物——中國存在非常多的改道和施工，第二與第三部分在這里尤為復雜，與北美相比是數量級的差別。 這些因素導致最后的10%乃至1%，會需要比較長的迭代周期。 如果以「接管率」作為要求，我們認為初期做到「單次行程接管一次以內」就算是較好的用戶體驗。再往后是一天接管一次，一周接管一次……如果能做到一周接管一次，那就非常有用戶價值了。 Q：如果可以量化疲勞度，什么時候城市NOA的體驗能達到比較安心的狀態？趙哲倫：在高速路的固定場景中，我們很容易掌握別的車和自己車的邊界在哪里，但城市的場景中有很多需要預測的部分， 如果人對車的決策無法預知，就容易心慌。所以，理想在城市NOA的環節，為了讓用戶提高信任度， 會進一步優化整個交互上的顯示，讓駕駛員能更理解AI的思維方式。例如，在車機的EID上，你可以看到車輛有沒有預測到會和別車交匯，也就明白車輛將會制動，你也就會更有安全感。 其實現在特斯拉在北美最新的交互上已經有這樣的展示了，它會預告車的加減速或者制動，這樣會在很大程度上提升信任感。 另外還有接管率的問題，雖然城市場景比高速難很多， 但是我們基本上能做到20-30公里接管一次。Q：年底規劃開發100個城市，這是個恐怖的速度。反過來在安全層面，我們在人機互駕上有沒有考慮過優化升級？趙哲倫：人機互駕對用戶的要求也是比較高的。大家如果關注現在的高速輔助駕駛，目前至少在理想的用戶中，使用率還是比較高的，日活能達到30%，是一個比較高的數字。 但用戶需要清晰地掌握它的邊界，才能很好的使用。如果放眼整個汽車行業，依然有大部分用戶沒怎么真正使用過這樣的系統。 所以，在城市NOA的推送過程中，也會參考從核心高頻率使用、至少是對輔助駕駛有深刻了解的用戶來首先推送。 Q：理想的城市NOA方案沒有收費，可是友商都在收費，這樣做的邏輯是什么？趙哲倫：如果訂閱，每年基本需要付數千元，到賣車的時候也付了數萬元了，但這筆費用其實完全沒有任何的保值作用。 我們考慮的是，如何讓在用戶賣二手車的時候，車整體上仍是他的「資產」，而不是他的「消費」， 所以我們會選擇前期以一個低成本的硬件BOM價格去預埋在車上，硬件的成本是在車里面的。但是在賣車的時候，這個價值依然能得到體現，而且其軟件功能其實更強大了，價值體現得更加充分。 郎咸朋：如果你說有一張高精地圖，它覆蓋了中國所有的道路，每分鐘就能更新一次，而且還很便宜，1塊錢就能用一天，我肯定會非常贊同使用高精地圖。 這3個特點又恰恰是高精地圖的制約點：如果想獲得高鮮度，勢必要頻繁更新；如果想獲得元素豐富的信息，制作工藝又勢必會非常復雜。 還有一個原因是我們國家實在是太大了，所有的道路一共有1000萬公里左右。（其中高速公路只有30萬公里的高速，所以說在高速場景利用高精地圖還是能實現的。） 如果想把這1000萬公里的道路全都做一遍高精地圖，需要花費上億元的成本。因為每做1公里高精地圖，大概是100元的成本。 所以，為什么大家都不用高精地圖了，并不是說其本身不好，而是我不具備使用它的條件。同時，還有另一個問題，之前做高精地圖，是因為還沒有靜態BEV、動態BEV等算法。這兩年，因為大家認為高精地圖存在使用痛點，而且隨著算法能力變強、車身傳感器增多，逐漸就有了靜態特征信息的檢測算法。利用靜態BEV算法，相當于在開著車的同時，局部圖就構建好了。 現在我們做的并不是高精地圖，而是智能駕駛所需的元素、特征、信息的一張圖，它不需要反饋道路邊界在哪，具體入口位置在哪，因為我們具備自己的實時感知能力，只需要自己去判斷車道線在哪就好了。 例如，當車輛左轉彎，轉過去之后是否有道路連接，左轉道路與后續直行道路是否有拓撲關系，這個關系比「確定道路邊界在哪」更重要。 這種智能駕駛需要了解的信息，我覺得只做地圖的人可能會了解得少一點。 Q：可否理解為，BEV解決的其實是單車單點的問題，但是地圖有定位，二者相輔相成？郎咸朋：之前大家想用規則式的、寫得特別清楚的方式去做智能駕駛，所以才有了高精地圖。 但現在有越來越多的人理解到： 要想最終實現自動駕駛，要從人工智能角度來解。我們想教會系統像人一樣思考和開車：你開車的時候也并不是要把整個中國地圖全裝到腦子里，才會開這輛車，而是邊開邊判斷。 其實在做高精地圖的時候，還有一個細節：圖商希望能繪制出智能駕駛的規劃路徑，就是智能駕駛知道該怎么開，只要沿著地圖上畫的線開就好了。 但是哪有那么容易的事，路上有各種各樣的復雜交通參與者，尤其在城市場景里面，這種思路是錯誤的。 Q：目前大家說不依賴高精地圖的城市NOA，是真的一下把高精地圖丟開，還是逐步將其降權？郎咸朋：我們也看到了不依賴地圖或者重感知、輕地圖的說法，其中有幾種方案： 大家在高精地圖和非高精地圖之間，或者導航地圖和非高精地圖之間制作地圖，叫 HD Map-或者叫 SD Map+。 HD Map-，其實還是用了高精地圖，只不過是少用了幾個元素而已；而SD Map+就是在導航地圖的基礎上，增加了一點匹配智能駕駛的元素。 大家都說輕地圖，要看輕的是什么，是從高精地圖上做簡化，還是從SD Map上做加法？這是感知區別，我比較傾向于后者。Q：剛才提到的道路拓撲關系，現在在理想的城市NOA的技術棧里面是由誰來負責？郎咸朋：這種拓撲關系在國內還是由圖商負責。我們與高德也會展開一些討論和合作，高德會發布OEM圖層的邏輯，方便在合作時將智能駕駛特征相關的信息在OEM里面進行體現。 Q：目前在城市NOA，理想的技術棧里面，道路的連接關系是怎么獲得的？郎咸朋：實際上關于拓撲關系，我們有自己的生產方式。 舉一個紅綠燈路口的例子：在實車體驗時可以發現，位于路口時會有一個小的神經網絡去做端到端的訓練——給我一張圖，我就告訴你這里該轉向還是直行，而不是說根據紅綠燈與道路的關聯，再根據道路拓撲做判斷，這還是有本質區別的。 Q：關于大模型算法，據說新勢力第一梯隊的表現不是理想，您怎樣看待這個問題？郎咸朋：這是低估我們了。如果不是以大模型算法訓練為前提，我們不可能有那么多訓練里程。 從一開始，理想就將智能駕駛當成長期AI的問題對待。在車展現場公布訓練里程時，最早的是2019年的數據。也就是說，從那時起我們就已開始了算法訓練。 在做第一代產品時，大家用的都是供應商的方案，那時理想就已經開始做訓練里程和算法的積累。在2021年，理想有了AD1.0，那是我們第一次全棧自研，已經積累了1億多里程的訓練里程。 到了AD2.0，也就是去年，我們是全球第一個交付Orin X芯片的高速NOA，這樣的速度都是源于訓練里程的積累。 理想一直堅持認為， 對于所謂的「自動駕駛」，要看成人工智能問題，那么關鍵點就是三要素：算法、算力、數據。 我們認為最終競爭的決勝點是數據，是擁有多少訓練里程。建立這個思路之后，大家就不難理解：為什么要標配AD？因為只有標配才能有最大規模的量，而且訓練里程中的樣本種類也豐富。 之所以BEV網絡的訓練迭代速度會非?？?，其實也是源于數據。現在我們有4億公里的訓練里程，而且都是挖掘出來的真正有用的數據。 還有一點，就是總量大不大，也就是產品銷量也必須要高，這兩點相乘才是最終獲取到的訓練里程規模。 Q：對于端到端的基礎戰略，理想是怎么看的？你們對AI和神經網絡的應用會到什么程度？郎咸朋：端到端有可能是根據一張圖就能出結果，但也有可能是局部的端到端。隨著算力的增大，確實大家的想象空間會變大。 原來因為算力不足，必須把感知、決策、規劃和控制分開做，而現在算力高了，于是可以嘗試將一些東西合在一起做端到端。 我們會保持探索這一方向，但對于現在的產品而言，我們還是要用自己的大模型確保感知、BEV等。 在規控上，理想主要有兩方面的考慮：一是控制結果要確保安全，這可以以規則去做， 最終規控是Rule-Based和Neural-Based的結合，而不是完全Rule-Based的東西，因為我們一定要把智能駕駛以體驗作為驅動。 第二點考慮，是控制結果要與人類駕駛體驗吻合?；诖耍覀兊南敕ㄊ怯眯〉纳窠浘W絡去做。 Q：有人說GPT范式看起來是人工智能的邊界，它會否改寫智能駕駛的基礎范式？例如拉一個很大的模型，基于這個模型做出很有常識的東西，然后把它拿來適應駕駛任務。郎咸朋：目前看來，這是一個合理的趨勢。GPT最大的好處是可以用大量的弱標注或者粗標注的樣本，來獲取一定的基礎能力；然后再用精標的小數據去做調整，在某些任務上得到更好的結果，我們現在也在這么做。 舉一個例子，比如數學考試，肯定是先掌握各種各樣的數學知識，來補充基礎素質。之后在臨考前，做一下歷年真題，掌握解題技巧；最終在考試時，分數就可能會比較好。 但之前因為沒有大模型這種思路，大家就是拼命刷題、精標數據。這樣萬一題型有改變，那考試成績就會變得很差。這是GPT范式和非GPT范式的區別，我認為前者是有一定合理性的。 Q：您是如何看待特斯拉的Dojo，還有友商小鵬的「扶搖」這種大型的用于數據訓練的機型?郎咸朋：其實Dojo和扶搖都是很好的訓練集群，但我理解它們只是算力底座或算力基建，上面搭載的是整套虛擬閉環和數據閉環。 特斯拉這套系統最強大的是車端數據的采集和訓練，是一個非常高效迭代的閉環，小鵬的扶搖可能只是一個訓練集群，但搭載的數據閉環是否效率很高，他們沒有講過，我們也不得而知。 Q：理想現在認為自己的硬件，到2025年這段時間，對于應用需要的感知和計算能力是否能夠滿足？趙哲倫：理想最早使用的是單模攝像頭+單毫米波雷達，再到后來的環視攝像頭。目前從L系列來說，無論是Pro還是Max都具備周視相機和大算力的芯片，這點已經帶給開發很大的自由度。 至于是否能夠支持到2025年，目前看來肯定是可以的。Q：剛才提到了，原來咱們跑CNN，需要的是帶寬密集型芯片；現在跑Transformer，需要的是算力密集型芯片，我想向您確認一下，這種說法是否準確？郎咸朋：帶寬密集型還是算力密集型，與硬件本身的設計是強相關的。英偉達在設計芯片的時候，其實還沒有Transformer，但現在它也做了很多相關的優化補丁。 我們與英偉達之間的互動其實非常多，我們提了很多意見和建議，現在反饋得到的優化也很顯著。在它下一代的芯片里面，也會更好地解決硬件加速和優化的問題。 機器智行為機器之心推出的智慧出行垂直媒體，關注自動駕駛、新能源、芯片、軟件、汽車制造和智能交通等方向的前沿研究與技術應用，透過技術以洞察產品、公司和行業，幫助汽車領域專業從業者和相關用戶了解技術發展與產業趨勢。 關鍵詞：
最新文章
