别东谈主刚上「端到端」，联想智驾却又迭代了
发布日期：2024-11-20 06:18 点击次数：155
自动驾驶时间发展了这样多年，最大的变化是什么？
在写下这篇著作的前一天，两位汽车行业一又友来到爱范儿，和咱们坐下聊了聊。聊到的本质有好多，从产物推行到行业趣闻，而自动驾驶算作行业热议的一个分支，当然也成为了咱们参谋的焦点之一。
回来自动驾驶这些年来的发展，变化其实有不少，包括传感器的迭代、车端算力的提高、从高精舆图过渡到占用网络等。但在这些变化中，最引东谈主注方针打破当属大模子的加入。
大模子，让自动驾驶时间的应用，变得垂手而得。
10 月 23 日，联想汽车全新一代双系统智能驾驶解决有筹算「端到端+VLM」认真运转全量推送，联想汽车的智能驾驶，从此步入了 AI 大模子的时间。
像东谈主一样想考，像东谈主一样驾驶，如今的联想汽车，正在竣事这一愿景。
好谢却易搞懂了端到端，VLM 又是什么？对于端到端到底是什么？是从哪个「端」到哪个「端」？别说无为浮滥者了，就连不少媒体从业者都莫得搞澄澈。
不少厂商都曾对此作念出过讲明，其中讲明得最喜闻乐见的，照旧联想汽车：
一端，是传感器：录像头、激光雷达等传感器，它们就像是东谈主的眼睛，负责输入环境信息。此外还有罕见遐想的输入信息，如车辆的位置、位姿和导航等信息。
另一端，是行驶轨迹：给与了来自传感器的信息后，系统会输出「动态扼制物」、「谈路结构」、「占用网络 Occ」和「狡计轨迹」。前三个感知任务主要通过屏幕呈现给用户，第四个「行驶轨迹」，即是咱们最终需要从传感器映射出来的东西。
▲联想智驾端到端架构图
不难发现，从传感器给与信息，到系统输出行驶轨迹这个进程，和咱们我方开车特殊雷同——咱们的眼睛负责给与信息，双手会天然而然地带动见地盘，把车辆带到正确的轨迹上。
是的，依靠端到端模子，联想新一代智驾系统作念到了像东谈主一样驾驶。
一直以来，无论是主机厂照旧自动驾驶企业，都在胁制宣传自家的智驾系统有何等类东谈主，何等像「老司机」。然而，一些「老司机」们习以为常的场景，在很长一段期间里，都是难以解决的行业繁重。
最典型的即是环岛这一场景，因为场景复杂、感知受限，因此在本年 7 月之前，还莫得几家车企能够竣事「老司机」般的出入环岛。
联想智驾时间研发负责东谈主贾鹏曾对爱范儿和董车会暗示，对于感知和规控分离的分段式智驾有筹算来说，在环岛场景里，感知模子需要为规控模子作念「各式万般的假定。」
作念个掉头，还得把掉头线拟合出来，不同的路口的掉头还不太一样，曲率都不太一样，是以你很难作念到一套代码就不错把统共环岛掉头处治，种类太多了。
一容颜的端到端有筹算则不同，其具备更强的复杂谈路结构的剖判能力，不错愚弄东谈主类驾驶员数据考试出不同的环岛类型、不同出进口的出入轨迹，自主选拔稳健的行进门道。
如斯一来，原有的谈路拓扑和东谈主工界说的规章，就再是必须的了。
对于环岛这件事，贾鹏还共享过一个「好玩的故事」。
在咱们（的模子数据包含）概况 80 万 clips（视频片断）的时候，还过不了环岛，其后一霎有一天发现咱们（喂了）100 万 Clips（之后）它我方能过环岛，我以为是 100 万（视频片断）里头刚好有一些环岛数据放在内部了。
「模子如实很猛烈，」贾鹏补充谈，「你喂了什么数据他就能学会，这是模子的魔力地点。」
联想如今推出的全量版块基于 V4.8.6 模子，后者是在 400 万 clips 的基础上迭代的第 16 个版块。和以往比拟，新模子对于超车场景和导航信息的剖判能力得到提高，同期，扼制物的检测愈加精确，绕行的幅度也更为合理。
因此不仅是环岛，像 U 型掉头、拥挤时的蠕行和博弈、十字街头等传统复杂场景，如今的「端到端+VLM」智驾系统，都能够很好地自主处理，以致还支抓 P 档激活——
在路边泊车时，用户原地双击拨杆来激活智驾系统，毋庸再像夙昔一样，必须在车谈内才能激活。
先容完端到端模子的能力，接下来即是 VLM 模子。
VLM 模子是一种视觉话语模子，联想是第一个将视觉话语模子收效部署在车端芯片的厂商，使自动驾驶具备了未知场景的逻辑想考能力。
也即是说，它能够像东谈主一样想考。
举个例子，能够生成行驶轨迹的端到端模子，统统具备通过收费站的能力，但它在面临收费站时，并不是很澄澈我方应该走哪条谈，临了只可坚强挑一条来走。
而 VLM 模子，则能够像东谈主类一样剖判物理全国的复杂交通环境和汉文语义，不错澄澈地辩认 ETC 车谈和东谈主工车谈，并辅助端到端模子作念出正确的决策。
雷同的场景其实还有好多，如公交车谈和潮汐车谈的识别、学校路段等路牌的识别、主辅路的出入等。不仅如斯，在遭逢施工厂景、坑洼路面以致是延缓带时，VLM 模子也能很好地剖判，进行指示和放慢。
限定当今，联想汽车的 VLM 视觉话语模子照旧领有了 22 亿的参数目，对物理全国的复杂交通环境具有更拟东谈主的剖判能力。
此外，在 OTA 6.4 版块中，高速 NOA 功能也得到了优化，在高速 & 城市快速路场景中，系统不错更早地识别前列慢车，超车动作愈加高效安全。
一言以蔽之，在端到端+VLM 双系统的匡助下，如今面向用户的 OTA 6.4，其拟东谈主化进程上到了一个新的台阶。
联想的「快」与「慢」从时间架构来看，联想汽车这两年经验了三次比较大的调解。
从需要先验信息的 NPN 网络，再到基于 BEV 和占用网络的无图 NOA，再到如今的一体化端到端时间门道。
第一代 NPN 架构比较复杂，包含了感知、定位、狡计、导航、NPN 等模块，它们共同援助起了联想汽车那时 100 城的城市 NOA 推送。
第二代无图 NOA，联想汽车引入了端到端大模子，模块数目大幅缩减，只剩下了感知和狡计，不再需要恭候先验信息的更新。
联想的这一步，让车企的「卷」，不再局限于败兴的开城数目，着实竣事了有导航就能开。
本年 5 月，联想汽车招募了 1000 位用户，认真开启了无图 NOA，也即是 AD Max 3.0 的公测。那时的用户响应，远远超出了联想汽车的预期，短短两个月后，联想汽车就为 24 万多位联想 AD Max 用户推送了此次升级。
只不外，这个时候的端到端，照旧一个分段式的端到端，第三代智驾有筹算，才是着实道理上的一容颜端到端——从输入到输出，全部由一个模子竣事，中间莫得任何规章的参与。
在以往，无论是有图有筹算照旧无图有筹算，都依赖工程师把柄各式万般的谈路场景去编写规章，力争穷举统共谈路情景和与之对应的有筹算，让智驾的限制尽可能地广。
频繁来说，厂商会把场景直爽分为三种：高速场景、城区场景和泊车场景。这几大场景又不错无间细分，规控工程师们则需要针对这些场景来编写代码。
但面临纵横交叉的现实全国，这样的作念法昭着不够现实。而一容颜端到端，则不错学习东谈主类开车的进程，给与传感器信息后，径直输出行驶轨迹。
有莫得发现，这个时候，提高智驾能力最关键的身分，从工程师酿成了数据。而联想，最不缺的即是数据。
10 月 14 日，联想汽车迎来了第 100 万辆整车在江苏省常州基地下线，中国首个百万辆新势力车企就此出身。把柄联想汽车公布的数据，在 30 万元以上的联想车型中，AD Max 用户的比例，高达 70%——
每过一个月，这些车都能给联想提供十几亿公里的考试数据。
另外，联想很早就相识到数据的关键道理，打造了对于数据的器具链等基础能力，比如联想的后台数据库竣事了一段话查找那时，写一句「雨天红灯住手线隔邻打伞途经的行东谈主」，就能找到相应的数据。
恰是凭借浩荡的考试数据和完善的限度链，联想智驾竣事了在行业中的「其后居上」，用端到端和 VLM 构成了我方的「快」与「慢」。
在联想看来，这套双系统智驾有筹算，雷同于诺贝尔奖赢得者丹尼尔·卡尼曼在《想考，快与慢》中的快慢系统表面：
东谈主的快系统依靠直观和本能，在 95% 的场景下保抓高恶果；东谈主的慢系统依靠有相识的分析和想考，先容 5% 场景的高上限。
其中，端到端是阿谁「快系统」，而 VLM 当然即是「慢系统」了。
郎咸一又认为，一个自动驾驶系统到底是 L3 级别照旧 L4 级别，并不取决于端到端，VLM 模子才是着实能去应酬未知场景，拔高能力上限的枢纽地点。
「联想同学，我要去这里」除了智能驾驶方面的升级，OTA 6.4 在用户交互方面也引来了翻新。
这里相似分为「快」和「慢」两个部分。
算作「快系统」的端到端模子所对应的频繁为翰墨弹窗，为驾驶员及时提供导航、交规、恶果、博弈等实施逻辑和动作。
对于「慢系统」VLM 视觉话语模子，联想则为它准备了全新的图文视窗。在特殊场景下，将前列感知到的画面投射到页面内，互助案牍训诫模子的想考进程和收尾。
在翰墨弹窗和图文视窗的互助下，无论系统实施何种车控动作，驾驶员都能提前细察。对于那些首次体验智驾的浮滥者来说，这种直不雅的信息展示也有助于飞速建筑他们对智能驾驶系统的信任感。
不得不承认，联想汽车对用户需求的剖判如实特殊精确。
在咱们对于畴昔的畅想中，智驾和智舱老是绑定在一王人的，在 OTA 6.4 版块中，联想也为它的智能空间带来了不少升级。
领先是新增的任务大师 2.0 全面接入了联想同学和 Mind GPT 的能力，在大模子的加抓下，任务大师的推崇更为智能。
Mind GPT 加抓下的联想同学，不仅能够在周末家庭短途旅行息争答平日小疑问这两个场景里确认作用，王人集新升级的高德 AutoSDK 750 版块导航舆图，联想同学不错通过「触控+语音」的形式，让驾驶员飞速进行方针地搜索。
比如说，指着舆图上的某个位置，让它帮你搜索充电站任一品牌的充电桩，以致还不错指定功率。
总之，全新的联想同学统统不错让你毋庸提起手机，你不错用最当然直不雅的形式，蛮横诞生导航线径。
端到端负责驾驶，VLM 替你想考，而你只需通俗地指令见地。
