2022年L4自動運転年次解答用紙、本当に最後に笑うのは「誰もいない」-AI-php.cn

L4自動運転は今年、「大改造」「大変革」の瞬間を迎えた。

冬も半分。プラットフォームベースの自動運転のスターであるオーロラと、フォードとフォルクスワーゲンが支援するアルゴはいずれも今年レイオフや倒産のニュースを報じており、以前はロボタクシーに注力していた多くの企業が乗客向けの運転支援に切り替えている。車。

キャピタルはL4の話について非常に慎重になっている。そこで人々は「L4の冬が来た」と言います。

#残りの半分は炎です。

栄冠の至宝は遠く、有力企業はすでに決勝戦の夜明けを垣間見て切符を手に入れた。

Baidu Apollo、Google Waymo、General Cruise は急速に進歩し、継続的に進歩しています。

たとえば、Waymo と Cruise は、サンフランシスコとフェニックスでの商業事業の範囲と期間において画期的な進歩を続けていますが、中国では、Baidu Apollo のキャロットランも 10 以上の都市で開始されています。北京と武漢では完全無人運転が実現し、重慶ではマイルストーンを達成し、商用マイルと運送状の数が急速に増加した。

どう説明すればいいでしょうか？

これは実際には非常に単純です。自動運転業界における再編の波の中で、最初に夜明けを見ることができるのは、真に「無人」の人々だけです。

「地上に誰もいない」ことがなぜそれほど重要なのでしょうか?

Baidu Apollo、Waymo、Cruise は、L4 商用化で最も早く進歩した 3 社であり、いずれも同じ特性を示しています。

巨人の支援を受けることもその一つであり、さらに重要なのは、彼らの導入プロジェクトは「誰もいない」という前提に基づいているということです。

たとえば、湖北省武漢では、Luobo Kuaipao アプリを通じて完全無人の自動運転車を呼び出すことができます。この技術は Baidu Apollo から提供されています。

なぜ「完全無人化」がL4以上の自動運転技術実現の鍵となるのでしょうか?

まず、ビジネスの観点から見ると、Robotaxi のビジネスモデルの初期の成功には、「完全無人化」が必須の前提条件となります。

ロボタクシーにとって、商用化の最大の課題はコストです。 1つ目は車両の改造にかかる費用です。初期の頃は、OEM との導入前の量産協力が得られない限り、ロボタクシーの価格が数百万ドルかかるのが一般的でした。

運用段階で最大のコストとなるのは、車両に乗務する安全担当者です。

一般の人間のドライバーが運転するオンライン配車車の最低人件費は年間約 12 万元で、安全担当者の方がドライバーよりも高いだけです。

従来のRobotaxiでは、運行ライフサイクル全体で自社コストのバランスをとることが困難でした

技術的に「完全無人運行」を実現するということは、まず人件費の節約を意味します。

第二に、完全無人自動運転技術スタックは、プリインストールおよび量産モデルに実装する必要があるため、車両自体のレベルでは、通常のオンライン乗車と同じコスト範囲に入ることも意味します。呼んでいます。

さらに、「完全無人」ということは、技術提供者が自動運転走行の高い信頼性と安全性を満たせるようになったということも意味します。

この政策では、そのようなテクノロジープロバイダーに対して運営ライセンスを開放する傾向も強くなっています。

したがって、「完全無人」自動運転の実現にとって最も重要かつ直接的なポイントは「コストの低減」ですが、それよりも重要かつ深遠に影響を与えるのは、自動運転による安全性・信頼性の向上です。技術の成熟度。

Baidu Apollo が提供するデータによると、累計テストマイル数は 4,000 万キロメートルを超えています。ロボタクシーの配達成功率は 99.99% を超えています。

この背後には、L2 と L4 で Apollo によって開かれた自動運転データの閉ループと、AI 分野における Baidu の他の蓄積によって築かれた基盤の両方があります。

たとえば、Wenxin 大型モデルの何千もの物体認識機能を活用すると、特に特殊車両 (消防車、救急車) の認識に適用した場合、自動運転の意味認識データを大幅に拡張できます。、ビニール袋、その他の特殊な形状の物体ロングテールシナリオのカバー範囲が大幅に向上し、自動運転の信頼性が向上します。

さらに、Apollo 自動運転高精度地図は建設自動化率 96% を誇り、百度地図の 1,200 万キロメートルに及ぶ主要な道路網と膨大な時空間データに基づいており、何億人ものドライバーによって蓄積された運転知識を活用し、道路ネットワーク全体のレベルで運転知識グラフを構築し、自動運転の意思決定の快適性を向上させます。

現在、Luobo Kuaipao の完全無人自動運転車両の商用運用とテストは、エリアの拡大、量の増加、時間の増加を続けています。すでに北京、重慶、武漢に上陸している。

2022年L4自動運転年次解答用紙、本当に最後に笑うのは「誰もいない」

武漢経済開発区を例に挙げると、総面積は 130 平方キロメートル以上、住民は 100 万人以上です。自動運転フリートの運行シナリオには都市部の高架道路と一般道路が含まれ、運行期間は昼夜に及び、プロセス草案で直面するロングテールシナリオと複雑な課題は通常のオンライン配車自家用車と何ら変わらない。

実際のシナリオでのデータの蓄積とトレーニングにより、Apollo の技術的反復効率が直接加速され、それによってよりロングテールシナリオが探索され、データ閉ループの「フライホイール」効果が形成されます。

完全無人テクノロジーが成熟し、ビジネスモデルの初期の実行がもたらされ、一部の都市で大規模な運用が可能になりました。

このプロセスでは、有能なプレーヤーがRobotaxiのビジネスモデルをさらに検証および改善し、導入範囲をさらに拡大することで、主導的なアドバンテージを形成します。

これはまさに、Baidu Apollo や Waymo などの企業が現在進んでいる道であり、寒い冬でも人々がテクノロジーと自動運転を信じ続けることを可能にする「たいまつ」でもあります。

どのような技術が必要ですか?

誰も着陸しないという目標を達成するには、その背後にあるテクノロジーが強固で十分な強度を持つ必要があります。

百度については、この業界の再編と二極化の中で着実に発展し、常に中国の自動運転分野をリードしてきた企業として、その技術開発には一定の参考となる意義があると言える。

したがって、この問題を百度の自動運転技術開発の道筋の観点から見てみるのもよいでしょう。

他のプレイヤーのプレイスタイルとは異なり、Baidu の自動運転の非常に際立った特徴は、Wenxin の大型モデルとの緊密な統合です。

そして業界全体を見ると、Baidu は依然として自動運転認識において大規模なモデルを最初に適用した企業です。

具体的には、自動運転のロングテールデータマイニングの問題を解決するために、Baidu は Wenxin の大規模モデル (弱く監視された画像とテキストの事前トレーニングモデル) を使用しています。

より典型的なロングテールデータマイニングの問題としては、次のものが挙げられます。

• 希少な車両モデル: 消防車、救急車など、道路上の「出現率」が低いため、そして、形や形状は不規則であり、認識と理解に一定の課題をもたらします。 • さまざまな姿勢の歩行者: 道路上では人が一人もいないことが多く、識別が困難になるだけでなく、その後の予測や追跡にも一定の困難が生じます。 • 低い物体と交通および建設の要素: 低い物体 (道路上のガードレールなど) は、常に認識するのが非常に難しい問題です。

上記の固有の問題に直面しても、数千の物体を認識する Wenxin 大型モデルの機能の助けを借りて、Baidu の自動運転用の意味認識データを大幅に拡張し、効率の指数関数的な向上を達成できます。

さらに、パラメータスケールが10億を超えるWenxin大型モデル自動運転知覚モデルのおかげで、小型モデルの大規模モデルトレーニングを通じて、自動運転知覚の一般化能力も大幅に向上しました。強化されました。

2022年L4自動運転年次解答用紙、本当に最後に笑うのは「誰もいない」

これに関して、Baidu 自動運転技術の専門家である王京東氏は次のように述べています。

大型モデルは自動運転機能を向上させる中核的な原動力となっています。。

百度の自動運転で無人着陸を迅速に実現する「第二の魔法の兵器」が、百度アポロ自動運転マップです。

私たちが普段利用しているナビの地図とは異なり、高精度な地図は賢い運転を実現するために欠かせないものと言えます。

全体として、高精度地図は 3 つの主要な特性を満たす必要があります。

1つ目はセンチメートルレベルの高精度です。

人間が通常のナビゲーションマップを使用する場合、必要なのは 5 ～ 10 メートルの精度と、ドライバー自身の判断だけです。

しかし、スマートカーには人間のような判断能力がないため、1～2メートルの誤差がラインプレスなどの問題を引き起こす可能性があるため、精度はセンチメートル範囲に収める必要があります。

2 つ目は、網羅される道路情報の多さです。

高精度地図がスマートカーに提供する必要がある情報は、通常のナビゲーションマップに含まれる道路の選択、渋滞、走行時間などの基本情報を超えています。また、車線幅変更オフセットポイント、迂回エリア、円形標識、高速道路出口など、大量の運転支援情報を含める必要もあります。

最も重要なことは、道路網の正確な 3 次元表現であり、車線数、境界線の位置、ガードレール、街路灯、さらには 100 以上の道路フィーチャも含まれます。縁石のサイズ。

3つ目は、高精度地図では迂回路が存在することです。

これは、高精度地図が人間ではなくスマートカーを対象としており、その情報がスマートカーの測位システム、認識システム、意思決定システムに使用されるためです。

したがって、トンネルなどの状況に直面した場合、高精度地図ではこの道路が存在しないように見えるため、「迂回」する可能性があります。

完全な無人着陸を実現するには高精度の地図が不可欠であり、それが容易ではないことがわかります。

しかし、Baidu Apollo 自動運転地図は「現役」であるため、上記のような困難を抱えていたに違いありません。

Baidu の高精度建設自動化率は 96% に達しており、適用コストが高いという問題は大幅に解決できることがわかりました。

同時に、オンラインマップをリアルタイムで生成する機能も備えており、ティアオフセンシングデータとマルチソースマップを統合して自動運転の安全性を保護できます。

意思決定の面では、Baidu Maps の 1,200 万キロメートルにわたる主要な道路網のカバーレベルの膨大な時空間データと数億のドライバーの運転知識データに基づいて、Baidu は運転知識も構築しています。道路ネットワーク全体のレベルでグラフを作成し、自動運転の意思決定の快適性を向上させます。

Baidu は、アルゴリズムとソフトウェアレベルに加えて、誰も実装を達成しておらず、ハードウェアの取り組みも怠っていません。

Baidu が自社開発した AI チップ Kunlun Core 2 は、自動運転向けのソフトウェアとハードウェアの統合における Baidu の利点を強化するために、自動運転シナリオ向けのエンドツーエンドのパフォーマンス適応を完了したと理解されています。

もちろん、百度が自動運転をリードするのは一朝一夕に達成できるものではなく、「10年間の現場での努力」と継続的な技術蓄積の賜物です。

一連の公開データを一目で確認できます:

現在、Baidu Apollo は世界で最もアクティブな自動運転オープンプラットフォームに成長しており、210 を超えるグローバルなエコロジーパートナー、80,000 人のグローバル開発者、700,000 行のオープンソースコード、総テスト走行距離は 100 を超えています。走行距離4,000万キロメートル、自動運転に関する特許は3,477件あり、4年連続で世界1位となっている。

以上が、世界で初めて無人着陸を実現した選手たちの技術力です。