HaoMo Zhixing CEO、Gu Weihao氏: 都市シナリオにおいてMANAが直面する6つの大きな課題と新たなアップグレード

「データドリブンの自動運転 3.0 の時代が到来しました。知覚、認知、モード、データの 4 つの技術条件が並行して確立されて初めて、私たちは真の自動運転新時代を迎えることができます。私たちが行うすべてのことは、 「データをより効率的に取得し、知識に変換できるように、データ チャネルとコンピューティング センターを作成します。BiMo は自動運転 3.0 時代に全力で疾走します!」 9 月 13 日に開催された第 6 回 HAOMO AI DAY で、BiMo Dr.知興の顧偉豪CEOは「自動運転と自動運転の3.0時代」と題して講演し、業界で初めて「自動運転はデータドリブンの3.0時代に入った」という業界の判断を提起した。同氏はまた、最先端の AI テクノロジーの探索とレイアウトに基づいて、自動運転都市シナリオにおける主要な機能アップグレードを行った MANA データ インテリジェンス システムについても紹介しました。

(HaoMo Zhixing CEO、Gu Weihao 博士は「HaoMo と自動運転 3.0 時代」について基調講演を行いました)

注目のビッグモデルを受け入れ、技術的リーダーシップを維持し、自動運転3.0時代に向けて全力で疾走する

自動運転3.0時代とは？推進要因は何ですか? Hao Mo は現在どの段階にありますか?顧偉豪氏はスピーチの中で上記の問題を共有した。

(Gu Weihao のライブスピーチ)

Gu Weihao は、アテンションラージモデルは現在の AI 開発における新しいトレンドであり、それがもたらす機会であると述べました。と課題は、自動運転 3.0 時代の重要な推進要素の 1 つになります。 Attentionの最大の特徴は、シンプルな構造で基本ユニットを無限に積み上げて膨大な数のパラメータを持つモデルを得ることができることであり、パラメータ数の増加や学習手法の改良により、大規模モデルの効果は大きくなってきています。多くの NLP タスクで人間の平均レベルを上回りました。しかし、アテンションの大規模モデルは、大きな課題にも直面しています。つまり、コンピューティング能力の需要がムーアの法則をはるかに超えているため、大規模モデルのトレーニング コストが非常に高くつき、端末デバイスへの実装が非常に困難になります。

(Gu Weihao 氏は、Attention ラージ モデルは現在の AI 開発における新しいトレンドであると述べました)

Attention ラージ モデルがもたらす機会と課題自動運転業界の技術変化を推進しています。 「ハイモは低炭素スーパーコンピューティングを通じて自動運転のコストを削減し、自動車側モデルとチップの設計を改善することで大型モデルを車両側に実装し、データ整理を通じて大型モデルをより効率的にしている」とGu Weihao氏は述べた。データレベルでは、アテンションラージモデルに基づく自動運転には大規模かつ多様な学習データが必要ですが、十分な規模と多様性のデータを蓄積できるのは、大規模な実際の人間の運転データに基づく乗用車の支援運転だけです。 「私たちには、運転支援が自動運転への唯一の方法であると信じる理由があります。なぜなら、運転支援だけが十分な規模と多様性のデータを収集できるからです。」 3年近くの開発を経て、Weimoは現在中国最大のデータ量になっていると報告されています。業界の自動運転会社の 1 つである同社の現在のユーザー支援運転走行距離は 1,700 万キロメートル近くに達しており、そのデータ規模は急速に増加し続けています。

(Gu Weihao氏は、自動運転への唯一の方法は運転支援だと述べた)

低炭素スーパーコンピューティングレベルでは、Wei MoがこのAI DAYで初めて中国の自動運転技術企業を正式に発表したスーパーコンピューティングセンター。 Gu Weihao 氏は、「トレーニング効率を向上させ、トレーニング コストを削減し、低炭素コンピューティングを実現する方法は、自動運転が数千世帯に普及するための重要な基準となります。」と述べました。数千億のパラメータとトレーニング データを備えたスケール モデル。100 万個のクリップを使用すると、全体のトレーニング コストが 200 分の 1 に削減されます。

(中国自動運転会社初のスーパーコンピューティング センター - Haimo スーパーコンピューティング センターが発表)

アルゴリズム モデル レベルでは、Gu Weihao が紹介し、Haimou が研究と実装を開始早ければ 2021 年 6 月にも変圧器大型モデルの試行を開始します。これは、トレーニング プラットフォームの変換とアップグレード、データ仕様とアノテーション方法の切り替えの準備、知覚と認知の特定のタスクのためのモデルの詳細の探索などにおける過去 1 年以上の成功した実践に基づいています。都市ナビゲーション支援運転シナリオにおける Hao Mo の現在の状況の基礎を築き、急速な開発により強固な基盤が築かれました。

(Hao Mo の新しいテクノロジー実践への道)

「データ駆動型自動運転 3.0 の時代が到来した。」Gu Weihao 氏は、過去 10 年間の自動運転の発展はハードウェア駆動型、ソフトウェア駆動型、データ駆動型の 3 つの時代に分類できると考えています。 。データドリブンの時代は全く異なる時代です。大規模モデルと膨大なデータが「双剣」となり、データが自己学習モードをオンにします。知覚テクノロジーではマルチモーダルセンサーが共同して結果を出力し、コグニティブテクノロジーでは、解釈可能なシナリオを使用 運転の常識が重要; 自動運転の走行距離はハードウェアとソフトウェアによって駆動されます 数百万キロ、数千万キロの時代の走行距離は、1億キロを超えるまでに急増しました。データドライブを核として、上記4つの技術条件が並行して確立されて初めて、真の自動運転3.0時代を迎えることができます。

「Hai Mo は、自動運転 3.0 時代に向けて準備を進めてきました。知覚、認識、モデル構築の点で、すべてデータ駆動型の方法で構築されています。私たちが行うことはすべて、できるようにすることです」データ チャネルとコンピューティング センターを使用すると、より効率的にデータを取得し、データを知識に変換できます。」自動運転3.0時代の企業。

「私たちはイノベーションに情熱を持っており、新しいアイデア、新しい手法、新しいテクノロジーを受け入れ、データ規模の成長に伴う好循環を形成できる技術的なルートに特に注意を払っています。これは初めてのことでもあります」 「原則は、データ規模の利点を機能の利点に迅速に変換できる技術的なルートが良いルートです。」 顧偉豪氏は、最先端技術の探索と実装に関しては、次のように述べています。 Wei Mo は常に最も極端で、最も鋭敏で、最もオープンな心を維持し、ユーザーにより良い製品体験を提供し、業界の発展と進歩を促進するよう努めます。

MANA の 6 つの主要なマイルストーン アップグレードは、都市型 NOH の「都市参入」への道を切り開く業界を先導します。

最先端技術の究極の追求により、Haimo はAlways go 業界イノベーションの最前線に位置し、自動運転企業が共同で競争している都市部の支援運転シナリオにおける技術の探索と導入でも主導権を握っています。

都市ナビゲーション支援運転シナリオは、現在の自動運転機能の中核となるブレークスルーポイントであり、軍事戦略家にとっての戦場でもあります。しかし、道路や交通状況が単一の高速シーンから、交通参加者が多く、道路や交通状況が非常に複雑な都市部に至るまで、自動運転システムが直面する技術的難易度は飛躍的に高まっていると言えます。大きな課題により、多くの自動運転メーカーの「都市への参入」ペースも妨げられており、技術的な進歩を求めて熾烈な戦いを続けるしかない。中国ナンバーワンの量産型自動運転メーカーとして、フェイモは早ければ2021年末までに「都市シナリオにおける運転支援の戦い」に勝利する旗を掲げ、この分野での技術探求の旅を率先して開始した。現在、Feimo データ インテリジェンス システム MANA は、数多くのマイルストーンとなるアップグレードの先導役となっています。

Gu Weihao 氏は、都市部の道路には主に「4 種類の現場の問題と 6 つの主要な技術的課題」があると述べました。現場の課題としては、主に「都市部の道路整備」「大型車両の密集」「車線変更スペースの狭さ」「多様な都市環境」などが挙げられます。上記のシナリオの問題を解決するために、技術レベルは 6 つの主要な課題に直面します。データ スケールをより効率的にモデル効果に変換する方法、データの再生価値を高める方法、実空間理解の問題を解決するためにリセンシング技術を使用する方法です。 、人間世界のインタラクティブインターフェイスの使い方、シミュレーションをより現実的にする方法、自動運転システムをより人間のように動かす方法。

上記の課題に対処するために、MANA の感覚知能、認知知能、その他の側面が更新され、アップグレードされました。

まず、MANAでは、大規模量産車のラベルなしデータを用いた自己教師あり学習手法を用いてモデル効果を作り出しており、少数のラベル付きサンプルのみを用いた学習に比べて学習効果が向上しています。これにより、ミリ秒データの利点が得られ、モデル効果に効率的に変換され、自動運転のさまざまな認識タスク要件に適切に適応します。

第二に、MANA の認識機能が向上したため、大量のデータが特別に扱われることがなくなりました。巨大なデータ規模の下での「データ効率」の問題に直面した MANA は、既存データの一部を抽出し、新しいデータを追加してハイブリッド データセットを形成する、増分学習およびトレーニング プラットフォームを構築しました。トレーニング中は、新しいモデルと古いモデルの出力が可能な限り一貫しており、新しいデータへの適合が可能な限り良好であることが必要です。従来の方法と比較して、全体の計算能力が 80% 節約され、応答速度が 6 倍向上しました。

第三に、MANAはより強力な知覚能力を持っています。時系列変換モデルを使用して BEV 空間で仮想リアルタイム マッピングを実行することにより、知覚される車線の出力がより正確かつ安定し、都市ナビゲーションにおける自動運転が高精度地図に別れを告げることができます。

第四に、MANA の認識能力はより正確であるため、中国では認識できない車両信号はありません。車載認識システムをアップグレードすることで、MANA はブレーキ ライトと方向指示器のステータスを特に識別し、急ブレーキや前車の緊急停止などのシナリオにおいてドライバーがより安全かつ快適に過ごせるようにします。

第五に、MANAの認知能力も再び進化しました。都市で最も複雑なシーンである交差点に面して、MANA は価値の高い実際の交通流シーンをシミュレーション システムに導入し、浙江徳清および Alibaba Cloud と協力して都市で最も複雑なシーンである交差点をシミュレーションに導入しましたエンジンを使用して自動運転シーンライブラリを構築し、自動運転の実際のシミュレーション検証を通じて、適時性が向上し、微視的な交通の流れがより現実的になり、都市交差点通過の「古い困難」問題を効果的に解決します。

ついに、MANA の認知知能が新たな段階を迎えました。全国の多数の人間の運転を深く理解し、常識と行動の擬人化を学習することで、ドライバーの運転支援意思決定は実際の人間の運転行動により近くなり、実際の状況に基づいて最適なルートを選択できます。安全性を確保し、身体はより経験豊富なドライバーのように感じられます。

MANA の再進化により、Haomo City NOH にとって「都市参入」の最大の障害が解消されました。 「海藻市NOHは、中国の都市部の道路状況をよりよく理解するナビゲーション支援運転システムです。」と顧偉豪氏は、海藻市NOHは「知覚を重視し、地図を明るくし、大きな計算能力を重視する」という技術的路線を採用していると述べた。 MANAの5つのハイライト機能は、信号機、インテリジェント右左折、インテリジェント車線変更、インテリジェント障害物回避 - 静的、およびインテリジェント障害物回避 - 動的です。さらに、「スマート交通流処理」機能は、も正式にリリースされます。

顧偉豪氏は演説の最後に、自動運転の将来に対する国民の確固たる自信と熱意を表明した。 「1,000 日以上前、私たちは世界の終わりに生まれ、中国で最速の 1,000 日間の自動運転を目撃しました。私たちは自分たちが達成した成果に満足しています。しかし、1,000 日は戦いの始まりにすぎません。 「自動運転は本当に日常の世界に飛び込みます。一般の人々の家は私たちの星であり、海です。自動運転への道では、誰もが苦労し戦い続けます!」

以上がHaoMo Zhixing CEO、Gu Weihao氏: 都市シナリオにおいてMANAが直面する6つの大きな課題と新たなアップグレードの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。