Expérience de conduite intelligente Huawei ADS3.0 : « De bout en bout » est le nouveau mur technologique

Les performances « intelligentes » de la conduite assistée intelligente évoluent rapidement avec l'augmentation rapide du taux de pénétration des véhicules à énergies nouvelles.

Après que la conduite assistée par pilote ait établi l'itération du parcours technique de « avec images » à « sans images », le « bout en bout » est devenu le nouvel objectif dans le domaine de la conduite intelligente.

Au début de cette année, Tesla a lancé la première version supervisée FSD v12 équipée d'un « modèle de réseau neuronal de bout en bout », suivi par un certain nombre d'équipementiers à la pointe de la conduite intelligente, notamment Hongmeng Zhixing, Ideal et Xpeng. La production en série d'une conduite intelligente « de bout en bout » est l'un des objectifs importants du second semestre.

Récemment, Dongchehui a également expérimenté les performances de conduite intelligente « de bout en bout » du dernier Huawei ADS 3.0 sur la voie publique.

En fait, c'est assez impressionnant.

Les performances réelles du Huawei ADS3.0 « de bout en bout » : conduite intelligente d'une place de parking à une autre

Ne regardez pas les publicités, regardez l’efficacité.

Les performances de l'ADS3.0 « de bout en bout » sur route devraient être ce qui préoccupe le plus les utilisateurs. Au niveau de l'application réelle, Huawei ADS 3.0 réalise le physique de bout en bout « d'une place de stationnement à une place de stationnement » .

Plus tôt, nous avons fait un essai routier du premier Xiangjie S9 équipé de Huawei ADS3.0. Grâce au modèle de réseau neuronal bionique « de bout en bout », le Xiangjie S9 peut être conduit dans tout le pays et présente les caractéristiques suivantes : démarrage d'une place de stationnement, démarrage en bordure de route, arrêt en bordure de route, changement de destination à tout moment et passage de porte autonome A. Une série d'améliorations des capacités de conduite intelligente, telles que les machines, s'efforcent d'utiliser la conduite assistée intelligente pour pénétrer tous les scénarios et parvenir à « conduire partout où il y a une route ».

L'itinéraire d'essai officiellement prévu est également très intéressant. Nous sommes partis directement du sous-sol de l'hôtel Four Seasons à Suzhou et la destination était le sous-sol de l'hôtel Renaissance Taihu. L'ensemble du trajet faisait plus de 40 kilomètres et a duré environ une heure.

Étant donné que les parkings souterrains des deux endroits ont été scannés et peuvent être reconnus comme des « places de stationnement fréquemment utilisées » par le système de navigation, nous pouvons définir l'espace de stationnement au sous-sol de l'hôtel Four Seasons sur l'espace de stationnement au sous-sol de l'hôtel Four Seasons. Renaissance Hotel. Navigation, puis cliquez directement sur le bouton de conduite intelligente sur le volant, Xiangjie S9 se garera intelligemment hors de l'espace de stationnement et sortira du sous-sol de l'hôtel Four Seasons.

Même si l'entrée du sous-sol de l'hôtel Four Seasons est un virage à angle droit très étroit, cela n'a pas perturbé le S9. Il s'est accroché au mur et est sorti habilement. La porte de reconnaissance peut également décélérer automatiquement et attendre que le levier soit relevé avant d'accélérer.

Les routes du parc de l'hôtel ne sont pas initialement indiquées sur la carte de navigation, mais la perception environnementale et les capacités de prise de décision du Xiangjie S9 ont été améliorées. Il peut non seulement éviter les véhicules express, mais également éviter les obstacles temporaires.

Il était également très calme face aux ronds-points. Il a terminé le rond-point à une vitesse relativement rapide et a tourné le volant très rapidement.

La scène du demi-tour qui devait auparavant être reprise n'a plus besoin d'être reprise maintenant avec ADS3.0. Le conducteur intelligent actionne simplement le volant et le demi-tour est terminé.

Le sentiment d'identification des feux de circulation est également devenu plus aigu. Lorsque le feu vert clignote, le véhicule l'a déjà capturé, fait des prédictions à l'avance et a automatiquement ralenti lentement, s'arrêtant régulièrement avant le feu rouge.

Face à certains scénarios complexes, les avantages de bout en bout de l’ADS 3.0 sont révélés. Dans une scène où il est nécessaire de prendre la voie la plus à droite, la voie requise est occupée et les marquages ​​routiers ne sont pas clairs, Xiangjie S9 annule de manière décisive le changement de voie et choisit d'accélérer, la douceur est comparable à Comme un vrai conducteur vétéran , il a fait des prédictions à l'avance.

Sur l'autoroute, le Xiangjie S9 n'a désormais plus besoin de prendre le relais lors des montées et descentes des rampes et peut réagir rapidement même aux changements de voie continus.

Le seul inconvénient est que le changement de voie est toujours aussi actif. Même dans l'état standard, j'ai l'impression qu'il arrive souvent qu'il n'ait pas besoin de changer de voie intentionnellement. Après avoir changé de voie, il doit quand même revenir en arrière. Étant donné que les patrons sont souvent assis dans la rangée arrière du Xiangjie S9, une telle expérience de changement de voie devrait être critiquée par les patrons, n'est-ce pas ?

Peut-être que le Xiangjie S9 pourrait envisager une version de conduite intelligente spécialement optimisée, moins agressive dans les changements de voie et capable de conduire de manière plus sûre ? Afin d'atténuer cette situation, nous pouvons essayer de définir la préférence de changement de voie de NCA sur « doux » par défaut, ce qui réduira la fréquence des changements de voie pour dépasser. Nous pouvons également envisager de modifier la stratégie de changement de voie de conduite intelligente en confirmation manuelle. Mais de cette manière, il est peu probable qu'il soit possible d'obtenir des performances de conduite intelligente totalement nulles.

Finalement, nous sommes arrivés avec succès à l'entrée de l'hôtel Renaissance, notre destination de navigation, puis le Xiangjie S9 est entré de manière fluide et automatique dans le garage souterrain, a trouvé la place de parking cible et s'est garé tout seul. Avec une NCA complète et zéro prise de contrôle, une conduite intelligente de bout en bout, d'une place de stationnement à l'autre, est obtenue.

Je pense qu'il est plus facile à comprendre et plus complet d'utiliser les performances physiques de bout en bout, d'une place de stationnement à l'autre, pour mesurer la valeur de la conduite intelligente de bout en bout.

Avec la prise en charge du modèle « de bout en bout », les performances de conduite intelligente de l'ADS 3.0 sont plus conformes à notre imagination subjective de la conduite intelligente. Elle conduit davantage comme un conducteur humain, et l'efficacité du trafic a également été grandement améliorée.

A cette époque, si M. Yu répète que "(Huawei ADS) est infiniment proche de L3", il devrait y avoir beaucoup moins de doutes.

Quelles sont les différences dans la feuille de route technique « de bout en bout » de Huawei ADS 3.0 ?

Dans la solution de conduite intelligente ADS 2.0 de Huawei, Huawei a proposé un réseau GOD basé sur la fusion laser, qui coopère avec le réseau de raisonnement de topologie routière RCR pour obtenir des performances de conduite intelligente de « conduite avec ou sans images », permettant aux véhicules d'identifier des objets du monde réel sur leurs propres obstacles universels, des capacités de perception essentiellement humaines, et éventuellement une production de masse pour obtenir des capacités de conduite intelligente NCA sans carte qui peuvent être conduites « dans tout le pays ».

Parmi eux, le réseau GOD (General Obstacle Detection, réseau général de détection d'obstacles) peut utiliser lidar + caméra pour identifier des objets de forme spéciale en dehors de la liste blanche générale d'obstacles, comme le jeu "Minecraft", en utilisant des blocs de pixels 3D pour construire Il peut non seulement identifier l'état dynamique et statique des obstacles, mais aussi faire correspondre et distinguer les ambulances, les voitures de police, les piétons, etc.

Avec le réseau GOD, le système de conduite intelligente n'a plus de limite supérieure pour la reconnaissance des obstacles sur la route et peut véritablement « comprendre les objets ».

Le réseau RCR (Road Cognition & Reasoning, réseau de raisonnement par topologie routière) vise à libérer davantage la conduite intelligente de l'utilisation de cartes de haute précision, à la combiner avec des cartes de navigation ordinaires pour correspondre et vérifier la réalité, puis à utiliser des capteurs pour renverser et dessiner un disponible. carte en temps réel.

Grâce au réseau RCR, le système de conduite intelligente peut réaliser « une analyse concrète des conditions routières spécifiques » et véritablement « comprendre la route ».

On peut voir que la conduite intelligente précédente était basée sur la logique de recherche et développement de « perception – planification (décision) – contrôle », qui consiste à transmettre les données de détection au contrôle pour la correspondance et l'identification, puis à émettre des instructions de contrôle au contrôle. le véhicule roulant.

Si « cette question » (informations sur les conditions de circulation) détectée par le capteur est celle qui a été posée dans la banque de questions (informations sur les fonctionnalités entraînées), alors l'extrémité de contrôle peut donner une « réponse correcte » (plan de prise de décision correct), permettant le véhicule à Parfaitement adaptable aux conditions routières actuelles.

Après tout, il existe des milliers de routes et la sécurité passe avant tout. Les conditions routières évoluent rapidement. Lorsqu'il est confronté à certains scénarios non entraînés, le système de conduite intelligent sera perdu et ne pourra qu'inciter le conducteur humain à prendre le contrôle du véhicule.

Afin d'améliorer les performances de contrôle de la conduite intelligente et de permettre à la conduite intelligente de conduire comme les humains, le système de conduite intelligente doit être capable de penser comme les humains .

En conséquence, la conduite intelligente a commencé à introduire de grands modèles de langage comme ChatGPT, qui sont construits sur la base d'énormes réseaux neuronaux. Le système de conduite intelligente utilise directement un « modèle de bout en bout » pour traiter les données sensorielles reçues des capteurs. le processus, et compléter le jugement et la prise de décision, et enfin les instructions de contrôle de sortie.

Dans ADS 3.0, Huawei a transformé à la fois GOD et RCR en réseaux neuronaux et a incorporé cette partie de l'algorithme dans un réseau neuronal complet de perception de DIEU, puis a transmis les données de perception au réseau neuronal de prise de décision PDP pour planifier l'itinéraire de conduite et le résultat. " Penser les résultats.

Après avoir construit le modèle de réseau neuronal GOD+PDP, Huawei a ensuite utilisé sa propre plate-forme de formation d'IA dans le cloud pour effectuer une grande quantité de formation de données, permettant ainsi au modèle d'être rapidement mis à niveau de manière itérative.

Après qu'ADS3.0 ait amélioré les capacités de perception tridimensionnelle multidimensionnelle du réseau GOD et utilisé le PDP de prise de décision « de bout en bout », il peut atteindre le de-BEV et mettre à niveau la « compréhension des objets » d'origine. à « compréhension des routes » . Laissez le système de conduite intelligent « comprendre la scène de conduite » de manière plus efficace et précise, gérer les conditions routières complexes de manière autonome avec une vitesse de prise de décision à faible latence et offrir plus souvent aux utilisateurs une expérience fluide, assurée et sans problème. reprise de l'expérience de conduite intelligente.

Cependant, selon les premiers résultats actuels de la formation, il est encore trop radical de laisser l'IA s'asseoir directement aux commandes et conduire. À l'heure actuelle, le modèle de bout en bout de Huawei a également ajouté un « réseau de sécurité instinctif » pour couvrir la limite inférieure de la conduite intelligente , garantissant que le réseau neuronal décisionnel ne dépassera pas la ligne rouge de sécurité.

Wu Xinzhou a mentionné un jour qu'à long terme, le modèle de bout en bout fonctionnerait en parallèle avec la pile de conduite autonome traditionnelle. Dans un premier temps, le modèle de bout en bout fonctionnera en mode fantôme pour comparer la conduite humaine, les piles traditionnelles et de bout en bout. -algorithmes de fin dans le même scénario Différences comportementales de sortie et de réglage basé sur les commentaires humains, puis de bout en bout peuvent être parallèles à la pile technologique traditionnelle, et les deux se complètent après maturité, la pile traditionnelle peut ; être progressivement éliminé.

Les algorithmes de bout en bout sont comme un garçon génial dans son enfance. Bien qu'il puisse devenir médecin à l'avenir, il a besoin d'enseignants du primaire et du secondaire pour lui apprendre à mesure qu'il grandit. Au fil du temps, de bout en bout, il finira par devenir un puissant « expert » capable de se débrouiller seul.

Par conséquent, qu'il s'agisse du cerveau bionique de bout en bout de Huawei ADS3.0, du système rapide/lent d'Ideal AD ou de l'architecture Xnet+Xbrain+Xplanner de Xpeng, des efforts considérables ont été déployés entre les décisions de bout en bout. fabrication et contrôle des véhicules. Nombreuses contraintes et mesures de redondance.

D'une manière générale, l'objectif actuel de la conduite intelligente de bout en bout est de simplifier l'architecture du système de conduite intelligente, d'utiliser un modèle de réseau neuronal unique pour accomplir les tâches de perception et de prise de décision de l'ensemble du système de conduite intelligente, de réduire la dépendance sur des codes de règles de scène massifs, et ainsi améliorer l'effet réel de la conduite intelligente répond aux besoins réels des utilisateurs en matière de conduite intelligente.

Si l'on regarde la stratégie de conduite intelligente précédente, sans parler de l'adoption zéro de la conduite intelligente d'une place de stationnement à une autre, en termes de contournement d'un rond-point et de demi-tour, la conduite intelligente peut rarement conduire normalement et de manière autonome. le temps, il doit alerter le conducteur humain pour qu'il prenne le relais.

En termes simples, sur la base de l'expérience réelle de bout en bout de l'ADS 3.0, de grands modèles sont utilisés pour rendre la conduite intelligente plus humaine. Il peut être conduit depuis tout le pays et lorsqu'il y a une route après la modernisation.

La conduite intelligente de bout en bout est la tendance générale, et les constructeurs automobiles s’efforcent de rattraper leur retard.

Les automobiles chinoises font des progrès rapides en matière d'électrification et d'intelligence, ce qui remodèle les préférences et les choix des consommateurs en matière d'automobile. Parmi eux, la conduite intelligente est devenue une caractéristique importante de l’intelligence des véhicules à énergies nouvelles, et la compréhension et la perception de la valeur de la conduite intelligente par les consommateurs augmentent de jour en jour.

Les choix de demande du marché de consommation ont à leur tour incité les constructeurs automobiles à s'intéresser de plus près à l'électrification et à l'intelligence. Ce n'est qu'en faisant du bon travail en matière de cockpits intelligents et de conduite intelligente que nous pourrons prendre pied dans la seconde moitié de l'intelligence.

Par conséquent, les constructeurs automobiles qui ne disposent pas d’avantages concurrentiels exceptionnels en matière de conduite intelligente font de leur mieux pour tenter de combler les lacunes de la conduite intelligente.

Tout comme le Ji Krypton récemment controversé, quelques mois après le lancement du Ji Krypton 001 2024, le modèle 2025 a été immédiatement lancé. La nouvelle plate-forme informatique est passée du double Mobileye EyeQ5H au double NVIDIA OrinX. En comparaison, le modèle 24 n'a qu'une puissance de calcul de 48 Tops, tandis que le modèle 25 a une puissance de calcul de 508 Tops, soit dix fois plus puissante.

Bien que cette décision ait provoqué le mécontentement de nombreux propriétaires de voitures anciennes, c'était un dernier recours pour Ji Krypton.

Selon la réponse de Jikrypton, le Jikrypton 001 2025 sera lancé à ce moment-là pour satisfaire davantage d'utilisateurs potentiels :

Le système Haohan Intelligent Driving équipé du JKr 007 a été bien accueilli par les utilisateurs et l'industrie. De nombreux utilisateurs potentiels du JKr 001 ont appelé à choisir la solution Haohan Intelligent Driving. En même temps, notre propre marque NPS (Net Promoter Score, Net Promoter). Score) a également révélé que la conduite intelligente est un facteur qui incite les utilisateurs à choisir Jikrypton 001. Par conséquent, nous avons pris la décision interne de lancer une solution de conduite intelligente auto-développée pour offrir aux utilisateurs un choix supplémentaire.

Par rapport aux solutions de conduite intelligente de Mobileye, le grand nombre de solutions de conduite intelligente auto-développées peuvent évidemment restaurer la réputation de certains utilisateurs en termes d'expérience de conduite intelligente. Cependant, je crains que le passage à la conduite intelligente auto-développée n'arrive trop tard. une telle fréquence de mises à niveau et de mises à jour est inévitable. Cela affectera la confiance des utilisateurs potentiels du point de vue de la préservation de la valeur.

Alors que les étudiants ayant de mauvaises notes dans les matières sont déterminés à combler leurs lacunes par un travail acharné, les étudiants les mieux classés ont déjà commencé à étudier les sujets du nouveau semestre.

Pour les constructeurs automobiles qui ont fait de la « conduite intelligente » un label de marque important, comme Hongmeng Zhixing, Xpeng, Ideal, etc., ils ont produit en série et lancé une conduite intelligente inédite « peut être conduite dans tout le pays », et maintenant c'est même plus Commencez à élaborer une solution de conduite intelligente grand modèle de bout en bout.

Ils ont tous un objectif similaire, qui est de couvrir complètement le trajet de l'utilisateur depuis la sortie de la porte jusqu'à l'entrée de la porte, en le laissant entièrement à la conduite intelligente de l'IA. Par rapport aux solutions de conduite intelligente traditionnelles qui respectent les règles, les solutions de conduite intelligente de bout en bout favoriseront la transformation de la conduite intelligente de l'ingénierie algorithmique à l'ingénierie des données.

Pour vous asseoir sur une table de poker de bout en bout, vous avez besoin de suffisamment de jetons

Lors du passage de l'ADS1.0 à l'ADS2.0, l'équipe ADS de Huawei a un jour dévoilé son système de formation à l'IA complet et auto-développé.

La base et la confiance les plus solides pour construire un modèle de conduite intelligente à grande échelle proviennent de la propre plate-forme de formation à l'IA dans le cloud de Huawei. À cette époque, ils avaient déjà utilisé une puissance de calcul ultra-élevée, en avance sur la plupart de leurs pairs, pour effectuer une formation sur modèles 24 heures sur 24, atteignant une vitesse de mise à niveau d'une itération tous les cinq jours.

En arrivant de bout en bout d'ADS3.0, la puissance de calcul de l'apprentissage et de la formation a été mise à jour de 3,5E FLOPS annoncé il y a six mois à 5E FLOPS (M. Yu a également déclaré que la puissance de calcul 3,5E était déjà la deuxième et troisième places en Chine combinées. ), le kilométrage d’entraînement quotidien du modèle atteint 35 millions de kilomètres. De plus, ce chiffre de puissance de calcul n'est pas un point final pour Huawei ADS, mais il continuera d'augmenter les investissements et de continuer à s'améliorer.

Alors que la conduite intelligente entre dans des eaux profondes, la formation de grands modèles d'IA de conduite intelligente est indissociable de données massives et diversifiées de haute qualité. Dans le même temps, un système de traitement de données automatisé et de haut niveau est également crucial. On peut affirmer que les données représenteront jusqu’à 80 % des coûts de recherche et développement dans le cadre du développement de bout en bout de la conduite intelligente.

Tout comme les grands modèles de langage mettaient auparavant l’accent sur le grand nombre de paramètres, les modèles multimodaux de bout en bout ont également une forte demande de données. Tesla a pris les devants dans la mise en œuvre du modèle de bout en bout sur FSD V12, et Musk a déclaré un jour :

S'entraîner avec 1 million de tranches vidéo est à peine suffisant ; 2 millions, c'est légèrement mieux ; 3 millions seront wow (wow) ;

Par conséquent, les véhicules à conduite intelligente produits en série par les constructeurs automobiles deviennent les meilleurs outils de collecte de données. Lorsqu’un nombre suffisant de véhicules de conduite intelligente produits en série rouleront sur la route, les données réelles qu’ils collecteront deviendront une ressource clé pour l’optimisation et l’itération continues des algorithmes de conduite intelligente.

Selon les données publiées par les constructeurs automobiles, Tesla dispose d'une flotte d'environ 3 à 4 millions de véhicules en Amérique du Nord ; on s'attend à ce que d'ici la fin de 2024, le nombre de véhicules équipés du système de conduite intelligente de Huawei dépasse les 500 000 ; fin 2024, au cours du trimestre, Lideal a livré plus de 700 000 véhicules, et tous les modèles sont équipés de série de fonctions de conduite intelligente AD ; en avril 2024, le nombre total d'utilisateurs de conduite intelligente NIO atteignait 495 300 et le nombre total de Les utilisateurs NOP+ ont atteint 245 800.

Par conséquent, derrière la vaste puissance de calcul se cache la complémentarité d’une force d’auto-recherche, de fonds abondants et d’une part de marché élevée.

La production en série de l'ADS3.0 de Huawei est suffisante pour prouver qu'un modèle de conduite intelligente de bout en bout peut être produit et commercialisé en série. Il s'agit d'un fabricant leader qui doit maîtriser les ressources de données, des fonds suffisants et l'accumulation de technologies. adhérer fermement à la bonne voie technique et réaliser un investissement à long terme.

De ce point de vue, le modèle de conduite intelligente « de bout en bout » qui intègre des capacités logicielles et matérielles deviendra un « mur technologique IA » pour la conduite intelligente.

La conduite intelligente de bout en bout pouvant être conduite sur n'importe quelle route est évidemment une nouvelle référence dans le domaine de la conduite intelligente. Cependant, en dehors du mur technique, il existe encore un grand nombre de modèles de voitures qui ne peuvent pas tenir la promesse d'une conduite intelligente. qui peut être mené à l’échelle nationale.

Les joueurs qui peuvent enfin participer à la compétition de table de poker « conduite intelligente de bout en bout » ont non seulement besoin de courage pour regarder vers l'avenir, mais aussi de suffisamment de jetons. Il n'y aura que quelques joueurs à court terme.

# Bienvenue pour suivre le compte public officiel WeChat d'aifaner : aifaner (ID WeChat : ifanr). Un contenu plus passionnant vous sera fourni dès que possible.

Ai Faner | Lien original · Voir les commentaires · Sina Weibo