打造中国最大的
AI信息汇总平台


AI大模型如何加速无人驾驶发展? 

AI大模型如何加速无人驾驶发展? 插图

近年来,无人驾驶发展驶入“快车道”,政策端传出利好消息,工信部明确表示支持L3级及更高级别的自动驾驶功能商业化应用。

同时,产业端也迎来利好,AI大模型或进一步加入无人驾驶的发展,具体来看AI从哪些方面赋能?

华泰证券在最新的报告中,对AI大模型赋能自动驾驶进行了详细剖析,分析指出AI大模型的引入(自动标注、感知预测算法的快速迭代),从行业整体层面可以加速高级别辅助驾驶的量产落地。

其次,智能驾驶板块后发者借助产业链优势(云端算力中心、通用开源模型的适配)与先发者在数据积累、模型迭代中的差距有望进一步缩小。

而受益于智能驾驶本土化的客观需求、产业链各环节国内供应商产品性能的提升与下游自主品牌的崛起,零部件国产替代趋势显著。

总结来看,华泰认为,今年或是城市NOA(领航辅助驾驶)普及的元年。当前旗舰车型高级别辅助驾驶BOM成本为1.4万元,预测2023-2030年高级别辅助驾驶BOM成本的平均年降幅度为11%。

提升数据采集、数据标注的效率

海量的数据是无人驾驶的基础,主要来自真实数据、虚拟仿真、影子模式,而下一步是则对数据进行识别、标注。

数据采集方面,华泰证券指出,大模型可以构建虚拟场景人工生成数据,补充现实中难以获得/数据量不足的情形。

以特斯拉FSD为例,针对真实道路场景中不常见的案例,特斯拉通过模拟仿真,构建虚拟场景采集数据,以丰富数据的来源,为模型训练提供支持;通过数据引擎,人工挖掘误判的、非典型案例。

AI大模型如何加速无人驾驶发展? 插图1

数据标注方面,华泰证券指出,人工标注成本高、效率低,自动标注是AI大模型赋能智能驾驶最直接的应用,能大幅降低数据标注的成本。

以特斯拉为例,特斯拉FSD通过“多重轨迹重建”技术自动标注车辆行驶轨迹。目前在集群中运行12小时即可完成10000次行驶轨迹标注,取代500万小时人工标注。通过机器的自我训练,减少了人力标注成本高、效率低的问题。

以Meta的SAM为代表的图像分割大模型的出现可大幅降低数据标注的成本,该模型是有史以来最大的分割数据集。

AI大模型如何加速无人驾驶发展? 插图2

优化感知-决策-执行三阶段算法

同样以考特斯拉FSD为例,华泰分析师黄乐平将自动驾驶模型算法按流程,分为感知识别道路和道路上物体)、预测(预测周围车辆和行人的行为)、执行(控制车辆速度方向等行动)三个阶段。

AI大模型如何加速无人驾驶发展? 插图3

特斯拉、新势力等主要企业从几年前开始采用基于Transformer的大模型等新技术,1)提高道路、物体的识别精准度;2)学习人类的驾驶习惯(影子模式),3)缩短决策所需要的时间,从而训练模型更加“拟人”。

1、感知层面:OccupancyNetwork、3D建模

华泰证券指出,特斯拉创新性的提出了占用网络(OccupancyNetwork)模型,直接将3D空间点格化,相较于之前在障碍物识别和行驶路径预判方面有了明显提升,具体来看:

1)通过占用网络,只需分析物体的空间内栅格占用情况,不需对物体本身进行检测识别,规避传统视觉算法中对物体识别失败带来的车祸风险。

2)占用网络解决传统视觉算法难题及还原道路坡度和曲率,辅助行车更优决策。

3)基于占用网络可以预测道路上其它物体的行进轨迹。

AI大模型如何加速无人驾驶发展? 插图4

2、预测层面:道路拓扑关系预测、障碍物预测

华泰证券指出,预测分两种,一种是道路信息的预测,另一种是障碍物的预测。

车道线网络模型辅助进行车辆行驶路径的预判。车道线网络模型生成的“车道语言”,可以在小于10毫秒的延迟内,思考超过7500万个可能影响车辆决策的因素,运行这套语言的功耗只需要8W,较大的提升了特斯拉FSD对车辆行驶路径的预判能力。

物体的预测包含动、静概率信息,再结合道路拓扑信息,为最终的形式决策提供支持,模型会自动生成虚拟车辆,令决策更贴近人类驾驶员的思维模式。

AI大模型如何加速无人驾驶发展? 插图5

3、决策层面:车端算力升级、模型计算效率优化,决策更加智能

决策的难点在于多方的交互与对路权的博弈,计算的效率是至关重要的。华泰证券表示:

目前业内普遍50-100毫秒之间完成一轮计算。受车端算力与计算效率的限制,目前决策层面的模型可分为两类:1)rulebase的模型(类似if程序,提前设定了某些情境下的反应机制);2)特斯拉的交互搜索的模型(querybase的条件下可缩短单次计算时间至100微秒)。

推动车端/云端算力升级与国产化

最后,受益于智能驾驶本土化的客观需求、产业链各环节国内供应商产品性能的提升与下游自主品牌的崛起,华泰证券认为零部件国产替代趋势显著。

AI大模型如何加速无人驾驶发展? 插图6

随着大模型上车对车载算力需求的进一步提高,以及车载芯片制造商对芯片架构和技术的改进,车载芯片的算力有望持续上升。英伟达Thor芯片(2000TOPS)未来量产有望加速计算平台融合。

云端方面,基础设施算力升级加速算法迭代:

主机厂和自动驾驶技术开发商积极布局建设智算中心,以提高自身“云上”竞争力。目前,主机厂特斯拉、小鹏、吉利,解决方案提供商毫末智行、商汤、百度布局建设了智算中心,用于训练自动驾驶等大模型。

随着智能驾驶的逐步渗透,大模型或将成为各公司的核心竞争力之一,为匹配模型中大规模参数以及大数据量计算,智算中心的建设规模有望持续扩张。

华泰证券展望未来3-5年AI赋能智能驾驶如何重塑出行方式,预计今年或是城市NOA普及的元年,高级别辅助驾驶将呈现降本趋势,2023-2030年高级别辅助驾驶BOM成本的平均年降幅度为11%。

本文节选自华泰证券《AI大模型如何加速无人驾驶发展》

欢迎免费使用GPT对话,感受ChatGPT的魅力!AI爱好者 – 最具实力的中文AI交流社区平台 (aiahz.com)

长按扫描二维码进群领资源

AI大模型如何加速无人驾驶发展? 插图7
赞(0) 打赏
未经允许不得转载:AI爱好者 » AI大模型如何加速无人驾驶发展? 

评论 抢沙发

欢迎来到AI爱好者

我们旨在打造一个最具实力的中文AI交流社区平台,致力于为所有AI爱好者,创业者和使用者提供优质服务. 我们的宗旨是为广大用户提供免费解决方案,您可以通过问答形式提出与AI相关的任何问题.

AI社区AI工具

安全服务战略合作伙伴:麒麟盾 SCDN

觉得文章有用就打赏一下文章作者

非常感谢你的打赏,我们将继续提供更多优质内容,让我们一起创建更加美好的网络世界!

微信扫一扫打赏

登录

找回密码

注册