?自象限原創(chuàng)
作者|羅輯
編輯|程心
“自動駕駛的前提是安全與嚴謹,大模型給出’差不多’的結(jié)果是不行的?!?/p>
在今年4月初,大模型剛剛問世時,一位自動駕駛領(lǐng)域的資深投資人向「自象限」表達了,他對通用大模型應(yīng)用在自動駕駛領(lǐng)域的擔(dān)憂。
不被看好的原因有很多,比如大模型“胡說八道”的問題,導(dǎo)致大家認為它達不到自動駕駛的安全等級要求;比如大家認為大模型解決的是共性推演的問題,但自動駕駛解決的0.5%的corner case;再比如大模型要在車端落地,需要與結(jié)合前融合算法,對前端算力的要求會很高。
總而言之,通用大模型的不確定性和自動駕駛的嚴謹性像一個硬幣的兩面,落地上也面臨著幾座短期內(nèi)難以翻越的大山?!?strong>這會是整個體系建設(shè)的問題,不是角度算法可以改變的?!边@位投資人如此總結(jié)道。
盡管不被看好,但6個月過后,大模型還是以一種蠻橫的方式?jīng)_進了自動駕駛行業(yè)。
打響第一槍的,仍然是特斯拉。今年8月,特斯拉端到端AI自動駕駛系統(tǒng)FSD Beta V12首次公開亮相,完全依靠車載攝像頭和神經(jīng)網(wǎng)絡(luò)來識別道路和交通情況,并做出相應(yīng)的決策。國內(nèi),自動駕駛和大模型公司都開始緊鑼密鼓的布局,9月,華為盤古大模型3.0推出了自動駕駛行業(yè)大模型;10月,在毫末第九屆AI Day中,也講解了其身處自動駕駛領(lǐng)域?qū)Υ竽P偷囊幌盗刑剿鳌?/p>
從結(jié)果來看,目前大模型對自動駕駛的改變分為兩個方向:一是大模型作為工具,輔助自動駕駛算法的訓(xùn)練,優(yōu)化過程;二是大模型作為決策模型,直接駕駛車輛,改變結(jié)果。
透過國內(nèi)外的探索,這條看似相悖的技術(shù)路徑似乎開始一步步清晰,那么大模型究竟能給自動駕駛帶來了什么?核心的技術(shù)難題又該如何解決?
大模型,更換自動駕駛訓(xùn)練引擎
首先,大模型正在重塑自動駕駛的訓(xùn)練過程。
從大模型被討論的第一天開始,從文本到圖片生成,大家就深刻意識到大模型在提高工作效率上的巨大潛力。這一點,在自動駕駛訓(xùn)練上也不例外。
訓(xùn)練自動駕駛算法,是一個漫長而龐大的工程,從數(shù)據(jù)采集、傳輸、管理;到數(shù)據(jù)清洗、標(biāo)注、準(zhǔn)備,到最后投入到訓(xùn)練自動駕駛算法的熔爐當(dāng)中,中間會涉及到數(shù)十個環(huán)節(jié)。
而如今困擾自動駕駛發(fā)展的核心問題也來自于此,一個是隨著絕大部分常規(guī)問題被解決,有效數(shù)據(jù)的收集難度越來越大;其次則是隨著數(shù)據(jù)規(guī)模的增加,數(shù)據(jù)處理的成本也越來越高。
首先是數(shù)據(jù)收集的問題。當(dāng)自動駕駛走入最后0.5%的corner case階段,場景數(shù)據(jù)在現(xiàn)實世界就變得可遇不可求。
為了應(yīng)對這些問題,特斯拉、Waymo、Cruise等企業(yè)都在不同程度使用合成數(shù)據(jù)來模擬真實世界來訓(xùn)練自動駕駛。
但這種方式也存在一些弊端,比如合成數(shù)據(jù)雖然能輕松生成大量數(shù)據(jù),提高自動駕駛訓(xùn)練數(shù)據(jù)的多樣性。但作為人工生成的數(shù)據(jù),合成數(shù)據(jù)并不能完全模擬真實世界的復(fù)雜和變化。過度使用合成數(shù)據(jù),會導(dǎo)致自動駕駛出現(xiàn)“紙上談兵”的現(xiàn)象,即在訓(xùn)練時表現(xiàn)很好,但一上路就不行,這種情況被稱為過度擬合。
而針對這樣的問題,大模型提供了一種新的解決方案。
比如使用大模型進行數(shù)據(jù)生成的技術(shù)——遷移生成。它可以基于一個真實的場景,快速生成不同時間、不同環(huán)境的情況。比如拍攝一張街道春天的照片,大模型可以快速生成這條街道雨天、刮風(fēng)、下雪等不同條件、不同季節(jié)的情況。
這么做的好處在于“可控”,自動駕駛訓(xùn)練可以根據(jù)一些特定的需要生成一些特定的場景,而更重要的是,這些場景中包含一些真實數(shù)據(jù),在增加訓(xùn)練場景豐富性的同時,又可以避免過度擬合的情況。
目前已經(jīng)有廠商在逐步嘗試,毫末CEO顧維灝在AI Day中便提到了該技術(shù),清華智能產(chǎn)業(yè)研究院(AIR) 提出的自動駕駛模型也有類似的設(shè)置,在他們的設(shè)定中,模型會提出怎樣獲取不同的數(shù)據(jù),包括真實世界數(shù)據(jù)和仿真數(shù)據(jù)。然后這些數(shù)據(jù)要經(jīng)過受控管道進行清理,再經(jīng)過感知和決策兩大模型,最終為車輛提供決策。
其次是數(shù)據(jù)標(biāo)注,數(shù)據(jù)標(biāo)注并不是一次性完成的,同一張照片,不同時期,依據(jù)需要解決問題的不同,需要標(biāo)注的東西也不太一樣。
比如一開始需要解決的是車輛識別的問題,那么照片中重點標(biāo)注的是不同的車輛,后來要解決紅綠燈識別的問題,重點標(biāo)注的可能就是紅綠燈??傊瑪?shù)據(jù)標(biāo)注是一個反復(fù),且逐步細化的過程,因此難度和成本也在持續(xù)增加。
在國外,特斯拉最早啟動數(shù)據(jù)自動標(biāo)注,這讓原來需要幾個月時間的工作可以在幾周內(nèi)完成。2022年6月,得益于效率的提升,特斯拉裁掉了其位于加利福尼亞圣馬特奧辦事處的絕大部分數(shù)據(jù)標(biāo)注員工。
特斯拉之后,國內(nèi)自動駕駛企業(yè)也開始跟進,將自動標(biāo)注使用到日常訓(xùn)練中。作為特斯拉的”中國學(xué)徒“,顧維灝介紹了毫末使用大模型進行數(shù)據(jù)標(biāo)注的案例。
其運用大語言模型和多模態(tài)的能力,通過將圖文和文圖交叉的特征做匹配的,然后再將其放到大語言模型中,針對形成于特征空間的搜索(query)特征。在這樣的基礎(chǔ)上,大模型就可以在不需要做太多準(zhǔn)備的情況下,將之前沒有標(biāo)注過的,想要標(biāo)注的內(nèi)容標(biāo)注出來。
整體上,大模型的接入優(yōu)化了自動駕駛的訓(xùn)練過程。
如果將訓(xùn)練自動駕駛算法比作是金字塔的修建,那么大模型的加入,就如同將曾經(jīng)依靠人力堆砌的石塊,改換成現(xiàn)代化的起重機,加快了自動駕駛的“搭建”進程。
大模型,讓自動駕駛“長出腦子”
在自動駕駛訓(xùn)練中,大模型就像全職助手一樣不斷提高算法訓(xùn)練的效率。但這也僅僅只是工程上的優(yōu)化,大模型給自動駕駛帶來的,還有更深層次改變。
這個問題要回到自動駕駛是如何進行工作的。
在大模型出現(xiàn)之前,自動駕駛是任務(wù)驅(qū)動的。即程序員依據(jù)一些特定的場景,編寫一些解決方案的代碼,當(dāng)車輛在行駛過程中感知到相應(yīng)的情況,便按照之前設(shè)定好方式處理。
在這個基礎(chǔ)上,自動駕駛的發(fā)展就變成:發(fā)現(xiàn)一個問題,收集一些數(shù)據(jù),然后訓(xùn)練一個小模型來解決這個問題,然后再發(fā)現(xiàn)新的問題,如此循環(huán)。
但這種模式對于問題的解決具有一定的滯后性,即問題要先被發(fā)現(xiàn),然后等一段時間才能被解決。其次是泛化問題,即在同一個問題在夏天解決了并不一定在冬天解決。也正是因為如此,自動駕駛才有解決不完的corner case。
這些問題,實際指向的其實是傳統(tǒng)自動駕駛算法“照本宣科”式的工作模式,并沒有真正認識世界、理解世界,即自動駕駛并沒有靈魂。
大模型的出現(xiàn)則為這個問題的解決給出了方向,就像大模型讓虛擬人、讓語音助手都長出“腦子”一樣,大模型也在讓自動駕駛長出“腦子”。
特斯拉的“端到端”技術(shù)又叫作“感知決策一體化”,也就是將“感知”和“決策”融合到一個模型中,直接對車下達指令,控制車輛,這樣輸入傳感器信號后可以直接輸出車控信號,大大降低了級聯(lián)誤差的概率,也因此大大提升了系統(tǒng)性能的上限,整體潛力極大。
目前國內(nèi)還未能做到真正的“端到端”,比如毫末DriveGPT仍然分為感知大模型和認知大模型兩部分。
感知大模型除了要根據(jù)車端輸入的信號做三維重建,還要加上時序特征形成一個四維空間。在此基礎(chǔ)上,毫末引入多模態(tài)大模型,多模態(tài)大模型已經(jīng)做了許多文本和對齊的工作,這個時候再和4D語義空間做對齊,就可以把自動駕駛傳感器看到的這些東西全部語義化,這樣就形成了通用的,識別萬物的能力。
而有了這樣的能力之后,結(jié)合認知大模型就可以結(jié)合駕駛時的信息和行駛目標(biāo),比如直行、變道、左轉(zhuǎn)等信息,給出相應(yīng)的駕駛決策和駕駛解釋,然后大模型將其轉(zhuǎn)化為自動駕駛的語言,通過Drive Prompt和自動駕駛系統(tǒng)做交互。
本質(zhì)上,大模型就像是自動駕駛的“領(lǐng)航員”和“翻譯官”,它理解駕駛的目標(biāo)和意圖,它識別和感知環(huán)境,然后做出決策并將其翻譯成自動駕駛的語言,向自動駕駛系統(tǒng)下達合適的指令。
當(dāng)然,從人的角度來講,駕駛車輛的過程需要的除了識別萬物,還有對環(huán)境中所有物體運動方向的預(yù)判,這樣才能在面對復(fù)雜交通環(huán)境時提前做出反應(yīng)。
大模型同樣對自動駕駛帶來了這方面的改進。
2022年,特斯拉在年底的AI Day上就曾提出過一個名叫交互搜索(Interaction Search)的規(guī)劃模型,其主要由樹搜索,神經(jīng)網(wǎng)絡(luò)軌跡規(guī)劃和軌跡打分三部分組成,可以有效預(yù)測道路交通參與主體的行為軌跡。
從這可以看到,自動駕駛的決策已經(jīng)從之前,依靠單一信息進行分布決策,變成了多種信息匯總之后的統(tǒng)一決策。
即大模型的決策越來越像是一個整體。
目前生成未來世界這項技術(shù)可以根據(jù)當(dāng)前的視頻、圖片,生成未來2~5秒的情況,其預(yù)測2s后準(zhǔn)確率達到85%,這可以讓AI對未來有一些預(yù)判。同時,預(yù)測未來的技術(shù)也可以用在自動駕駛訓(xùn)練上,比如可以生成未來的圖片,然后基于真實圖片和生成的未來的圖片再進行自監(jiān)督學(xué)習(xí),以此來提升整個視覺大模型識別的判斷的能力。
它讓自動駕駛越來越成為一個“整體”,正如清華大學(xué)智能產(chǎn)業(yè)研究院院長張亞勤說的那樣,“AI 大模型帶來了從判別式 AI 到生成式 AI 的新技術(shù)范式變革,自動駕駛達到最后的安全、可靠階段一定是端到端方式實現(xiàn)?!?/strong>
自動駕駛的底層進化
成為“整體”,自動駕駛中關(guān)于這個的討論其實并不是在大模型熱度起來之后才開始的。
2022年,當(dāng)關(guān)于自動駕駛的討論還聚焦在芯片和電子電氣架構(gòu)的時候,全球著名的汽車零部件供應(yīng)商博世曾提出,汽車電子電氣架構(gòu)將從分布式向域集中式和中央計算過渡。
早期的汽車電子電氣架構(gòu)是以ECU(Electronic Control Unit 電子控制單元)為主,一輛汽車通常有30到100個ECU不等,分別控制汽車的引擎、變速器、制動等等功能。隨著汽車智能化的進程,相關(guān)功能的ECU逐漸被整合成域控制器,目前智能汽車通常有動力域、底盤域、車身域、座艙域和自動駕駛域五個。
在這個基礎(chǔ)上,智能汽車的電氣架構(gòu)還在向一個“整體”演變,最終將會形成由一個統(tǒng)一中央計算單元控制的形式。2016年,特斯拉發(fā)布的Model 3實現(xiàn)了中央域控制架構(gòu)的雛形,當(dāng)時被行業(yè)認為在電子電氣架構(gòu)方面領(lǐng)先傳統(tǒng)車企6年以上。
從“散裝”到“整體”,這是智能汽車硬件層面的變化,這種變化也推動著自動駕駛軟件層面向一個“整體”發(fā)展,而契機就是大模型。
關(guān)于自動駕駛與大模型,張亞勤提到,“自動駕駛不是一個模型,而是多個模型的組合。”這其實正好對應(yīng)智能汽車硬件域控制器的發(fā)展階段。
這也是華為盤古大模型3.0的思路,華為云EI服務(wù)產(chǎn)品部部長尤鵬認為,通過數(shù)智融合架構(gòu)打破數(shù)據(jù)、AI資源管理邊界,在一個平臺即可完成開發(fā)、測試、交付上線工作,讓業(yè)務(wù)創(chuàng)新提效2倍,實現(xiàn)數(shù)據(jù)加速;借助盤古大模型在認知、感知、決策、優(yōu)化等全領(lǐng)域的能力,車企可以快速基于盤古訓(xùn)練出自己需要的模型,實現(xiàn)算法加速;同時,華為還提供底層昇騰算力平臺,解決自動駕駛對算力的高需求,做到千卡訓(xùn)練數(shù)月不中斷,打通“全鏈路”,實現(xiàn)算力加速。
“全鏈路的模型化是3.0時代的一個重要的演進思路,最終演變成端到端的大模型?!鳖櫨S灝說。
而一旦完成了全鏈路的打通,這樣的改變帶來的將是大范圍且高速迭代。正是因為“端到端”技術(shù),馬斯克曾放出豪言“將可能在今年年底實現(xiàn)完全的自動駕駛”。這句話雖然不排除馬斯克吹牛的成分,但我們也可以從中看出“端到端”技術(shù)的巨大潛力。
總的而言,對于自動駕駛來說,大模型并不是一種決策方式,也不單單是指一種技術(shù),而更應(yīng)該是自動駕駛發(fā)展的一種最終形態(tài)。
當(dāng)然,雖然大模型給自動駕駛的落地帶來了巨大的想象力,但實際的應(yīng)用和落地過程仍然面臨許多問題。
比如最直接的問題就是如何將云端大模型的能力應(yīng)用到車端。
目前行業(yè)普遍應(yīng)用的方式有三種:
第一種是將大模型蒸餾到小模型,應(yīng)用到車端。這具體又分為兩種路線,一種是通過大模型給數(shù)據(jù)打標(biāo)簽,監(jiān)督小模型學(xué)習(xí);另一種是將大模型上的Feature map 和小模型上的Feature map進行對齊,然后來完成小模型能力的提升。
從毫末公布的工作效率來看,一個模型的蒸餾需要好幾個月,但能夠幫助自動駕駛車端模型在個別任務(wù)上的感知指標(biāo)提升5%。
第二種是在云端通過大模型構(gòu)建一種能力,然后再通過減脂、蒸餾等方式將大模型的能力蒸餾到車端的小模型上,來完成車端小模型的進步。
第三種則是直接使用云端大模型。畢竟雖然云端傳輸會面臨信號、安全、延遲等問題的困擾,但也并不意味著所有決策都需要在車端完成。云端大模型具有更強的泛化能力和解釋能力,對于任務(wù)實時性和網(wǎng)絡(luò)信號較好的地方,也存在可能讓車端的一些通信和云端大模型進行交流,然后讓云端大模型完成車端工作的情況。
除了從將大模型運用到車端之外,大模型指導(dǎo)的自動駕駛還有許多人類生活的常識需要學(xué)習(xí)。比如路沿的方向是不是能走,面臨多個路口的時候各個方向是不是一定按照車道線走,這些在實際交通實踐中約定俗成的東西大模型還無法掌握。
“現(xiàn)在解決這些問題就需要加許多約束,而一旦加約束,這個系統(tǒng)就變得不聰明了?!鳖櫨S灝提出了其中的邏輯悖論。
所以如何去解決這些問題,又如何發(fā)揮大模型的優(yōu)勢成為未來很長時間自動駕駛的考題,畢竟當(dāng)前大模型對于自動駕駛的改變,也只是第一聲槍響而已。
本文來自投稿,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/quan/107331.html