AI 大模型在自動(dòng)駕駛領(lǐng)域應(yīng)用前景廣闊

• 陳博 2023年10月27日 來(lái)源：中研網(wǎng) 924 57
• 繁體

AI 大模型在 NLP、CV 方向發(fā)展迅速，在自動(dòng)駕駛領(lǐng)域感知、決策等模塊具有廣闊應(yīng)用前景。CV 大模型主要用于感知層算法，可用于數(shù)據(jù)自動(dòng)標(biāo)注、傳感器算法和場(chǎng)景仿真；NLP 大模型主要可 應(yīng)用于車機(jī)系統(tǒng)和智能座艙，實(shí)現(xiàn)更高智能的人車交互；而多模態(tài)大模型一方面可應(yīng)

欲了解更多中國(guó)汽車零部件行業(yè)的未來(lái)發(fā)展前景，可以點(diǎn)擊查看中研普華產(chǎn)業(yè)院研究報(bào)告《2023-2027年中國(guó)汽車零部件行業(yè)市場(chǎng)深度全景調(diào)研及投資前景分析報(bào)告》。

?汽車智能化主要體現(xiàn)在自動(dòng)駕駛和智能座艙兩方面，AI 技術(shù)的發(fā)展持續(xù)提升汽車的智能化能力， BEV、認(rèn)知、NLP 語(yǔ)言等 AI 大模型技術(shù)有望助推汽車智能化登上新高度。 2023 年上半年，已有多家廠商基于 BEV 大模型的自動(dòng)輔助導(dǎo)航駕駛 NOA 系統(tǒng)量產(chǎn);2023 年 6 月發(fā)布的新摩卡 DHT-PHEV 將搭載認(rèn)知大模型;2023 年內(nèi)，2 款搭載 NLP 語(yǔ)言大模型的新車型 將要上市。

隨著人工智能技術(shù)的不斷進(jìn)步和成本的降低，自動(dòng)駕駛技術(shù)有望不斷成熟和普及。國(guó)標(biāo)《汽車駕 駛自動(dòng)化分級(jí)》(GB/T 40429-2021)于 2022 年 3 月正式實(shí)施。國(guó)標(biāo)參考美國(guó) SAE 標(biāo)準(zhǔn)基礎(chǔ)， 0-5 級(jí)基本對(duì)應(yīng) SAE 標(biāo)準(zhǔn) L0-L5;值得注意的是，國(guó)標(biāo)將 0-2 級(jí)自動(dòng)駕駛規(guī)定為如遇到事件影響 由駕駛員及系統(tǒng)協(xié)作完成，并非 SAE 標(biāo)準(zhǔn)中的全部讓駕駛員來(lái)完成。

根據(jù)工信部、中國(guó)工業(yè)經(jīng)濟(jì)聯(lián)合會(huì)、中國(guó)汽車工程學(xué)會(huì)等機(jī)構(gòu)數(shù)據(jù)，2022 年 2 級(jí)(L2 級(jí))輔助 駕駛滲透率達(dá) 34%，其中燃油車滲透率為 32%，新能源汽車滲透率為 46%。目前全球和中國(guó)汽 車市場(chǎng) 3+級(jí)(L3+級(jí))高等級(jí)自動(dòng)駕駛技術(shù)的滲透率仍處于極低水平。 在中國(guó)汽車工程學(xué)會(huì)牽頭組織編制的《節(jié)能與新能源汽車技術(shù)路線圖 2.0》中，明確提到到 2025 年，PA(部分自動(dòng)駕駛)、CA(有條件自動(dòng)駕駛)級(jí)智能網(wǎng)聯(lián)汽車市場(chǎng)份額超過(guò) 50%，HA(高 度自動(dòng)駕駛)級(jí)智能網(wǎng)聯(lián)汽車實(shí)現(xiàn)限定區(qū)域和特定場(chǎng)景商業(yè)化應(yīng)用。到 2030 年，PA、CA 級(jí)智能 網(wǎng)聯(lián)汽車市場(chǎng)份額超過(guò) 70%，HA 級(jí)智能網(wǎng)聯(lián)汽車市場(chǎng)份額達(dá)到 20%，并在高速公路廣泛應(yīng)用、 在部分城市道路規(guī)?；瘧?yīng)用。相似的，中國(guó)工業(yè)經(jīng)濟(jì)聯(lián)合會(huì)會(huì)長(zhǎng)李毅中預(yù)測(cè)，2030 年 L3 自動(dòng)駕 駛滲透率將達(dá) 70%。 此外，汽車的智能化也體現(xiàn)在座艙的持續(xù)升級(jí)，已從傳統(tǒng)座艙的機(jī)械儀表盤、車載收音機(jī)等，發(fā) 展到具有生物識(shí)別、駕駛員健康的智能助理座艙，并將實(shí)現(xiàn)使用場(chǎng)景豐富的信息、娛樂(lè)等多功能 融合的第三生活空間。

AI 是自動(dòng)駕駛系統(tǒng)感知和決策模塊的關(guān)鍵。主流自動(dòng)駕駛系統(tǒng)為模塊化系統(tǒng)，可分為感知、決策 和執(zhí)行三層，AI 是其中感知層和決策層的核心內(nèi)容。

感知層中，傳感器算法是關(guān)鍵，多傳感器融合算法可分為數(shù)據(jù)級(jí)融合、特征級(jí)融合和決策級(jí)融合 三種，決策級(jí)融合是最廣應(yīng)用的技術(shù)方案。特斯拉的矢量地圖建模和自動(dòng)車道標(biāo)注算法是其自動(dòng) 駕駛算法的重要內(nèi)容，為實(shí)現(xiàn)車道軌跡規(guī)劃提供支持。 決策規(guī)劃算法可進(jìn)一步分為全局路徑規(guī)劃層、行為決策層和運(yùn)動(dòng)規(guī)劃層。全局規(guī)劃算法，包括基 于物理模型、基于意圖分類、基于深度學(xué)習(xí)等主要類別;行為決策算法，包括基于規(guī)則、基于學(xué) 習(xí)、融合規(guī)則和學(xué)習(xí)等主要類別;運(yùn)動(dòng)規(guī)劃算法，包括基于策略規(guī)則、基于最優(yōu)控制、基于機(jī)器 學(xué)習(xí)等主要類別。行為預(yù)警式運(yùn)動(dòng)規(guī)劃將決策規(guī)劃過(guò)程升級(jí)為交互式過(guò)程，引入人機(jī)共駕、車路 協(xié)同以及車輛對(duì)外部動(dòng)態(tài)環(huán)境的風(fēng)險(xiǎn)預(yù)估，有助于提高自動(dòng)駕駛車輛行駛安全性。

端到端自動(dòng)駕駛系統(tǒng)成為研究熱門，對(duì) AI 大模型需求更甚。端到端系統(tǒng)中感知決策一體化，較傳 統(tǒng)模塊化設(shè)計(jì)性能有望更佳，同時(shí)可更有效處理復(fù)雜路況和多交通要素交互情況。2023 年 5 月， 特斯拉 CEO 馬斯克在推特表示，特斯拉計(jì)劃在其全自動(dòng)駕駛(FSD)Beta v12 版本中使用全新的端到端人工智能，通過(guò)單個(gè)神經(jīng)網(wǎng)絡(luò)編碼，僅利用特斯拉汽車上的攝像頭輸入，來(lái)輸出轉(zhuǎn)向、 加速、制動(dòng)等駕駛行為，模型可通過(guò)學(xué)習(xí)人類輸入的駕駛行為來(lái)不斷改進(jìn)。 復(fù)雜性和安全性隱憂存在，端到端系統(tǒng)尚未落地。在端到端系統(tǒng)中，輸入數(shù)據(jù)到輸出控制僅通過(guò) 一個(gè) AI 大模型實(shí)現(xiàn)。一方面，多模態(tài)、大量傳感輸入數(shù)據(jù)和嚴(yán)苛的輸出精度和速度要求，對(duì)車載 硬件算力和車端、云端協(xié)同要求較高;另一方面黑箱模型很難進(jìn)行系統(tǒng)化的解釋分析，只能依靠 推測(cè)和實(shí)驗(yàn)調(diào)整，在出現(xiàn)問(wèn)題時(shí)難以快速定位對(duì)癥，在模型更新時(shí)也易出現(xiàn)倒退。因此，端到端 自動(dòng)駕駛系統(tǒng)目前還未成為主流。

AI 大模型在 NLP、CV 方向發(fā)展迅速，在自動(dòng)駕駛領(lǐng)域感知、決策等模塊具有廣闊應(yīng)用前景。CV 大模型主要用于感知層算法，可用于數(shù)據(jù)自動(dòng)標(biāo)注、傳感器算法和場(chǎng)景仿真;NLP 大模型主要可 應(yīng)用于車機(jī)系統(tǒng)和智能座艙，實(shí)現(xiàn)更高智能的人車交互;而多模態(tài)大模型一方面可應(yīng)用于多傳感 器數(shù)據(jù)融合的感知算法，提高感知精度和安全性;另一方面，多模態(tài)大模型是端到端、決控集成、 感知決策一體化等新自動(dòng)駕駛架構(gòu)實(shí)現(xiàn)的主要解決方案。海量數(shù)據(jù)驅(qū)動(dòng)的多模態(tài) AI 大模型將成為 集成化自動(dòng)駕駛設(shè)計(jì)實(shí)現(xiàn)的關(guān)鍵。

AI 大模型有望加速 L0-L2 級(jí)輔助駕駛向 L3+高等級(jí)自動(dòng)駕駛的發(fā)展過(guò)程。高等級(jí)自動(dòng)駕駛對(duì)精度 和復(fù)雜度要求更高，需要高精度的環(huán)境感知和場(chǎng)景重建。要突破極端路況/天氣等長(zhǎng)尾場(chǎng)景的應(yīng)用， 實(shí)車數(shù)據(jù)和測(cè)試數(shù)據(jù)必須有更充分的積累。一方面，面對(duì)環(huán)境感知數(shù)據(jù)量和復(fù)雜度的增加，數(shù)據(jù) 標(biāo)注和仿真方法必須進(jìn)步;另一方面，為了減少感知過(guò)程中原始數(shù)據(jù)的信息損失從而提高感知精 度，數(shù)據(jù)驅(qū)動(dòng)的多傳感器數(shù)據(jù)融合 AI 大模型將更受重視。

高等級(jí)自動(dòng)駕駛在認(rèn)知決策需更智能化、人性化。傳統(tǒng)決策規(guī)劃方法將從傳統(tǒng)的基于規(guī)則，向數(shù) 據(jù)驅(qū)動(dòng)、基于學(xué)習(xí)的決策智能方向發(fā)展，Transformer+RL 架構(gòu)已展示出面對(duì)更大數(shù)據(jù)集、更復(fù)雜、 更大型環(huán)境中的應(yīng)用優(yōu)勢(shì)。長(zhǎng)期來(lái)看，端到端自動(dòng)駕駛系統(tǒng)落地有望。端到端系統(tǒng)需基于單一模 型實(shí)現(xiàn)輸入數(shù)據(jù)處理到?jīng)Q策控制的全過(guò)程，Transformer 架構(gòu)的 AI 大模型可滿足需求。

• 相關(guān)深度報(bào)告REPORTS

  

  2023-2027年中國(guó)汽車零部件行業(yè)全景調(diào)研與發(fā)展戰(zhàn)略研究咨詢報(bào)告

  產(chǎn)業(yè)現(xiàn)狀近年來(lái)，中國(guó)汽車零部件產(chǎn)業(yè)在國(guó)家重大工程和技術(shù)專項(xiàng)的支持下，通過(guò)企業(yè)自主研發(fā)、合資合作及技術(shù)人才引進(jìn)，持續(xù)加強(qiáng)技術(shù)攻關(guān)和創(chuàng)新體系建設(shè)，在部分領(lǐng)域核心技術(shù)逐步實(shí)現(xiàn)突破。中國(guó)品...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡