作者 | 老緬,編輯 | 德新
在剛剛結(jié)束不久的北京車展上,除一眾明星車型亮相,供應(yīng)鏈企業(yè)也開始大秀肌肉,其中尤其以端到端大模型為代表,煥新一代的智駕技術(shù)棧掀起了新一輪熱潮。
作為首個(gè)提出感知決策一體化自動駕駛通用模型的公司,商湯絕影也在這次車展上第一次向公眾展示了面向量產(chǎn)的端到端自動駕駛解決方案UniAD(Unified Autonomous Driving)的道路測試表現(xiàn)。
UniAD,讓智能駕駛「像人一樣」
相信不少用戶已經(jīng)關(guān)注到,今年以來,幾乎所有車企或產(chǎn)業(yè)鏈公司在宣傳智駕時(shí),最常用的形容詞之一,就是「媲美真人駕駛」。端到端大模型的出現(xiàn),其重要方向之一就是解決「駕駛擬人化」的問題。
商湯絕影在這次北京車展上,展示出了在無高精地圖、僅靠視覺感知的實(shí)際道路測試成果:無論是城市道路還是無線的鄉(xiāng)村道路上,搭載UniAD的車輛都能準(zhǔn)確地完成大角度左轉(zhuǎn)上橋、避讓占道車輛及施工區(qū)域、繞行跑步行人等一系列高難度操作。
通常城市道路錯(cuò)綜復(fù)雜,鄉(xiāng)村道路更是路況難測,比如永遠(yuǎn)不知道什么時(shí)候會有慢行車擋路;什么時(shí)候會有電動小三輪突然從側(cè)方出現(xiàn);什么時(shí)候前方會有占道施工或臨時(shí)堵塞等等。這種無固定性、遇到情況需要依靠車主自身經(jīng)驗(yàn)解決的行駛場景,在自動駕駛領(lǐng)域被稱之為Corner Case。
盡管類似場景和挑戰(zhàn),在整個(gè)駕駛過程中的占比可能不到10%,能否解決這樣的場景,卻是智駕從定位「小眾科技」贏得大眾信任的關(guān)鍵,也是智駕系統(tǒng)安全性的關(guān)鍵。隨著城區(qū)智駕成為高階智駕競爭的主戰(zhàn)場,場景計(jì)算的復(fù)雜度呈指數(shù)級增長。大量的人力資源投入也只是增加有限的規(guī)則,無法應(yīng)對數(shù)量無限的復(fù)雜場景和長尾路況?;诖?,端到端技術(shù)的出現(xiàn)開辟了一條新路徑,將智駕的開發(fā)范式從鋪設(shè)大量人力,轉(zhuǎn)變?yōu)槌掷m(xù)算力投入和高質(zhì)量數(shù)據(jù)輸入。
今年年初,特斯拉開始向部分用戶推送FSD V12版本的端到端自動駕駛方案,業(yè)內(nèi)也出現(xiàn)了越來越多的端到端智駕方案,不過大部分端到端方案采用的是更容易落地的由感知和決策兩個(gè)模型組成的「兩段式」架構(gòu),兩個(gè)模型之間依然存在信息傳遞過濾或丟失的問題。而UniAD將感知、決策、規(guī)劃等模塊都整合到一個(gè)全棧Transformer端到端模型,也就是一個(gè)完全感知決策一體化的「端到端」技術(shù)棧。
借助商湯科技大裝置的算力、高質(zhì)量仿真數(shù)據(jù)以及模型性能,UniAD端到端方案有更高的能力上限,以及強(qiáng)大的學(xué)習(xí)和思考能力;數(shù)據(jù)驅(qū)動的端到端模型泛化能力強(qiáng)、迭代效率快,可以幫助車企低成本快速開城;純視覺感知的無圖方案,進(jìn)一步降低系統(tǒng)的軟硬件成本,助力智駕普及,實(shí)現(xiàn)全國都能開。在端到端系統(tǒng)基礎(chǔ)上,商湯絕影在這次車展期間還介紹了新一代自動駕駛大模型DriveAGI,推動自動駕駛從數(shù)據(jù)驅(qū)動向認(rèn)知驅(qū)動的躍遷。
大模型登陸小米SU7,智能座艙升維開卷
在此之前的4月23日,商湯科技發(fā)布全新升級的「日日新SenseNova 5.0」大模型。據(jù)悉,6000億參數(shù)的「日日新5.0」采用混合專家架構(gòu)(MOE),具備更強(qiáng)的知識、數(shù)學(xué)、推理及代碼能力,成為國內(nèi)首個(gè)全面對標(biāo)甚至超越GPT-4 Turbo的大模型,多模態(tài)能力領(lǐng)先GPT-4V。
基于端云結(jié)合的架構(gòu),商湯端側(cè)大模型大幅超越同量級大模型,越級比肩7B、13B大模型,更適合車端部署。據(jù)官方透露,前不久上市的小米SU7將AI大模型帶進(jìn)座艙,而商湯日日新大模型也全面助力小愛同學(xué)車載語音場景應(yīng)用。但這不是商湯絕影發(fā)力座艙體驗(yàn)升維的全部。
據(jù)悉,商湯絕影從去年發(fā)售的Apple Vision Pro汲取靈感,憑借感知技術(shù)和高效的迭代效率,將3D Gaze高精視線交互和3D動態(tài)手勢交互這兩大全新座艙3D交互演示帶到現(xiàn)場,讓觀眾體驗(yàn)到更符合人類直覺的艙內(nèi)交互方式,推動座艙交互向更安全、更便利的3D交互升維進(jìn)化。據(jù)現(xiàn)場演示,操作人員坐在模仿座艙的屏幕前,通過3D Gaze高精視線交互和3D動態(tài)手勢交互,方法與Apple Vision Pro相類似。
據(jù)說,這是全球首創(chuàng)的能夠通過視線定位與屏幕圖標(biāo)進(jìn)行交互的智能座艙技術(shù)。目前,采用「非接觸式」交互已經(jīng)成為智能座艙交互革命的必然趨勢,而視線交互是最為直接和便捷的方案之一。但過去,受限于精度等原因,DMS通常只能做到分心監(jiān)測等艙內(nèi)大面積區(qū)域的識別,很難通過它進(jìn)行具體的交互動作。
商湯絕影全球首創(chuàng)3D Gaze高精視線交互,通過提升視線的精度,能精準(zhǔn)識別到駕駛員注視中控屏或者后排用戶看向后排屏幕的具體的某個(gè)圖標(biāo)并進(jìn)行交互,實(shí)現(xiàn)「所見即所選」。這背后,是一套「千人千眼」的高精度三維眼球模型。商湯絕影使用先進(jìn)的眼動追蹤技術(shù)和高精度的眼部成像設(shè)備,收集并分析駕駛員的眼部數(shù)據(jù),精準(zhǔn)為每個(gè)人的定制個(gè)性化的眼球模型,再以「千人千眼」的高精度三維眼球模型為基礎(chǔ),結(jié)合創(chuàng)新的亞像素級細(xì)節(jié)定位和信息融合技術(shù),突破了座艙場景下的視線精度難題,配合手勢、語音甚至是眨眼等方式,將給用戶帶來更智能、更個(gè)性化的艙內(nèi)視覺交互體驗(yàn)。
3D動態(tài)手勢交互則是以超高精的三維手部重建為基礎(chǔ),實(shí)時(shí)捕捉、識別與分析用戶的三維手勢動作,實(shí)現(xiàn)對車輛功能控制的技術(shù),能讓用戶通過手勢隔空進(jìn)行各類座艙交互。商湯絕影表示,已經(jīng)實(shí)現(xiàn)這兩大艙內(nèi)3D交互功能相互配合,如同Vision Pro裸眼上車,革命性改變了座艙交互的方式,讓用戶從傳統(tǒng)的物理按鍵和屏幕觸控方式中解脫出來,打造更符合人類直覺的自然交互體驗(yàn)。
絕影尋找自己的「問界」
「未來汽車智能化的競爭,本質(zhì)上是通用人工智能技術(shù)融合應(yīng)用的比拼。」這是商湯科技聯(lián)合創(chuàng)始人、首席科學(xué)家、絕影智能汽車事業(yè)群總裁王曉剛的觀點(diǎn)。而在智能汽車的浪潮里,商湯絕影給自己的定位是:加速智能汽車駛?cè)階GI時(shí)代的核心技術(shù)伙伴,將人工智能技術(shù)與汽車產(chǎn)業(yè)深度融合,構(gòu)建了駕 - 艙 - 云三位一體的通用人工智能 (AGI) 技術(shù)架構(gòu),打造了智能駕駛、智能座艙和AI云的多元產(chǎn)品體系。
從技術(shù)實(shí)力上來看,背靠商湯的商湯絕影,有毋庸置疑的技術(shù)底蘊(yùn)和研發(fā)實(shí)力,但再好的技術(shù)也需要強(qiáng)力的產(chǎn)品來推動落地和背書。在這一方面,商湯絕影還需要更多強(qiáng)有力的合作伙伴。截至2023年12月,商湯絕影已與本田、比亞迪、長城、廣汽、紅旗、極氪、哪吒、奇瑞、蔚來等超過30家國內(nèi)外車企攜手合作,覆蓋超90款車型,累計(jì)交付195萬輛智能汽車。
其中不乏廣汽埃安旗下高端豪華品牌昊鉑王牌車型GT這樣的高端車型,也有極氪X、奇瑞捷途旅行者等中端定位的車型,但商湯絕影還需要更加強(qiáng)有力的爆款車型,讓真正的消費(fèi)級市場有所感知。
智能車時(shí)代,商湯絕影也在找尋自己的那個(gè)「問界」。