قد تكون الولايات المتحدة لم تقدم لها رفاهية أو شيء من هذا القبيل ، وتركتها

6/17/2023



بعبارة أخرى ، في التغييرات اللاحقة اللاحقة ، ستحدد قوة القدرات الذكية بشكل مباشر الحد الأعلى للمنافسة لشركات السيارات. يمكن وصف تطوير قمرة القيادة الذكية اليوم بأنه يتغير مع مرور كل يوم. تستمر التكوينات / الوظائف الجديدة مثل الشاشات العملاقة والصوت خارج السيارة والتحكم بالإيماءات في الظهور. في مجال القيادة الذكية ، يشارك الجميع بشكل متزايد.


إذا كنت ترغب في تحقيق القيادة الذاتية الحقيقية ، فلا يوجد أكثر من مسارين: الأول هو من أعلى إلى أسفل ، وتحديد المواقع مباشرة إلى مستوى L4L5 للقيادة بدون طيار ، ثم تدريجيًا اللامركزية في التكوين والقدرات ، لتحقيق حلول منخفضة التكلفة. سيناريوهات. والثاني هو الشكل الذي تستخدمه الشركات المصنعة للمعدات الأصلية اليوم بشكل شائع ، وهو عبارة عن قيادة ذكية منخفضة المستوى تنتج بكميات كبيرة ، وتقوم باستمرار بتكرار التكنولوجيا من خلال كمية كبيرة من البيانات التي يتم إنشاؤها في روابطها لتتطور إلى مستوى أعلى. في هذا الطريق ، الإنتاج الضخم هو الرابط الأكثر أهمية.

وفقًا لتقرير "نظرة ثاقبة على اتجاه تطوير السيارات الذكية في الصين" الصادر عن معهد Autohome Research Institute ، في عام 2022 ، فإن معدل اختراق السوق لوظائف القيادة الذكية التمثيلية L2 مثل الكبح النشط ونظام المساعدة في الحفاظ على المسار ونظام الرحلات التكييفية سوف تنمو بسرعة. حتى العلامات التجارية الخارجية التي كانت متحفظة بعض الشيء من قبل اعتبرت بعض الوظائف المذكورة أعلاه بمثابة معدات قياسية للسيارات الجديدة.



ومع ذلك ، في المجال الذي يختبر قدرة القيادة الذكية "L2 +" ، مثل NOA الحضرية (نظام مساعدة القيادة الذكي المتطور للمجال الحضري ، والذي يطلق عليه بشكل مختلف شركات السيارات المختلفة) ، يمكن لعدد قليل جدًا من الأشخاص تحقيق اختراقات. معظم الشركات التي أعلنت عن وظيفة NOA الحضرية هي إما "مستقبلية" لم يتم الوفاء بها بعد ، أو يتم دفعها في شكل اختبار داخلي ، وطيور مبكرة ، وما إلى ذلك ، ولا تزال هناك مسافة من الإنتاج الضخم الحقيقي. إن بداية النصف الثاني من المنافسة في مجال القيادة الذاتية مخفية أيضًا في مشاكل الإنتاج الضخم المذكورة أعلاه.

★ معركة الطريق: من الخريطة [الثقيلة] إلى الخريطة [الخفيفة]
من وجهة النظر الحالية ، لا يوجد عدد قليل من اللاعبين الذين يمكنهم أن تطأ أقدامهم مجال NOA الحضري. تشمل الشركات التي تتخذ المسار التصاعدي Haomo Zhixing و NIO و Ideal و Xiaopeng و Jidu وما إلى ذلك ؛ تشمل الشركات التي تتخذ المسار من أعلى إلى أسفل بايدو وتشينغتشو زيهانج وبوني. ومع ذلك ، بناءً على وقت الإطلاق ومقياس الترويج ، فإن NOAs الحضرية لشركات السيارات هذه تتركز في الغالب في ثلاث مدن هي Guangzhou و Shenzhen و Shanghai.



على سبيل المثال ، Xiaopeng ، في سبتمبر 2022 ، أطلقت Xiaopeng City NGP القيادة بمساعدة الملاحة الذكية رسميًا برنامجًا تجريبيًا في قوانغتشو. تم اختيار الدفعة الأولى من المستخدمين الذين تم دفعهم بشكل عشوائي من مالكي سيارات P5 الذين قدموا اقتراحات القيادة بمساعدة ذكية في قوانغتشو ، وكان عليهم تجربة "وضع المبتدئين" - أي استخدام NGP الحضرية لأكثر من 100 كيلومتر في بعض أقسام الطريق بشروط مناسبة ، ويمكنك فتح جميع أقسام الطريق بعد أكثر من 7 أيام. بعد مرور بعض الوقت ، تم فتح هذه الوظيفة تدريجيًا في Shenzhen و Shanghai.

Jihu ، التي أصبحت ذات يوم مشهورة في جميع أنحاء الإنترنت بفيديو "القيادة الذاتية" عشية معرض شنغهاي للسيارات ، على الرغم من أنها قدمت نسخة Jihu Alpha S HI في مايو 2022 ، إلا أنها لم تبدأ اختبار وظيفة NCA الحضري في شنتشن حتى سبتمبر. ثم امتدت إلى شنغهاي.

السبب وراء تركيز NOAs الحضرية المبكرة في قوانغتشو وشنتشن وشنغهاي هو أن المدن الثلاث المذكورة أعلاه كانت أول دفعة من المدن في الصين لإصدار تراخيص تجريبية لخريطة المدينة عالية الدقة. تختلف ظروف الطريق المعقدة التي تواجهها القيادة الذكية المتطورة في المجال الحضري بشكل كبير عن مجال السرعة العالية ، مثل تغيرات ضوء الإشارة ، وتغييرات حارات المد والجزر ، وتنبؤ مسار المشاة على سطح الطريق ، والمركبة غير الآلية تنبؤ المسار ... كل هذه السيناريوهات مهمة جدًا لبرامج وأجهزة المؤسسة. متطلبات القدرة الشاملة عالية للغاية. وفقًا للبيانات ، وصل عدد نماذج إدراك NGP الحضرية في Xpeng إلى 4 أضعاف عدد نماذج NGP عالية السرعة ، وزاد مقدار الشفرة المتعلقة بالتنبؤ / التخطيط / التحكم إلى 88 مرة ،



في مواجهة السيناريوهات المعقدة المذكورة أعلاه ، عندما لا تكون الإمكانات الشاملة للبرامج والأجهزة قوية جدًا ، تكون الدقة المطلقة والدقة النسبية في حدود متر واحد ، والتي تحتوي على معلومات الطريق مثل نوع الطريق ، والانحناء ، وموضع خط المسار ، وكذلك مثل البنية التحتية على جانب الطريق ، والعقبات ، وحركة المرور ، وما إلى ذلك. معلومات الكائنات البيئية مثل العلامات ، بالإضافة إلى المعلومات الديناميكية في الوقت الفعلي مثل تدفق حركة المرور ومعلومات حالة إشارات المرور ، والدقة العالية ، والحداثة العالية ، والدقة العالية الغنية أصبحت الخرائط "اختصارًا" لشركات السيارات لإطلاق NOA الحضري بسرعة.

لكن كل شيء له وجهان. أصبحت قيود الخرائط عالية الدقة وصعوبة الحصول على المؤهلات أيضًا من الأسباب الرئيسية لتقييد الإنتاج الضخم السريع لشركات السيارات NOA. في منتدى السيارات الصيني لعام 2023 ، حلل لي وي ، كبير خبراء شركة Chongqing Changan Automobile Co.، Ltd. ، عيوب نموذج "الخرائط الثقيل". يعتقد أن هذا النموذج هو استثمار تدريجي. على الرغم من أن تكلفة شراء البيانات الحضرية عالية السرعة + المقدار الصغير ليست عالية في المرحلة المبكرة ، حيث تتوسع المدينة في المرحلة اللاحقة ، فإن تكلفة الشراء ستزيد بشكل حاد. ليس هذا فحسب ، بل تواجه أيضًا المشكلات طويلة المدى المتمثلة في عدم كفاية حداثة الخرائط والتغطية غير الكافية ، الأمر الذي سيؤدي حتماً إلى ضعف متانة نظام القيادة الذكي.



فيما يتعلق بمدى ارتفاع تكلفتها على المدى الطويل ، ذكر يو تشنغ دونغ ، المدير التنفيذي لشركة Huawei ، والرئيس التنفيذي لشركة Terminal BG ، والرئيس التنفيذي لحل السيارة الذكية BU ، مثالاً: "مجرد جمع خرائط عالية الدقة لشنغهاي مقابل واحد أو اثنين سنة و 9000 كيلومتر لم يتم التقاط شنغهاي بالكامل. ومن منظور الأمن القومي ، لا يُسمح بالتحديثات إلا لبضعة أشهر ، لكن طرق الصين تتغير كل يوم ، لذا فإن الاعتماد على خرائط عالية الدقة لا يمكن استخدامه على نطاق واسع. " وبسبب هذا ، توصلت الصناعة تدريجيًا إلى إجماع —— قد يكون رسم الخرائط هو الطريقة الوحيدة لتحقيق الإنتاج الضخم بسرعة من NGP في المناطق الحضرية.



في الصناعة ، مومو زيكسينج هي بلا شك الدفعة الأولى من الشركات التي تلعب لافتة "التركيز على الإدراك". في وقت مبكر من عام 2022 ، أعلن Momo Zhixing رسميًا عن نموذج تم إنتاجه بكميات كبيرة ومجهز بنظام HPilot 3.0 ، والذي يمكنه تحقيق وظيفة المساعدة التجريبية NOH في المدينة ؛ في أبريل من هذا العام ، في يوم Momo AI الثامن ، أعلنت الشركة عن "Carrier" الجديد - Mocha DHT-PHEV الجديد من Wei و Wei's Lanshan. وفقًا للخطة الحالية ، ستكون وظيفة NOH الحضرية في Momo Zhixing هي الأولى من نوعها تم تنفيذها في بكين وشانغهاي وباودينغ ومدن أخرى.



بالإضافة إلى مومو ، بدأت شركات مثل Xiaopeng و Huawei التي اعتمدت في السابق على خرائط عالية الدقة في إجراء تطور "إعادة استشعار". من بينها ، تم اختبار XNGP الخاص بـ Xiaopeng بدون خرائط ومن المتوقع أن يتوسع إلى 50 مدينة بحلول نهاية العام ؛ أعلن Yu Chengdong أن NCA الحضري من Huawei الذي لا يعتمد على خرائط عالية الدقة سيتم تنفيذه في 15 مدينة في الربع الثالث ، وسيزداد بحلول الربع الرابع. إلى 45 مدينة. حتى شركة الخرائط العملاقة بايدو تقترب بالفعل من حل إعادة الاستشعار ، وقد اعتمد نظام ANP3.0 بالفعل تقنية "BEV Surround View 3D Perception" كإجراء احتياطي للسلامة.

★ معركة التكنولوجيا: [قدرة البيانات] هي العتبة

وفقًا للتوقعات الصادرة عن Western Securities ، ستكون NOA في المدينة المستقبلية كعكة كبيرة ، وقد يصل عدد طرازاتها إلى 119000 و 676000 و 2.436 مليون في 2023-2025. ولكن إذا كنت ترغب في تناول المزيد من هذه الكعكة ، فالأمر ليس بهذه البساطة مثل تحديد المسار.



عندما لا يكون هناك أي اعتماد على الخرائط عالية الدقة ، مثل معالجة البيانات التي تتعرف عليها أجهزة الاستشعار ، ومن خلالها يمكن تحقيق تعميم حضري واسع النطاق ، والتكيف مع ظروف الطريق "الفوضوية" والمشاهد في مدن مختلفة. خذ الوظائف الأساسية المتمثلة في تحديد إشارات المرور للتحكم في السيارات ، وملاحظة إشارات المرور ، والتي قد تبدو أساسية جدًا لبعض الأشخاص ، كمثال. تختلف مواصفات إشارات المرور في مدن مختلفة في بلدي ، فهناك ثلاثة صفوف من الأضواء ، وهناك خمسة صفوف من الأضواء ، بعضها أفقي ، وبعضها عمودي ... مع ترك الخوارزمية جانباً ، لتلبية السيناريوهات أعلاه ، سيكون حجم البيانات التي تم جمعها هو نفسه كما كان من قبل. النمو الأسي.

باستخدام مقياس البيانات هذا ، يبدو أنه لم يعد من الممكن الاعتماد على نموذج تدريب الشبكة العصبية التلافيفية CNN كما كان من قبل. في هذا الصدد ، حققت Tesla ، التي أخذت زمام المبادرة في اقتراح التخلص من الخرائط عالية الدقة وحتى إلغاء Lidar ، واعتمدت حل الرؤية الصافية ، بداية جيدة للجميع وبدأت في استبدال CNN بنماذج Transformer الكبيرة ، مستفيدة من ذلك. لهيكلها البسيط والوحدات الأساسية القابلة للتكديس بلا حدود. احصل على خصائص عدد كبير من المعلمات لتحسينها.

بالمقارنة مع CNN ، كلما زادت كمية البيانات في Transformer ، كان تأثيرها أفضل. أظهرت الدراسات أنه عند زيادة مجموعة بيانات التدريب لتشمل 100 مليون صورة ، يبدأ أداء Transformer في تجاوز أداء CNN. وعندما يزداد عدد الصور إلى مليار صورة ، تصبح فجوة الأداء بين الصورتين أكبر.

في الصين ، تعتبر Momo Zhixing أول شركة قيادة ذاتية تقدم طراز Transformer الكبير. على الرغم من أنه ليس مبكرًا مثل Tesla من حيث الوقت ، فإن ابتكار Momo Zhixing يكمن في الاندماج المسبق للزمان والمكان مع المحول.



على سبيل المثال ، في مواجهة قسم من طريق عادي ، ترى العين البشرية مسارًا رباعي الاتجاه ثنائي الاتجاه ، وهو عبارة عن صورة مرئية مستمرة ، لكن التعرف عليها بواسطة الكاميرا ليس متماسكًا ، ولكنه صورة إطار بإطار. بافتراض أن السيارة على بعد 5 سم إلى اليسار ، فإن المعلومات التي يتعرف عليها الشخص طبيعية ، ويمكن تقويمها. في ظل المخطط الأصلي ، يكون التعرف على الكاميرا معقدًا. ربما يكون الطريق نفسه "معوجًا". إذا لم تكن هناك خريطة عالية الدقة لتصحيحها ، فقد يصبح النظام "جافًا" ولا يمكن تقطيعه بشكل فعال.

والطريقة الأخيرة هي استخدام Transformer لإجراء الاندماج المسبق في الزمان والمكان ، أي من خلال ميزة الانتباه للنموذج الكبير ، واستخراج الارتباط بين وحدات البكسل المختلفة للصورة ، واستخدام متجه الميزة الخاص بها لأداء ما قبل الاندماج ، و ثم استخدم الشبكة العصبية لإجراء التنبؤ بالهدف. لا يمكن لهذا أن يحل فقط مشكلة عدم قدرة الكاميرات متعددة الزوايا على فصل "منظور الله" ، بل يمكنها أيضًا دمج بيانات ليدار لتكملة التأثير المرئي.

في هذا الصدد ، استخدم Perxing ، المدير الفني لـ Momo Zhixing ، مشهد خط الممر الذي من المرجح أن يظهر في المجال الحضري كمثال. قال إنه على عكس مشهد السرعة العالية ، فإن خطوط حارات الطرق الحضرية معقدة للغاية. تآكلت بعض الأماكن ، وربما أعيد طلاء بعض الأماكن ، لكن خطوط الحارات القديمة لم يتم استئصالها بالكامل. في هذا السيناريو ، يمكن لآلية الانتباه الخاصة بنموذج المحولات الكبير أن تحل المشكلة جيدًا.



تجدر الإشارة إلى أن هناك العديد من السيناريوهات المماثلة التي تواجهها الإدارة الوطنية للمحيطات والغلاف الجوي (NOA) في المجال الحضري. على سبيل المثال ، إذا كانت هناك عدة أضواء حمراء عند تقاطع معقد ، فما الضوء الذي يجب أن تضيئه السيارة؟ إذا كنت ترغب في حل عشرات الآلاف من السيناريوهات مثل هذا ، فعليك تحديد الكثير من البيانات ، والقيام بالكثير من العلامات ، ومحاكاة الكثير من السيناريوهات ، والقيام بالكثير من التعلم ، وإجراء الكثير من التعديلات ، وكتابة الكثير القواعد ..

كيف تحل "الكمية الكبيرة" المذكورة أعلاه؟ على حد تعبير قو ويهاو ، الرئيس التنفيذي لشركة Momo Zhixing ، فإن الصناعة تعمل فيها منذ 20 عامًا ، ويتم تقسيم كل عنصر من عناصر التنبؤ والتخطيط واتخاذ القرار والتحكم إلى مهام صغيرة ، ولم يتم الانتهاء منها في 20 سنه. حتى بدأ تطبيق تقنية GPT (المحولات التوليدية المدربة مسبقًا).

في 11 أبريل من هذا العام ، أصدر Momo Zhixing رسميًا DriveGPT ، وهو نموذج توليدي واسع النطاق للقيادة الذاتية. بالنسبة إلى مشهد القيادة ، استخدم تسلسل النص بعد اندماج الإدراك كمدخل ، واستخدم التسلسل النصي لمشهد القيادة الذاتية كمخرج لترميز مشهد القيادة المستقلة لتشكيل "لغة القيادة" ، وأخيرًا أكمل التحكم في اتخاذ القرار ، والتنبؤ بالعقبات ، وسلسلة منطق اتخاذ القرار لإخراج السيارة الذاتية وغيرها من المهام. من منظور الشخص العادي ، يتم تقليل جميع المهام الصغيرة المذكورة أعلاه إلى مهمتين كبيرتين ، واحدة هي الإدراك والأخرى هي الإدراك.



بالإضافة إلى ذلك ، بدأت Momo Zhixing أيضًا في استكشاف أربع إمكانيات تطبيق رئيسية مع شركاء بيئيين ، بما في ذلك القيادة الذكية ، والتعرف على مشهد القيادة ، والتحقق من سلوك القيادة ، والهروب الصعب من المشهد. على سبيل المثال ، في التعرف على المشهد ، فإن التكلفة الإجمالية لوضع العلامات لصورة إبرة واحدة لـ DriveGPT تعادل فقط 1/10 من الصناعة. سيؤدي الاستخدام المفتوح لهذه التكنولوجيا في الصناعة إلى تقليل تكلفة استخدام البيانات في الصناعة بشكل كبير ، وبالتالي تعزيز تطوير تقنية القيادة المستقلة.

يمكن لـ Momo تطبيق DriveGPT تدريجيًا على NOH الحضرية ، وتوصيات الاختصار ، والمبارزة الذكية ، وسيناريوهات الهروب. يمكن أن تجعل إضافة DriveGPT قيادة السيارة أكثر أمانًا ، وتكون إجراءات التنظيم والتحكم أكثر إنسانية وأكثر سلاسة ، وهناك منطق معقول لإخبار السائق عن سبب اختيار السيارة لمثل هذا الإجراء لاتخاذ القرار.

وهذا هو مخطط إزالة الخريطة الذي قدمه مومو ، وهو اختبار لقدرات معالجة البيانات. وهذا النوع من سعة المعالجة ، مقرونًا بكمية بيانات القيادة الذاتية - أي ، أياً كان من ينتج السيارة بكميات كبيرة أولاً ، يجمع المزيد من البيانات ويعالجها من خلال السيارة ذات الإنتاج الضخم ، وأخيراً يدرك التكرار التقني لتكرار كرة الثلج. هذه هي وظيفة NOA الحضرية حيث تكون العتبة.

اكتب في النهاية:
تعد الخرائط عالية الدقة باهظة التكلفة ويصعب جمعها وضعيفة في الحداثة ، كما أن تنفيذ حلول تنسيق الطرق والمركبات التي تعتمد على قدر كبير من البنية التحتية يعد أكثر صعوبة من الخرائط عالية الدقة. في ظل هذه الفرضية ، إذا كنت ترغب في إنتاج NOA حضري بكميات كبيرة وتحقيق دورة إيجابية ، فهذه ليست مهمة سهلة.

وفقًا لـ Zhang Kai ، رئيس مجلس إدارة Momo Zhixing ، فإن السبب وراء قدرة الشركة على تحقيق الإنتاج الضخم بسرعة ليس أكثر من بضع حلقات مغلقة: حلقة مغلقة من احتياجات المستخدم - التحليل المستمر لبيانات مشهد القيادة لتحسين الاستراتيجيات ، والتعليقات على الوظيفة الجديدة خبرة؛ حلقة مغلقة لكفاءة البحث والتطوير - دمج المفاهيم المعتمدة على البيانات في عمليات تطوير المنتج مثل تعريف طلب المنتج ، وتطوير الإدراك والخوارزمية المعرفية ، وما إلى ذلك ، تحسين كفاءة التنمية الشاملة ؛ الحلقة المغلقة لتراكم البيانات - يغطي نشر علامات مشهد بيانات خدمة التشخيص على طرف السيارة 92٪ من سيناريو القيادة ؛ الحلقة المغلقة لقيمة البيانات - يستمر النموذج الكبير في استخراج قيمة البيانات لحل المشكلات الرئيسية ؛ الحلقة المغلقة للتحسين الذاتي للمنتج - تدرك أن سرعة معالجة مشكلة ما بعد البيع أعلى بعشر مرات من الطرق التقليدية ، وتدرك أنه يمكن تحديد موقع مشاكل ما بعد البيع في أسرع 10 دقائق ؛ حلقة مغلقة لهندسة الأعمال —— قم بتحسين العملية الهندسية ذات الحلقة المغلقة للبحث والتطوير عن المنتج من التجميع وإعادة التدفق ، والتدريب على وضع العلامات ، ومعايرة النظام ، والتحقق من المحاكاة ، وغير ذلك من الارتباطات إلى رابط إصدار OTA النهائي. الحلقة المغلقة المذكورة أعلاه معقدة بالفعل بمجرد النظر إليها ، بل إن إدراكها أصعب.



في هذا الصدد ، حتى لو كان الحجم (يشير فقط إلى السيارات الذكية) كبيرًا مثل Tesla ، فمن الضروري زيادة سعة جمع البيانات عن طريق فتح FSD لشركات السيارات الأخرى. في هذا الصدد ، يبدو أن مومو زيكسينج ، التي تعتمد على سور الصين العظيم وتوسع دائرة أصدقائها تدريجيًا ، وهواوي ، التي توفر حلولًا للعديد من مصنعي المعدات الأصلية ، تتمتع أيضًا بميزة نطاق معينة. أعتقد أنه في ظل هذه التحديات ، سيكون هناك عدد أقل وأقل من مصنعي المعدات الأصلية الذين يكافحون مع "نظرية الروح". بعد كل شيء ، في بيئة المنافسة الملحة في النصف الثاني من القيادة الذاتية ، لا يمكن حل حجم البيانات والقدرات التقنية من خلال التطوير الذاتي والاستحواذ. أعلى.