經(jīng)過多年的發(fā)展，自動駕駛已經(jīng)經(jīng)歷了以硬件驅(qū)動為主的 1.0 時代、以軟件驅(qū)動的 2.0 時代，并正在進(jìn)入將持續(xù)發(fā)展的由數(shù)據(jù)驅(qū)動的自動駕駛3.0時代。隨之而來的是，自動駕駛已經(jīng)成為了汽車產(chǎn)業(yè)中最熱門的賽道之一，而在量產(chǎn)自動駕駛領(lǐng)域的競爭更是進(jìn)入到了白熱化的階段。

在以數(shù)據(jù)驅(qū)動為主的自動駕駛3.0時代，最重要的是如何快速處理自動駕駛車輛在日常的運(yùn)行和測試過程中產(chǎn)生的還量數(shù)據(jù)。尤其是城市輔助導(dǎo)航駕駛，某種意義上說，城市道路輔助駕駛系統(tǒng)要解決的問題難度，并不低于L4級自動駕駛，這就要求自動駕駛企業(yè)需要具備很強(qiáng)的數(shù)據(jù)處理能力。

為此特斯拉直接建設(shè)了一個智算中心來處理海量的數(shù)據(jù)，而近日，國內(nèi)自動駕駛公司毫末智行也宣布成立智算中心——雪湖 · 綠洲(MANA OASIS)，該智算中心由毫末智行和火山引擎聯(lián)合打造，是國內(nèi)自動駕駛行業(yè)最大的智算中心。

在MANA OASIS的加持下，毫末智行推出的中國首個自動駕駛數(shù)據(jù)智能體系MANA五大模型迎來全新亮相升級。

首先，視頻自監(jiān)督大模型，讓毫末4D Clip標(biāo)注實(shí)現(xiàn)100%自動化，人工標(biāo)注成本降低98%。為了更低成本、更高效獲取更多高價值數(shù)據(jù)，需要解決從離散幀自動化擴(kuò)充到Clips形態(tài)的問題。毫末首先利用海量videoClip，通過視頻自監(jiān)督方式，預(yù)訓(xùn)練出一個大模型，用少量人工標(biāo)注好的Clip數(shù)據(jù)進(jìn)行Finetune(微調(diào))，訓(xùn)練檢測跟蹤模型，使得模型具備自動標(biāo)注的能力;然后，將已經(jīng)標(biāo)注好的千萬級單幀數(shù)據(jù)所對應(yīng)的原始視頻提取出來組織成Clip，其中10%是標(biāo)注幀，90%是未標(biāo)注幀，再將這些Clip輸入到模型，完成對90%未標(biāo)注幀的自動標(biāo)注，進(jìn)而實(shí)現(xiàn)所有單幀標(biāo)注向Clip標(biāo)注的100%的自動轉(zhuǎn)化，同時降低98%的Clip標(biāo)注成本。毫末視頻自監(jiān)督大模型的泛化性效果極佳，即使是在一些非常困難的場景，例如嚴(yán)重遮擋的騎行者，遠(yuǎn)處的小目標(biāo)，惡劣的天氣和光照，都能準(zhǔn)確地完成自動標(biāo)注。

其次，3D重建大模型，讓毫末實(shí)現(xiàn)了數(shù)據(jù)“無中生有”，獲得海量corner case(長尾場景)不再是難事。面對“完全從真實(shí)數(shù)據(jù)中積累的corner case困難且昂貴”的行業(yè)難題，毫末將爆火的三維重建NeRF技術(shù)應(yīng)用在自動駕駛場景重建和數(shù)據(jù)生成中，它通過改變視角、光照、紋理材質(zhì)的方法，生成高真實(shí)感數(shù)據(jù)，實(shí)現(xiàn)以低成本獲取normal case，生成各種高成本corner case。3D重建大模型生成的數(shù)據(jù)，不僅比傳統(tǒng)的人工顯式建模再渲染紋理的方法效果更好、成本更低，增加NeRF生成的數(shù)據(jù)后，還可將感知的錯誤率降低30%以上。

第三，多模態(tài)互監(jiān)督大模型，能夠精準(zhǔn)識別異形障礙物，讓車輛“火眼金睛”。在成功實(shí)現(xiàn)車道線和常見障礙物的精準(zhǔn)檢測后，針對城市多種異形障礙物的穩(wěn)定檢測問題，毫末正在思考和探索更加通用的解決方案。多模態(tài)互監(jiān)督大模型引入了激光雷達(dá)作為視覺監(jiān)督信號，直接使用視頻數(shù)據(jù)來推理場景的通用結(jié)構(gòu)表達(dá)。通用結(jié)構(gòu)的檢測，可以很好地補(bǔ)充已有的語義障礙物檢測，有效提升自動駕駛系統(tǒng)在城市復(fù)雜工況下的通過率。

第四，動態(tài)環(huán)境大模型，可以精準(zhǔn)預(yù)測道路的拓?fù)潢P(guān)系，讓車輛始終行駛在正確的車道中。在重感知技術(shù)路線下，毫末為了將對高精地圖的依賴度降到最低，面臨著“道路拓?fù)浣Y(jié)構(gòu)實(shí)時推斷”的挑戰(zhàn)。為此，毫末在BEV(鳥瞰圖)的feature map(特征圖)基礎(chǔ)上，以標(biāo)精地圖作為引導(dǎo)信息，使用自回歸編解碼網(wǎng)絡(luò)，將BEV特征，解碼為結(jié)構(gòu)化的拓?fù)潼c(diǎn)序列，實(shí)現(xiàn)車道拓?fù)漕A(yù)測，讓毫末的感知能力，能像人類一樣在標(biāo)準(zhǔn)地圖的導(dǎo)航提示下就可以實(shí)現(xiàn)對道路拓?fù)浣Y(jié)構(gòu)的實(shí)時推斷。毫末認(rèn)為，解決了路口問題實(shí)際就解決了大部分城市NOH問題，目前在保定、北京，毫末對于85%的路口拓?fù)渫茢鄿?zhǔn)確率高達(dá)95%。即便是非常復(fù)雜、非常不規(guī)則的路口，毫末也能準(zhǔn)確預(yù)測。

第五，人駕自監(jiān)督認(rèn)知大模型，掌握高水平司機(jī)的開車技法，讓駕駛決策更聰明。在探索“使用大量人駕數(shù)據(jù)，直接訓(xùn)練模型做出擬人化決策”方面，毫末為了讓模型能夠?qū)W習(xí)到高水平司機(jī)的優(yōu)秀開車方法，全新引入了用戶真實(shí)的接管數(shù)據(jù)，同時用RLHF(從人類反饋中強(qiáng)化學(xué)習(xí))思路先訓(xùn)練一個reward model(獎勵模型)來挑選出更好的駕駛決策。通過這種方式，使毫末在掉頭、環(huán)島等公認(rèn)的困難場景中，通過率提升30%以上。這與AGI領(lǐng)域爆火的ChatGPT的思路相同，通過人類行為反饋來選出最優(yōu)答案。

MANA五大模型全面提升了毫末感知和認(rèn)知層面系統(tǒng)化的底層技術(shù)能力。“在五大模型助力下，MANA最新的車端感知架構(gòu)，從過去分散的多個下游任務(wù)集成到了一起，形成一個更加端到端的架構(gòu)，包括通用障礙物識別、局部路網(wǎng)、行為預(yù)測等任務(wù)，毫末車端感知架構(gòu)實(shí)現(xiàn)了跨代升級。”顧維灝表示，這也意味著毫末的感知能力更強(qiáng)，產(chǎn)品力更強(qiáng)，產(chǎn)品可以通過快速迭代向全無人駕駛加速邁進(jìn)。

隨著毫末智算中心MANA OASIS的落地，數(shù)據(jù)智能體系MANA也實(shí)現(xiàn)了脫胎換骨的升級。在未來的日子里，不斷進(jìn)化的MANA作為毫末產(chǎn)品迭代的核心動力，將持續(xù)助力毫末發(fā)揮核心技術(shù)優(yōu)勢，早日實(shí)現(xiàn)毫末“讓機(jī)器智能移動，給生活更多美好”的最新美好愿景。