🌀智能驾驶算法交流更新-1102
———————————
1、无图方案重点:众包建图、核心能力和数据闭环相同,把建图从图上放到自己手上,降本增效;难点在于路口拓扑关系推理,特斯拉把语言模型耦合进去;通勤NOA是无图方案中最重要的一环,消费者容忍度高,配合度好:多次,低速,数量多,利于众包。谁的车多,数据能用好就有优势。
2、L3:L2+到L3最大问题就是法规,技术栈已经比较成熟了,最大区别是留给用户的反应时间要变长。等级提升对应到技术上主要是失效保护。
3、端到端:高精地图提供了未来车道信息,无图没有,端到端在众包信息以外,会有更稳定的结果;国内端到端在预研,国内复杂路况多,对规控要求高,神经网络下对数据量和质量要求很高,配合生成技术甚至世界模型,才能形成闭环。
4、华为领先的原因:华为有路测资质,19年没有高精地图之前,是走众包的;数据筛选做得好,1% corner case需要不断去测,路采或者是通过文搜图来找出corner case的数据,做得好的原因是有更全面的技术积累,基于文本模型,华为已经有了很长时间众包积累,已有足够的数据量。
5、世界模型:未来非常大的变量,通过仿真驱动迭代。算力要求非常高,数据闭环转动会非常快,出现后存在弯道超车机会,可以拔高纯视觉的上限。
6、主机厂vs供应商:传统主机厂缺乏IT基因,靠人海战术,软件2.0时代很难自己做出来。
#结论:1)特斯拉开启的自动驾驶2.0时代是数据驱动,未来3.0将是仿真驱动,生成数据;2)现有无图主要是众包建图,通勤模式可以加快功能的落地和无图能力的完善;3)数据第一、算力第二、算法第三,形成好的数据闭环最重要,软硬件一体化能力是加分项;4)未来格局可能是头部智能车企+围绕科技第三方供应商的主机厂联盟。
作者利益披露:转载,不作为证券推荐或投资建议,旨在提供更多信息,作者不保证其内容准确性。
声明:文章观点来自网友,仅为作者个人研究意见,不代表韭研公社观点及立场,站内所有文章均不构成投资建议,请投资者注意风险,独立审慎决策。