ChatGPT的出现,会帮助汽车行业实现L4级别的自动驾驶吗?
![640.jpg 640.jpg](/sid-admin/Upload/ueditor/image/8fb2c591bcc74e3bbc575011ebfbfb69.jpg)
ChatGPT,一款2022年11月底上线,在互联网圈引发关注的AI(人工智能)聊天机器人,在2023年初突然席卷了海内外资本市场。
它的名字是由2部分组成的:前面的 Chat 就是聊天的意思;后面的GPT是英文 Generative Pre-trained Transformer 的首字母缩写,生成式预训练Transformer模型。
简单地说,ChatGPT是一个聊天机器人程序,它可以理解人类输入的文字,并根据文字的提问和指令,以文字的方式输出答案和反馈,从而实现借助自然语言的人机对话。
而ChatGPT 与自动驾驶认知决策的思路是一致的,都是通过不间断地输入人类反馈信息,使认知大模型能够从中学习,并稳定输出最优解,实现人类优秀表现的能力。
ChatGPT是否可以帮助到自动驾驶?
作为一个语言模型,ChatGPT主要用于生成自然语言文本,如对话或文章等。自动驾驶技术需要处理的是感知、决策和控制等方面的问题,这些问题与ChatGPT所处理的文本生成任务并不相关。因此,其实在技术上,将自动驾驶技术与ChatGPT蹭热点并不可行。
但是,自动驾驶公司可以利用ChatGPT等自然语言处理技术来提高其产品的人机交互能力,以更好地满足用户需求。
一直以来,围绕自动驾驶技术的演进,业内也一直存在两大“流派”:其中,Waymo、小马智行等是“跃进式”的代表,策略是直接实现L4/L5级自动驾驶;特斯拉则是“渐进式”路线的代表,策略是先在量产车上优先搭载L2/L3级辅助驾驶,收集数据后再向L4/L5进发。
此前,双方阵营泾渭分明,近两年情况则有所改变。不少L4公司开始“降维”进入L2领域。例如,Robobus领域的轻舟智航,推出了高阶自动驾驶解决方案;文远知行则是获得博世投资,将开展应用于乘用车的L2-L3级自动驾驶软件的开发。
![640 (1).jpg 640 (1).jpg](/sid-admin/Upload/ueditor/image/a15b211df8af4225a7b08c80d2e24195.jpg)
作为对比的是,“渐进式”玩家中,特斯拉已经生产了数百万辆汽车,其搭载的辅助驾驶系统Autopilot,将收集到数十亿英里的路况和驾驶数据。上述这些行业动向,似乎都在宣告,渐进式路线阶段性的胜利。
当然,业内也有不同的看法,认为当下只是L2领域的胜利,能否渐进到L4尚且未知。
而眼下,ChatGPT的横空出世则让行业认识到,不断去累积公里数,一直这么跑下去是可以获得更高级别的自动驾驶技术的跨越,量变能够引起质变,自动驾驶也有机会迎来“突现”时刻。
这才是ChatGPT对于自动驾驶的重要意义,某种程度上,算是为自动驾驶指了条明路。
ChatGPT回答:安全性才是自动驾驶能否落地的本质
在自动驾驶L1-L5五个级别中,自动驾驶L4是指高度自动驾驶,可以完全自主地完成行驶任务,而不需要驾驶员的任何监督,但是限定道路、使用环境。问题是“chatGPT的出现,会帮助汽车行业实现L4级别的自动驾驶吗?”,可见核心在于能否帮助道路环境条件的搭建和模拟是关键。
这个问题抛给AI,它的回答是:
![640.png 640.png](/sid-admin/Upload/ueditor/image/8347b5b643934ad4ae57c94dbe3a515d.png)
若强制它说出5条具体的帮助汽车行业实现L4级别的自动驾驶的途径:
![640 (1).png 640 (1).png](/sid-admin/Upload/ueditor/image/4babac2245e44a3cb4434499ee40a55d.png)
第一条位置定位、第二条安全性能、第三条障碍物检测识别、第四条涉及行驶状态(如检测行车风险)、四五条模拟测试,都涉及到了自动驾驶能否落地的本质——安全性。
ChatGPT 基于 Transformer 的预训练技术,并引入了一些新的强化学习算法,可以非常好地处理时序数据,包括上下文的语法关系。因此,ChatGPT 在自然语言和对话领域具有很好的表现能力,可以实现自然语言和对话的回答。
并且ChatGPT 与自动驾驶认知决策的思路是一致的,都是通过不间断地输入人类反馈信息,使认知大模型能够从中学习,并稳定输出最优解,实现人类优秀表现的能力。同时,自动驾驶系统也要学会选择和辨别,才能更好地稳定输出最优解。
![640 (2).jpg 640 (2).jpg](/sid-admin/Upload/ueditor/image/3ce1a77083624769ac8bae21494aab6e.jpg)
但是问题的关键在于:自动驾驶面对的驾驶环境非常复杂,涉及到人、车、路、环境、气候等等,其中该系统内部也是复杂交互影响的,仅仅是行车风险的识别评估,便衍生出行车风险场模型、驾驶行为谱模型、耦合关联模型等等。
再者,自动驾驶对于安全性的要求非常高,ChatGPT回答的问题出错的代价很低,但是自动驾驶不一样。自动驾驶需要遵守相关法律法规,自动驾驶的安全性意味着它不能是黑箱,而必须是可解释的,而现有模型还比较难以达到要求。
全球首个自动驾驶认知大模型:毫末智行DriveGPT
ChatGPT的火热将会对今年的自动驾驶行业产生深远影响,解放很多测算门槛,加速这一赛道的全面提速。
毫末智行最新宣布,自动驾驶认知大模型正式升级为DriveGPT,并将在2023年4月公布进展,这是全球首个自动驾驶认知大模型。
![640 (2).png 640 (2).png](/sid-admin/Upload/ueditor/image/0cd84497f37149729d0e1c6ca6684a5e.png)
毫末智行方面表示,ChatGPT采用的是Transformer大模型以及“人类反馈强化学习(RLHF)”技术,而在自动驾驶领域,毫末智行在国内最早将 Transformer 大模型引入到数据智能体系MANA当中。
据悉,毫末智行在认知驾驶决策算法的进化上分成了三个阶段:第一个阶段是引入了个别场景的端到端模仿学习,直接拟合人驾行为;第二个阶段是通过大模型,引入海量正常人驾驶数据,通过 Prompt 的方式实现认知决策的可控可解释;第三个阶段就是引入了真实接管数据,在其中尝试使用“人类反馈强化学习(RLHF)”。通过引入真实接管数据,并且在大模型中开始尝试使用RLHF算法,对人类驾驶接管数据进行学习,通过这一大模型,在掉头、环岛等公认的困难场景中,使自动驾驶的场景通过率提升30%以上。
目前,毫末DriveGPT已完成模型搭建和第一阶段数据的跑通,参数规模可对标GPT-2水平。接下来,DriveGPT将持续引入大规模真实接管数据,通过人驾数据反馈的强化学习;同时也将DriveGPT作为云端测评模型,用来评估车端小模型的驾驶效果。
ChatGPT火速“出圈”以后,汽车行业对于ChatGPT将为自动驾驶产业带来哪些改变备受关注。
ChatGPT是否能帮助汽车行业实现L4级别的自动驾驶,让我们拭目以待。
免责声明:版权归原作者所有,文中观点仅供学习交流,不代表本站立场,如有侵犯版权,请及时联系邮箱info@taiqiauto.com