自动驾驶因果关系判断…有望克服“E2E”短板
Waymo、英伟达、小鹏也投入开发
现代汽车集团正加快布局“视觉-语言-行动(VLA)”模型,以提升自动驾驶技术的高度化水平。其战略是从以行驶性能为中心的技术,转向车辆能够自行理解情境并解释判断依据的“智能型自动驾驶”。
据业界31日消息,Park Minwoo 现代汽车·起亚 AVP(先进汽车平台)本部长兼 42dot 代表日前在其领英上发布帖子,公开招聘“VLA模型”研究人员。有舆论认为,自其就任代表以来,在42dot推进的多项资深人才招聘中,特意点名强调某一细分领域——VLA模型开发者,属罕见之举。
现代汽车起亚高级副总裁(先进汽车平台)本部长兼42dot代表 Park Minu 本月5日正在京畿道城南市板桥Tech One举行的先进汽车平台本部市政厅会议上发表演讲。现代汽车提供
View original image他表示:“我们的目标是将对现实世界的感知、推理及语言理解,转化为可以信赖的行动”,并强调引入 VLA 模型的必要性。
为提高自动驾驶技术完成度而引入的“VLA模型”正受到汽车行业的高度关注。有分析指出,这反映出一种问题意识:自动驾驶汽车必须从仅仅具备行驶性能,发展到能够由车辆自身“理解并加以说明”情境的阶段。
VLA 是“视觉(Vision)-语言(Language)-行动(Action)”的缩写,简单来说,是指一种让人工智能通过视觉感知情境、通过语言理解情境、再进行逻辑推理并采取恰当行动的模型。如果将 VLA 模型应用于汽车,系统就不仅仅是“前方有障碍物,请停车”,而是可以进行类似“前方正在施工,请变更至旁边车道绕行”这样的因果关系判断,因此被称为自动驾驶技术的“游戏规则改变者(Game Changer)”。
迄今为止,自动驾驶技术已经从传统的“规则基础(Rule-based)”路径,演进为以数据为中心的“端到端(End to End,E2E)”方式。E2E 依托海量数据,可展现出优异的行驶性能,但也一直被指存在“黑箱(Black Box)”问题,即难以解释为何会做出某种驾驶行为。
VLA 通过在这一判断过程中加入语言基础的推理,使系统能够解释决策依据,被寄望于弥补 E2E 的短板。
特斯拉、谷歌旗下自动驾驶企业 Waymo、中国整车企业小鹏(Xpeng),以及英伟达(Nvidia)等公司,均在开发将 E2E 的物理行驶能力与 VLA 的逻辑思考能力合二为一的集成技术栈。
Waymo 已将谷歌 DeepMind 的 VLA 架构应用于其自动驾驶系统,并在运营机器人出租车。英伟达则在今年1月公开了自动驾驶 VLA 模型“Alphamayo”。该技术计划搭载于梅赛德斯-奔驰下一代 S 级车型,并将在今年下半年于美国启动“Level 2++”级别的城市道路行驶。
小鹏本月11日(当地时间)宣布,将在中国732家门店启动其自动驾驶 E2E 解决方案“VLA 2.0”的试点应用和试驾活动。其目标是在明年向全球市场部署自动驾驶解决方案,而德国大众已决定导入小鹏的 VLA 2.0 解决方案。
目前,42dot 正在推进 E2E 自动驾驶技术“Atria AI”的高度化工作。计划将 VLA 模型与 Atria AI 结合,打造能够对行驶情境进行逻辑推理并加以说明的下一代智能型人工智能。由此,现代汽车集团有望构建由“42dot-英伟达-Motional”组成的自动驾驶协作体系。
版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。