世界今亮點！業內首個自動駕駛生成式大模型來了！背后釋放這些信號

《科創板日報》4月12日訊（記者 曾樂）今年以來，AI大模型火爆全球，其落地應用頻頻引發市場關注。而大數據、超算中心的大規模應用，也是自動駕駛的AI基礎設施。AI大模型在自動駕駛感知、認知等領域同樣發揮著重要作用。

4月11日，在毫末智行第八屆HAOMO AI DAY上，毫末智行發布了業內首個自動駕駛生成式大模型毫末DriveGPT雪湖·海若。

(資料圖片)

據毫末智行CEO顧維灝介紹，毫末DriveGPT雪湖·海若通過引入駕駛數據建立RLHF（人類反饋強化學習）技術，對自動駕駛認知決策模型進行持續優化，現階段主要用于解決自動駕駛的認知決策問題，終極目標是實現端到端自動駕駛。

《科創板日報》記者了解到，截至目前，毫末DriveGPT雪湖·海若實現了模型架構與參數規模的升級，參數規模達1200億，預訓練階段引入4000萬公里量產車駕駛數據，RLHF階段引入5萬段人工精選的困難場景接管Clips。

具體來看，DriveGPT雪湖·海若的底層模型采用GPT（Generative Pre-trained Transformer）生成式預訓練大模型，與ChatGPT使用自然語言進行輸入與輸出不同。

DriveGPT雪湖·海若輸入是感知融合后的文本序列，輸出是自動駕駛場景文本序列，即：將自動駕駛場景形成“Drive Language”，最終完成自車的決策規控、障礙物預測以及決策邏輯鏈的輸出等任務。

從實現過程來看，DriveGPT雪湖·海若先在預訓練階段通過引入量產駕駛數據、訓練初始模型，通過引入駕駛接管Clips數據完成反饋模型（Reward Model）的訓練，再通過強化學習的方式，使用反饋模型去不斷優化迭代初始模型，形成對自動駕駛認知決策模型的持續優化。

同時，DriveGPT雪湖·海若根據輸入端提示語，以及毫末CSS自動駕駛場景庫的決策樣本去訓練模型，讓模型學習推理關系，從而將完整駕駛策略拆分為自動駕駛場景的動態識別過程，完成可理解、可解釋的推理邏輯鏈生成。

毫末智行CEO顧維灝表示，毫末DriveGPT雪湖·海若將率先探索智能駕駛、駕駛場景識別、駕駛行為驗證、困難場景脫困四大應用場景?！笆紫葧_放智能駕駛、駕駛場景識別?！?/strong>

“目前，毫末在使用數據過程中，逐步建立起一套基于4D Clips駕駛場景識別方案，頗具性價比。未來，毫末將圖像幀及4D Clips場景識別服務逐步向行業開放使用，這將進一步降低行業使用數據的成本、提高數據質量?！鳖櫨S灝如是說。

與此同時，顧維灝在現場宣布，毫末DriveGPT雪湖·海若智能駕駛能力首發落地車型為新摩卡DHT-PHEV。

顧維灝還宣布，毫末DriveGPT雪湖·海若的所有能力對生態伙伴開放，首批伙伴合作伙伴包括：北京交通大學計算機與信息技術學院、火山引擎、華為云、高通、京東科技、四維圖新、魏牌新能源、英特爾。

需要注意的是，顧維灝在接受媒體群訪時也坦言：“此次發布毫末DriveGPT雪湖·海若，是一個新的實踐開始。從當前科技實踐來看，參數規模和效果有很大相關性。我們現在主要應用在認知層面，隨著這個能力應用的時間越長、不斷增加數據使用使得參數規模越大，產品能力也會更為完善、豐富?！?/p>

“毫末DriveGPT雪湖·海若這種GPT的方式，最核心在于具有了邏輯推理鏈、具備很多語料。換而言之，可以把思考過程反向轉化為語言，這會給用戶對于自動駕駛的信任感將有很大提升?！焙聊┲切屑夹g副總裁艾銳在接受媒體群訪時說道。

當前，新一代人工智能正助力自動駕駛實現更為廣泛的應用。

在中科院雄安創新研究院認知智能實驗室副主任、雄安新區數字交通實驗室副主任黃武陵看來，“自動駕駛技術正進入以數據和知識雙驅動的多模態感知和認知理解為代表的新階段?！?/p>

黃武陵認為，“大模型對算力要求，也將通過智能網聯不斷得到車載計算平臺算力、路側端邊計算和云端分布式算力的支撐。同時，大模型對數據高要求可通過數據和知識雙驅動方法，通過數據混合與人工增強等方法來解決；同時，通過從數據中提煉知識，降低模型數據需求、節省模型訓練算力，節約大量資源?！?/strong>