头部Robotaxi专家小范围交流

核心观点与技术路线

• 自动驾驶技术演进阶段：

  • 第一阶段：模块分离式架构（感知、预测、规划、控制、定位），应用广泛但规则复杂，难以应对复杂环境。
  • 第二阶段：局部端到端架构（大感知、大规划），将感知和预测、规划和控制分别进行端到端训练，提高效率和安全性。
  • 第三阶段：世界模型，利用虚拟环境进行大规模测试和算法迭代，缩短测试里程并提供数据支持。

• 技术路线对比：

  • 世界模型路线（如文远知行）：
    • 优势：驾驶舒适性高，规则遵守严格，安全性强。
    • 劣势：训练复杂，算力需求高。
  • 端到端视觉模型路线（如特斯拉）：
    • 优势：响应速度快，效率高。
    • 劣势：训练复杂，监督困难，易产生偏差累积，安全性存在隐患。

关键数据与竞争格局

• L4 级别自动驾驶定义：在指定区域内无需人类干预实现车辆安全行驶。
• L4 级别自动驾驶挑战：成本高（单车成本约 80 万），监管限制，人力成本高。
• 竞争格局：
  • 世界模型路线和端到端视觉模型路线在技术方案上没有本质差异。
  • L4 级别自动驾驶对安全性和测试完整性要求更高。
  • 车企进入 L4 赛道，技术通用性导致难以快速弥补技术差异。
  • 国产芯片替代英伟达芯片存在性能、稳定性和生态问题。

世界模型技术细节

• 世界模型构建：
  • 动态场景中动态障碍物重建：采用自动驾驶算法或模仿学习/强化学习。
  • 动态环境重建：采用游戏引擎或 3D 建模。
  • 静态环境重建：采用游戏引擎或 3D 建模。
• 数据依赖：
  • 传统方式：依赖大量真实数据。
  • 新方式：利用大语言模型进行微调，减少对真实数据的依赖。

人才与未来发展

• 人才结构：
  • 国内人才：数学基础好，攻坚能力强。
  • 海外人才：见识广，视野高，创新能力强。
• 未来发展：
  • 短期内，将大语言模型融入自动驾驶技术，将带来技术飞跃。
  • L4 级别自动驾驶行业将持续发展，技术迭代将不断进行。