Afari Smart Driving G-ASD 打造开放国际化的人工智能自动驾驶平台

开放的国际人工智能自动驾驶平台建造一座 超过70个型号目前处于量产或开发阶段，即将推出。拥有行业最快的生产速度，覆盖广泛的车辆型号矩阵。 AD用户数量将迅速超过100万，市场渗透率将持续上升，到2026年将继续增长。 超过100亿公里AD里程，整理超过2500万条高价值场景数据，推动算法持续进化 产品与技术演变 产品与技术演变 E2E的本质在于有效的传播信息在感知与规划与控制之间的交互。在研发过程中，感知与规划与控制之间的信息交互经历了以下阶段：•后处理的矢量化感知输出：显式表示交互式数据，实现模型快速收敛。•特征向量，从感知到规划与控制的单向传播：更高效的数据传输，允许计划和控制响应隐含的感知特征。•特征向量，感知与规划和控制之间的双向传播感知可以由计划和控制在相反的方向进行解释。 •Corner case data scenarios are insufficient, making it impossible to obtain valid data through collection; this problem is solved by using a world model-based approach.重建、生成和模拟. •：°动态-静态分离重建通过AssetHarvest实现动态重建，以实现360度重建，确保从不同视角观察物体的完整性。•：前馈GS初始化用于静态初始化以提高效率并加速场景模型的训练。•：生成式修复工具启用遮挡区域推理。结合生成修复器，它优化了新颖视角合成。•基于世界模型，构建了一个长尾场景数据集。通过闭环评估和训练，逐步函数E2E 的改进已实现。 相关成就基于与Cosmos和NuRec合作开发的技术。 基础模型： 三维表示： 力。 整合通用世界知识与驾驶领域数据以及规则先验，实现视觉-语言对齐和驾驶语义理解，为政策学习提供“认知底盘”。 通过中位训练实现感知-行动对齐。VLA SFT学习高级策略输出，结合强化学习以与人类驾驶风格和安全约束对齐，形成感知、决策和控制的全闭环优化。 这种架构将VLA作为高级决策中心，融合视频、语音/指令、SD优先级、激光雷达、车辆状态以及导航信息以输出驾驶策略和CoT推理结果。同时，E2E仍负责目标检测和车道感知，为规划模块提供环境约束。 规划通过结合VLA的战略意图和端到端感知结果生成轨迹，然后发出控制命令，形成一个协作的闭环。VLA用于认知决策 + E2E确保稳健感知。 一阶段端到端架构具有低延迟 综合横向与纵向轨迹，类人驾驶 VLA 防御驾驶安全舒适 未来就在眼前