在智能駕駛領域，毫末智行也已經成為不可忽視的重要參與者。

兩年前，毫末就開始布局“重感知”路線，是國內重感知路線的首提者?，F(xiàn)在小鵬、華為、理想等企業(yè)也開始轉向重感知，智能駕駛大規(guī)模進城的時間線又往前拉近了很多。

4月11日的第八屆毫末AI DAY上，毫末發(fā)布了業(yè)內首個自動駕駛生成式大模型毫末DriveGPT 雪湖·海若。
這也讓毫末智行在上海車展期間多次被提及和討論。

隨著ChatGPT火爆全網(wǎng)，它所采用的Transformer大模型以及“人類反饋強化學習（RLHF）”技術再次引發(fā)行業(yè)關注。在自動駕駛領域，毫末在國內最早將Transformer大模型引入到數(shù)據(jù)智能體系MANA當中。在2023年1月的HAOMO AI DAY上，毫末智行CEO顧維灝介紹，毫末推出的人駕自監(jiān)督認知大模型就已借鑒了ChatGPT的實現(xiàn)思路，采用RLHF（人類反饋強化學習）技術，通過引入真實人駕接管數(shù)據(jù)，對自動駕駛認知決策模型進行持續(xù)優(yōu)化。

毫末的認知決策算法經歷了三個階段的進化。第一階段是引入個別場景的端到端模仿學習，直接擬合人駕行為。第二階段是通過認知大模型，引入海量正常人駕數(shù)據(jù)，通過Prompt的方式實現(xiàn)認知決策的可控、可解釋。第三階段，也就是當前階段，通過引入真實接管數(shù)據(jù)，并且在大模型中開始嘗試使用RLHF算法，對人駕接管數(shù)據(jù)進行學習。為此，毫末構建了一個包含“舊策略、接管策略、人工label策略”的Pairwise排序模型。基于這一排序模型，毫末構建了自動駕駛決策的獎勵模型（reward model），從而在各種規(guī)劃場景情況下做出最優(yōu)的決策。通過這一大模型，在掉頭、環(huán)島等公認的困難場景中，場景通過率提升30%以上。

據(jù)悉，雪湖·海若通過引入駕駛數(shù)據(jù)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(xù)優(yōu)化，現(xiàn)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(xiàn)端到端自動駕駛。到2023年4月，MANA學習時長超56萬小時，相當于人類司機6.8萬年。毫末DriveGPT雪湖·海若，已經完成基于4000萬公里駕駛數(shù)據(jù)的訓練，參數(shù)規(guī)模達1200億。

毫末發(fā)布會當日還公布了一個頗為重要的信息：雪湖·海若的能力對行業(yè)來說是開放的。目前，北京交通大學計算機與信息技術學院、高通、火山引擎、華為云、京東科技、四維圖新、魏牌新能源、英特爾等多家企業(yè)和機構已經加入。

在本次上海車展的魏牌、坦克展臺，備受關注的魏牌大六座舒適電動SUV藍山DHT-PHEV，是首個全系標配毫末HPilot的車型。即將量產上市的新摩卡DHT-PHEV，將是首個搭載雪湖·海若的車型。在DriveGPT的加持下，毫末重感知的城市導航輔助駕駛NOH將會有一次質的飛躍。自動駕駛技術發(fā)展到現(xiàn)在，硬件性能早已不是天花板，關鍵是自動駕駛感知決策能力以及數(shù)據(jù)樣本的量級。ChatGPT的成功表明，大模型可能才是行業(yè)最終的解決方案。雪湖·海若的發(fā)布只是一個開始，接下來大模型在自動駕駛領域的應用規(guī)模會更大。 

隨著城市導航輔助駕駛技術的不斷成熟，2023年將是城市NOA在市場上大展拳腳的關鍵時刻。各大廠商都在推出自己的重感知方案，力求在城市道路上實現(xiàn)智能駕駛的突破。高性能、低成本是未來全場景輔助駕駛量產落地的關鍵，從這個維度來衡量，毫末所面對的市場競爭不小，讓我們拭目以待。

雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)雷峰網(wǎng)

雷峰網(wǎng)版權文章，未經授權禁止轉載。詳情見轉載須知。