小米汽车王乃岩：迈向自动驾驶2.0时代

智能车情报局 · 公众号 · 汽车 · 2024-12-21 21:09

正文

大会预告

1月14日 ， 第四届全球自动驾驶峰会 将在北京举办。峰会主会场将进行开幕式、端到端自动驾驶创新论坛，分会场将进行城市NOA专题论坛，和自动驾驶视觉语言模型、自动驾驶世界模型两场技术研讨会。目前，中科院自动化所副研究员张启超，北汽研究总院智能网联中心专业总师林大洋，昇启科技创始人孙琪，百度Apollo开放平台首席架构师胡旷，朗歌科技副总经理、智驾地图事业部总经理李战斌已确认参会并将带来主题分享。

👀

导读

作者：小米汽车杰出科学家王乃岩，文章于8月发布于知乎

原文链接：https://zhuanlan.zhihu.com/p/714648576?utm_source=wechat_session&utm_medium=social&s_r=0

本文只做学术/技术分享，如有侵权，联系删文。

入职小米两个月有余，接触到了很多量产的朋友和故事。又恰逢萝卜快跑在武汉出圈，想借这个机会谈一谈最近的关于L2和L4的一些感触。

量产L2辅助驾驶

过去两年L2辅助驾驶以火箭般的速度在进化。尤其以FSD为代表，在可用范围和用户体验方面都有了突飞猛进地提升。一方面FSD确实有各种惊艳的表现，做到了很多传统方案难以企及的事情，另一方面以Main Dashboard 的统计来看，整体接管率有了接近10x的提升。

然而，在量产L2方案中，极致的可靠性并不是追求的目标，全国都能开的泛化性和适应性，常见场景下的体验才是关注的目标。就算在最新的FSD12.5中，安全接管次数约在300公里一次。如果以无人驾驶的标准来看，这仍然是一个非常糟糕的成绩。L2辅助驾驶的研发方法论中更为关心的是如何使用最少得研发成本和时间成本提升average performance，这也是数据驱动方法论能够大行其道的根本原因。

L4自动驾驶

现阶段国内外诸多L4 Robotaxi公司已经跨过了无安全员运营的这个门槛，在追求下一阶段的目标：盈亏平衡。然而包括 Waymo 在内的所有L4公司都遇到了scalability的问题，即迁移和开城的成本很高（btw，这也是为什么我仍然认为Robotruck是一门不错的生意的原因）。究其原因，是在于无人驾驶对于安全性的需求非常严苛，并不像L2一样更关注average performance，而是在必须保障worst case的前提下再来优化其他方面的性能。

为了保障这样的安全性，L4系统一般对高精地图重度依赖同时对罕见场景进行了非常多的处理，而缺乏系统性的应对。对前者而言，量产无图和轻图方案中已经有很多值得学习的内容了。而后者，恰恰是目前基于大量互联网数据的大模型所擅长的事情。合理地学习和借鉴这些先进技术是破局的一个手段。

自动驾驶1.0的可靠性+

大模型大数据的灵活性+自动驾驶2.0

我们团队希望从可靠性和泛化性两个角度来探索下一代的自动驾驶技术，包括但不限于以下话题：

如何在大规模量产车尺度和成本约束下，实践L4级安全和算法冗余的设计原则，提升量产系统可靠性？
如何充分利用算力，让所有模块都享受到算力红利？
如何对诸多数据驱动模型化的系统构建通用自动的失效监测方案，能够“知道我不知道”？
如何发挥多模态大模型强大的场景理解能力，在开集场景下提供可靠的势态感知？
如何建立一套可信可解释的端到端系统，吃到数据红利同时避免黑箱效应导致的一系列（e.g. 跷跷板效应）问题？

小米汽车王乃岩：迈向自动驾驶2.0时代

正文

我们团队希望从可靠性和泛化性两个角度来探索下一代的自动驾驶技术，包括但不限于以下话题：

请到「今天看啥」查看全文