Nicht jeder kann verstehen, dass der Tesla V12 in Nordamerika weithin beworben wurde und aufgrund seiner hervorragenden Leistung immer mehr Anerkennung bei den Benutzern erlangt hat. Auch das durchgängig autonome Fahren ist zu der technischen Richtung geworden, die allen am meisten am Herzen liegt die Branche des autonomen Fahrens. Kürzlich hatte ich die Gelegenheit, mich mit erstklassigen Ingenieuren, Produktmanagern, Investoren und Medienleuten aus vielen Branchen auszutauschen. Ich habe festgestellt, dass jeder sehr an einem durchgängigen autonomen Fahren interessiert ist, aber in einigen Fällen sogar Grundverständnis des durchgängigen autonomen Fahrens. Es gibt immer noch solche Missverständnisse. Als jemand, der das Glück hatte, die Stadtfunktion mit und ohne Bilder einer inländischen First-Tier-Marke sowie die beiden Versionen von FSD V11 und V12 zu erleben, möchte ich hier auf der Grundlage meiner Erfahrungen über einige aktuelle Entwicklungen sprechen Beruflicher Hintergrund und Verfolgung des Fortschritts von Tesla FSD im Laufe der Jahre. In dieser Phase sprachen alle über häufige Missverständnisse über durchgängiges autonomes Fahren und gaben meine eigene Interpretation dieser Probleme.
Zweifel 1: Können eine durchgängige Wahrnehmung und eine durchgängige Entscheidungsfindung und Planung als durchgängiges autonomes Fahren gezählt werden?
Alle Schritte von der Sensoreingabe über die Planung bis hin zur Steuersignalausgabe sind durchgängig ableitbar, sodass das gesamte System durch Gradientenabstiegstraining und Gradienten-Backpropagation während des Modelltrainings als großes Modell trainiert werden kann werden in allen Aspekten des Modells von der Eingabe bis zur Ausgabe aktualisiert und optimiert, sodass das Fahrverhalten des gesamten Systems für die vom Benutzer direkt wahrgenommene Fahrentscheidungstrajektorie optimiert werden kann. Kürzlich haben einige Freunde behauptet, dass es sich bei der Förderung des durchgängigen autonomen Fahrens um eine End-to-End-Erkennung oder End-to-End-Entscheidungsfindung handelt. Tatsächlich denke ich, dass beides nicht als End-to-End-Entscheidungsfindung gezählt werden kann. Das Ende des autonomen Fahrens kann jedoch nur als durchgängiges autonomes Fahren angesehen werden. Es wird als reine datengesteuerte Wahrnehmung und reine datengesteuerte Entscheidungsplanung bezeichnet.
Einige treffen Entscheidungen möglicherweise auf der Grundlage eines bestimmten Modells in Kombination mit einer Hybridstrategie aus herkömmlichen Methoden zur Optimierung der Sicherheitsprüfsummen-Trajektorie, auch bekannt als End-to-End-Planung. Darüber hinaus glauben einige Leute, dass Tesla V12 kein rein genaues Modellausgangssteuersignal ist, sondern eine Hybridstrategie, die einige Regelmethoden kombiniert. Laut dem berühmten Green auf http://X.com hat er vor einiger Zeit einen Tweet gepostet, in dem er sagte, dass der Code der Regeln immer noch im V12-Technologie-Stack zu finden sei. Mein Verständnis davon ist, dass der von Green entdeckte Code wahrscheinlich der V11-Versionscode ist, der vom V12-Hochgeschwindigkeitstechnologie-Stack beibehalten wird, da wir wissen, dass V12 derzeit tatsächlich nur den ursprünglichen City-Technologie-Stack durch End-to-End ersetzt. und die Hochgeschwindigkeitslösung verwendet weiterhin die V11-Lösung. Das Auffinden einiger Fragmente regulären Codes im entschlüsselten Code bedeutet also nicht, dass V12 falsch „End-to-End“ ist, aber es ist wahrscheinlich, dass der gefundene Code Hochgeschwindigkeitscode ist Code. Tatsächlich können wir am AI+Day im Jahr 2022 erkennen, dass es sich bei V11 und den Vorgängerversionen bereits um Hybridlösungen handelt. Wenn es sich bei V12 also nicht direkt um ein vollständiges Modell handelt, wird sich die Lösung nicht wesentlich von den Vorgängerversionen unterscheiden. Auf diese Weise gibt es keine vernünftige Erklärung für den Leistungssprung des V12. Informationen zu Teslas früheren Plänen finden Sie in meiner Interpretation von EatElephant am AI+Day: Tesla AI Day 2022 – Interpretation der Weltwörter: Er rief die selbstfahrende Frühlingsfest-Gala, ein dezentrales Forschungs- und Entwicklungsteam, auf und ist bestrebt, sich in ein zu verwandeln KI-Technologieunternehmen.
Nach dem KI-Tag 2022 zu urteilen, ist V11 bereits eine Planungslösung, die mit NN Planner gemischt ist
Im Allgemeinen ist es einmal die Regel, ob es sich um Wahrnehmungsnachbearbeitungscode, Regelkandidaten-Trajektorienbewertung oder sogar Sicherheitstaschenstrategien handelt Wenn Code eingeführt wird und es einen If-Else-Zweig gibt, wird die stabile Übertragung des gesamten Systems abgeschnitten, wodurch auch der größte Vorteil des End-to-End-Systems verloren geht, um durch Training eine globale Optimierung zu erreichen.
Zweifel 2: Ist End-to-End eine Neuerfindung der bisherigen Technologie?
Ein weiteres häufiges Missverständnis ist, dass End-to-End darin besteht, die zuvor angesammelte Technologie zu stürzen und umfassende neue Technologieinnovationen durchzuführen, und viele Leute denken, dass Tesla gerade erst den Benutzerschub des End-to-End-Systems für autonomes Fahren erreicht hat Andere Hersteller können es überhaupt nicht implementieren. Es besteht keine Notwendigkeit, den ursprünglichen modularen Technologiestapel für Wahrnehmung, Vorhersage und Planung zu durchlaufen. Stattdessen können wir lernen von den Vorteilen der Nachzügler, um Tesla schnell einzuholen oder sogar zu übertreffen. Es stimmt, dass die Verwendung eines großen Modells zur Vervollständigung der Zuordnung von Sensoreingaben bis hin zu Planungssteuersignalen der gründlichste End-to-End-Ansatz ist. Auch Unternehmen haben seit langem ähnliche Methoden ausprobiert, beispielsweise Nvidias DAVE-2 und Wayve haben ähnliche Methoden verwendet. Diese umfassende End-to-End-Technologie ähnelt in der Tat eher einer Black Box und ist schwierig zu debuggen und iterativ zu optimieren. Da es sich bei Sensoreingangssignalen wie Bildern und Punktwolken gleichzeitig um sehr hochdimensionale Eingaberäume handelt, werden Steuersignale ausgegeben B. Lenkradwinkel und Drosselklappensteuerung. Das bewegliche Pedal ist ein relativ kleindimensionaler Ausgaberaum, der für tatsächliche Fahrzeugtests völlig unbrauchbar ist.
Das umfassende End-to-End-System verwendet auch einige allgemeine Hilfsaufgaben wie semantische Segmentierung und Tiefenschätzung, um die Modellkonvergenz und das Debugging zu unterstützen
Der FSD V12, den wir gesehen haben, behält also tatsächlich fast alle vorherigen Visualisierungsinhalte bei, was zeigt, dass FSD V12 durchgängig auf der ursprünglichen Grundlage für starke Wahrnehmung trainiert wurde und die FSD-Iteration ab Oktober 2020 nicht aufgegeben wurde. Im Gegenteil , es ist eine solide technische Grundlage für V12 geworden. Andrej Karparthy hat bereits zuvor ähnliche Fragen beantwortet. Obwohl er nicht an der Entwicklung von V12 beteiligt war, glaubt er, dass die gesamte bisherige Technologieakkumulation nicht aufgegeben wurde, sondern lediglich von der Front in den Hintergrund verlagert wurde. Daher wird die End-to-End-Navigation schrittweise auf der Grundlage der ursprünglichen Technologie realisiert, indem Teile des Regelcodes Schritt für Schritt entfernt werden.
V12 behält fast alle Wahrnehmungen von FSD bei und löscht nur begrenzte visuelle Inhalte wie Kegelfässer.
Zweifel 3: Kann das End-to-End in wissenschaftlichen Arbeiten auf tatsächliche Produkte übertragen werden?
Die Auszeichnung von UniAD als CVPR Best Paper 2023 spiegelt zweifellos die hohen Erwartungen der akademischen Gemeinschaft an durchgängige autonome Fahrsysteme wider. Seit Tesla im Jahr 2021 die Innovation seiner visuellen BEV-Wahrnehmungstechnologie eingeführt hat, hat die inländische akademische Gemeinschaft viel Begeisterung in die autonome Fahr-BEV-Wahrnehmung investiert und eine Reihe von Studien ins Leben gerufen, die die Leistungsoptimierung und den Implementierungseinsatz von BEV-Methoden fördern. Kann End-to-End einem ähnlichen Weg folgen, der von der Wissenschaft vorangetrieben und von der Industrie verfolgt wird, um die schnelle iterative Implementierung der End-to-End-Technologie in Produkten zu fördern? Ich denke, es ist relativ schwierig. Erstens handelt es sich bei der BEV-Erkennung immer noch um eine relativ modulare Technologie, eher auf Algorithmusebene, und die Leistung auf Einstiegsebene erfordert kein so großes Datenvolumen. Die Einführung des hochwertigen akademischen Open-Source-Datensatzes Nuscenes bietet einen praktischen Vorläufer Bei vielen BEV-Forschungen ist die auf Nuscenes iterierte BEV-Sensorlösung zwar nicht in der Lage, die Leistungsanforderungen auf Produktebene zu erfüllen, sie ist jedoch als Proof of Concept und Modellauswahl von großem Referenzwert. Allerdings mangelt es der Wissenschaft an umfassend verfügbaren End-to-End-Daten. Der größte Nuplan-Datensatz enthält derzeit 1.200 Stunden reale Fahrzeugerfassungsdaten in 4 Städten. Bei einer Finanzberichtssitzung im Jahr 2023 sagte Musk jedoch, dass „1 Million Videofälle trainiert wurden.“ es kann kaum noch funktionieren.“ ; 2 Millionen, es ist etwas besser; 3 Millionen, Sie werden das Gefühl haben, Wow; wenn es 10 Millionen erreicht, wird seine Leistung unglaublich.“ Die Autopilot-Rückgabedaten von Tesla werden im Allgemeinen als 1-Minuten-Segment betrachtet, sodass der Einstiegsfall mit 1 Million Videos etwa 16.000 Stunden beträgt, was mindestens eine Größenordnung mehr ist als der größte akademische Datensatz. Dies sollte hier beachtet werden Da Nuplan kontinuierlich Daten sammelt, gibt es in den Daten schwerwiegende Mängel in der Verteilung und Vielfalt. Bei den meisten Daten handelt es sich um einfache Szenen, was bedeutet, dass die Verwendung akademischer Datensätze wie Nuplan nicht einmal eine Version erhalten kann, die kaum in den Zug gelangen kann.
Der Nuplan-Datensatz ist bereits ein sehr umfangreicher akademischer Datensatz, aber die Erkundung als End-to-End-Lösung reicht möglicherweise nicht aus
Wir sehen also die überwiegende Mehrheit der End-to-End-Autonomie Fahren einschließlich UniAD Keine der Lösungen kann auf einem realen Fahrzeug ausgeführt werden, und wir können nur auf die Open-Loop-Bewertung als nächstbeste Option zurückgreifen. Die Zuverlässigkeit von Open-Loop-Bewertungsindikatoren ist sehr gering, da die Open-Loop-Bewertung das Problem der Modellverwirrung und Ursache-Wirkung nicht identifizieren kann. Selbst wenn das Modell nur lernt, die historische Pfadextrapolation zu verwenden, kann es eine sehr gute Open-Loop-Bewertung erzielen Indikatoren, aber ein solches Modell ist völlig nicht verfügbar. Im Jahr 2023 veröffentlichte Baidu einmal ein Papier mit dem Titel AD-MLP (https://arxiv.org/pdf/2305.10430), um die Mängel von Open-Loop-Planungsbewertungsindikatoren zu diskutieren Das Papier verwendet nur historische Informationen, ohne irgendwelche Erkenntnisse einzuführen, und hat sehr gute Open-Loop-Bewertungsindikatoren erhalten, sogar in der Nähe einiger aktueller SOTA-Arbeiten. Es ist jedoch offensichtlich, dass niemand ein Auto mit geschlossenen Augen fahren kann!
AD MLP erzielt gute Open-Loop-Indikatoren, indem es sich nicht auf sensorische Eingaben verlässt. Dies zeigt, dass die Verwendung von Open-Loop-Indikatoren als Referenz von geringer praktischer Bedeutung ist Open-Loop-Nachahmungslernen? Zumindest derzeit verlässt sich die akademische Gemeinschaft bei der durchgängigen Forschung und Entwicklung im Allgemeinen auf das Closed-Loop-Simulationssystem CARLA, doch auch die von CARLA auf Basis von Game-Engines gewonnenen Modelle lassen sich nur schwer auf die reale Welt übertragen.
Zweifel 4: Ist durchgängiges autonomes Fahren nur eine Algorithmus-Innovation?
Letztendlich ist End-to-End nicht nur ein neuer Algorithmus. Die Modelle verschiedener Module des modularen autonomen Fahrsystems können mithilfe der Daten ihrer jeweiligen Aufgaben iterativ separat trainiert werden. Allerdings wird jede Funktion des End-to-End-Systems gleichzeitig trainiert, was die Trainingsdaten erfordert Äußerst konsistent und alle Teilaufgabenbezeichnungen müssen korrekt sein. Sobald eine Aufgabenbezeichnung fehlschlägt, wird es schwierig, diese Daten in der End-to-End-Trainingsaufgabe zu verwenden Rate und Leistung der automatischen Etikettierungspipeline. Zweitens erfordert das End-to-End-System, dass alle Module ein hohes Leistungsniveau erreichen, um bessere Ergebnisse bei End-to-End-Entscheidungs- und Planungsausgabeaufgaben zu erzielen. Daher wird allgemein angenommen, dass die Datenschwelle von Das End-to-End-System ist viel höher als die Daten jedes einzelnen Moduls, und der Datenschwellenwert ist nicht nur die Anforderung an die absolute Menge, sondern auch an die Verteilung und Vielfalt der Daten Sie haben die vollständige Kontrolle über das Fahrzeug und müssen sich auf mehrere Lieferanten mit Kunden unterschiedlicher Modelle einstellen. Bei der Entwicklung eines End-to-End-Systems kann es zu größeren Schwierigkeiten kommen. Was die Rechenleistung angeht, erklärte Musk Anfang März dieses Jahres auf X.com, dass der größte limitierende Faktor von FSD die Rechenleistung sei. Kürzlich sagte Boss Ma, dass sich ihr Rechenleistungsproblem fast gleichzeitig verbessert habe Auf der Finanzberichtssitzung zum ersten Quartal 2024 gab Tesla bekannt, dass das Unternehmen nun über 35.000 H100-Rechenressourcen verfügt und dass diese Zahl bis Ende 2024 85.000 erreichen wird. Es besteht kein Zweifel, dass Tesla über sehr leistungsstarke Möglichkeiten zur Optimierung der Rechenleistung verfügt, was bedeutet, dass, um das aktuelle Niveau von FSD V12 zu erreichen, mit hoher Wahrscheinlichkeit 35.000 H100 und Milliarden von Dollar an Infrastrukturinvestitionen erforderlich sind nicht so effizient wie Tesla, dann kann dieser Schwellenwert noch weiter angehoben werden.
Anfang März sagte Musk, dass der wichtigste limitierende Faktor bei der Iteration von FSD die Rechenleistung sei
Auch auf http:/ / Tesla ist im Histogramm völlig überwältigend. (Der grüne Pfeil ganz rechts im linken Bild, der Text in der Mitte erklärt, dass die Anzahl der NV-Grafikkarten im Besitz des OEM Nr. 1 > 7.000 DGX-Knoten beträgt. Dieser OEM ist Offensichtlich wird Tesla mit 8 Karten berechnet, 23 Bis Ende des Jahres wird Tesla wahrscheinlich mehr als 56.000 A100-Grafikkarten haben, was mehr als viermal mehr ist als der zweitplatzierte OEM In Kombination mit der restriktiven US-Politik beim Export chinesischer Grafikkarten wird es noch schwieriger, diese Rechenleistung einzuholen. 
Norm Marks hat intern einen Screenshot geteilt, Quelle: Wie man Probleme so früh wie möglich erkennt, datengesteuert löst und schnell iteriert, wenn Regelcodes nicht verwendet werden können, ist derzeit für die meisten Autonomen eine unbekannte Herausforderung Führung von F&E-Teams.
Das letzte Ende ist immer noch eine organisatorische Änderung für das aktuelle Forschungs- und Entwicklungsteam für autonomes Fahren, da die Organisationsstruktur der meisten autonomen Fahrteams seit L4 autonomes Fahren modular ist und nicht nur in Wahrnehmungsgruppe, Vorhersagegruppe usw. unterteilt ist. Die Positionierungsgruppe, die Planungskontrollgruppe und sogar die Wahrnehmungsgruppe sind in visuelle Wahrnehmung, Laserwahrnehmung usw. unterteilt. Die durchgängige technische Architektur beseitigt direkt die Schnittstellenbarrieren zwischen verschiedenen Modulen, sodass das durchgängige Forschungs- und Entwicklungsteam alle Humanressourcen integrieren muss, um sich an das neue Technologieparadigma anzupassen. Dies stellt eine große Herausforderung für die unflexible Teamorganisation dar Kultur. 
Das obige ist der detaillierte Inhalt vonWird es im Jahr 2024 in China erhebliche Durchbrüche und Fortschritte beim durchgängigen autonomen Fahren geben?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
