北晚首页

服务行业

毫末智行CEO 顾维灝:数据智能迭代决定创新速度

2021-09-29 11:14 网络 wyzx

9月28日,在北京举办的毫末智行第三期品牌日活动上,毫末智行最新的技术、产品等成果纷纷公布,大放异彩:毫末智行乘用车辅助驾驶行驶里程突破100万公里;备受期待的NOH智慧领航辅助驾驶系统即将在今年10月份正式发布;与阿里达摩院小蛮驴正式达成战略合作等,都无不彰显着毫末智行的非凡实力。在发布会现场,毫末智行CEO顾维灏做了题为《数据智能的深思考与慢功夫》主题演讲。分享了以“数据智能”为核心的智能驾驶产品在规模化量产后的问题和解决方案。

数据智能是自动驾驶的核心,顾维灏判断,谁能可持续的低成本且高效积累有价值数据,谁就有机会活到最后胜利的那一天。人工智能的迭代需要更多的数据反馈和数据训练,在这个过程中要做好数据安全,利用服务器端的运算能力,做更充分的安全验证,当然,最重要的是产品落地实践都需要在政策指导下进行。

在乘用车领域,毫末智行发现了更多量产前想不到的情况。对于AI首先最重要的是数据,即使是人工标注,也要从最有价值的部分开始标注。那在浩如烟海的数据中,如何发现高价值的数据呢?

具体而言,毫末智行数据诊断的手段有两种:一种是通过明确的系统失效信号得到诊断结果,例如通过人工接管信号;另一种,是超越端上算力和时效性约束,通过更强大的model去诊断端上model的错误。首先,通过预埋规则的手段,以灰度测试的模式部署在了已经投产的自动驾驶系统中。这种方式对于感知来说并不完备,很多潜在的高价值场景被遗漏了。因此,需要通过线下的大模型来自动诊断端上小模型就是必须方式。

对于如何解决数据偏见,顾维灏表示AI的认知与人类的认知存在一定差异,把他称作“数据偏见”。那就需要找到有问题的场景,并通过AI系统针对这个场景补充足够的样本数据,也就是找到足量的和它同类型的其他相似数据。以此进行样本调配,才能做出一个更好的AI模型。而足够多和足够好的数据是做出好模型的前提,毫末智行投入大量资源构建自身的数据智能闭环,这正是AI自动驾驶技术所依赖的成功之道。

目前,毫末智行通过量产车,已经拥有了巨量的道路场景数据库。并采用无监督学习方法将图像向量化,转化为特征向量,然后通过“谱聚类”将相似的图像聚类在一起,会找到大量与“问题场景”相同类别的相关数据作为正样本,相似易混的其他类别数据作为负样本。通过种方式,可以有效的与“异源数据”进行混用,提升最终模型的效果。

顾维灏表示,从毫末诞生的那天起,毫末一直在快速奔跑,但是也不忘了对产品技术的精益求精和打磨,快的背后要求要有慢功夫去思考,去打磨产品,去在安全、数据智能等方面反复论证筛选研究,正是毫末匠心的独到之处。由此也让毫末智行在最很短的时间内,辅助驾驶行驶里程就达到100万公里。小魔盒辅助驾驶开启率超过30%,未来三年毫末智行产品的乘用车搭载数量将超过100万。这得益于用户对毫末功能的热爱,相信会更快的帮助到更多用户。

而毫末智行之所以能成为行业内规模化跑的最快的企业。顾维灏认为,规模是自动驾驶战役制胜的必然基础。“如果只有1万辆车或者只有10万辆车做出来的自动驾驶,一定不会强过拥有100万辆车的自动驾驶能力,就是算法再强也不能取代数据的不够。毫末智行最核心的技术点,就是如何让有价值的数据可持续且高效的积累,在毫末我们称之为数据智能。”

来源:网络

分享到

首个商业地产沉浸式剧本体验十一假期再度来袭

横琴人寿坚持保险姓保,五周年献礼之作助力大湾区民生项目发展

多年深耕“固收+” 中融基金钱文成均衡配置防风险

“灵魂歌手”石玺彤全民K歌教学新歌《解相思》,老粉直呼“爷青回”

抖音上线外放音量过高提醒功能