據(jù)外媒報道，自動駕駛和機器人自動化高級人工智能軟件提供商Helm.ai宣布Helm.ai Driver的功能得到重大擴展：可用于生產(chǎn)的純視覺軟件堆棧，旨在從高級L2+級系統(tǒng)無縫擴展到L4級城市自動駕駛。

圖片來源： Helm.ai

該系統(tǒng)基于Helm.ai專有的Factored Embodied AI架構(gòu)構(gòu)建，無需依賴高清地圖或激光雷達傳感器，即可在復(fù)雜的城市交通中實現(xiàn)流暢、類人的駕駛體驗。由于其核心基礎(chǔ)模型與自動駕駛等級無關(guān)，因此汽車制造商可以立即部署高端L2+級系統(tǒng)，并利用相同的軟件架構(gòu)，隨著硬件和監(jiān)管路線圖的演進，解鎖經(jīng)認證的L3級“無眼駕駛（eyes-off）”和L4級完全自動駕駛功能。

為慶祝此次發(fā)布，該公司發(fā)布了一段演示視頻，展示了Helm.ai Driver在加利福尼亞州紅木城城市環(huán)境中的導(dǎo)航能力。視頻中，該系統(tǒng)能夠自主處理十字路口的左右轉(zhuǎn)彎、復(fù)雜的交通信號燈規(guī)則以及與其他道路使用者的動態(tài)互動——所有這些都由安全駕駛員全程監(jiān)督，并遵循了量產(chǎn)型自動駕駛系統(tǒng)的標準測試和驗證流程。

突破L3和L4級認證的“數(shù)據(jù)墻”

汽車行業(yè)目前正面臨“數(shù)據(jù)墻”的挑戰(zhàn)——自動駕駛技術(shù)需要數(shù)量呈指數(shù)級增長且稀缺昂貴的真實世界數(shù)據(jù)，才能在極端情況下提升性能。此外，即使能夠獲取這些數(shù)據(jù)，單一的、從像素到控制的“端到端”模型也如同“黑箱”，缺乏L3及以上級別嚴格安全認證所需的可解釋性。

相比之下，Helm.ai Driver采用了一種分解式具身人工智能架構(gòu)，能夠同時解決數(shù)據(jù)稀缺性和可解釋性問題。這種方法將自動駕駛問題分解為兩個不同的、可解釋的層：感知層和策略層。通過單獨解決感知層的問題，系統(tǒng)將原始傳感器數(shù)據(jù)轉(zhuǎn)換為信息豐富且結(jié)構(gòu)高度的語義分割和3D信息。Helm.ai的端到端策略模型隨后以這種可解釋的語義幾何信息（而非原始像素）作為輸入，從而“推理”道路結(jié)構(gòu)和交通規(guī)則。

這種分解式方法能夠利用互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)集進行大規(guī)模訓(xùn)練，并實現(xiàn)端到端策略模型的高效數(shù)據(jù)訓(xùn)練，從而突破“數(shù)據(jù)壁壘”。至關(guān)重要的是，這種結(jié)構(gòu)為汽車OEM廠商提供了至關(guān)重要的透明度，提供了一個清晰、可審計的軟件基礎(chǔ)架構(gòu)，能夠從監(jiān)督式L2+級擴展到符合ISO 26262認證的L3級和L4級部署。

Helm.ai首席執(zhí)行官兼創(chuàng)始人Vladislav Voroninski表示：“行業(yè)已經(jīng)到了一個轉(zhuǎn)折點，對于高端自動駕駛而言，蠻力式數(shù)據(jù)采集已不再具有商業(yè)可行性。Helm.ai Driver從根本上改變了可擴展自動駕駛的單位經(jīng)濟效益。我們提供的視覺優(yōu)先系統(tǒng)不僅能夠支持當前的L2+級高級自動駕駛，還能作為向L3級和L4級自動駕駛過渡的軟件大腦，從而為OEM廠商在大眾市場計算平臺上部署下一代自動駕駛技術(shù)提供了唯一切實可行的途徑?！?/p>

深度教學(xué)?（Deep Teaching?）和語義仿真（Semantic Simulation）帶來數(shù)量級效率提升

傳統(tǒng)方法通常需要數(shù)十億美元的資本投入和數(shù)百萬英里的訓(xùn)練數(shù)據(jù)才能實現(xiàn)城市駕駛能力，而Helm.ai的駕駛規(guī)劃器僅使用1000小時的真實駕駛數(shù)據(jù)就達到了如此高的成熟度。

這一突破得益于Deep Teaching?——Helm.ai專有的無監(jiān)督學(xué)習(xí)技術(shù)，使神經(jīng)網(wǎng)絡(luò)能夠直接從海量易于獲取的非駕駛數(shù)據(jù)中學(xué)習(xí)，無需對互聯(lián)網(wǎng)規(guī)模的視覺數(shù)據(jù)集進行昂貴的人工標注。結(jié)合語義仿真，該系統(tǒng)可以在幾乎無限的幾何場景上進行訓(xùn)練，而無需渲染逼真像素的計算開銷。通過基于世界的“語義幾何”而非原始像素來訓(xùn)練系統(tǒng)，Helm.ai繞過了自動駕駛開發(fā)中傳統(tǒng)的成本和時間障礙。

跨地域泛化：零樣本優(yōu)勢

對于量產(chǎn)車輛而言，自動駕駛系統(tǒng)的真正考驗在于其無需手動調(diào)?；蚋咔宓貓D即可應(yīng)對“未知”環(huán)境的能力。為了驗證這一點，Helm.ai近期在加利福尼亞州托蘭斯市（大洛杉磯地區(qū)）部署了該系統(tǒng)，并展示了其跨地域泛化能力。

在未對該地區(qū)特定街道進行任何預(yù)先訓(xùn)練的情況下，Helm.ai Driver便實現(xiàn)了“零樣本”自主轉(zhuǎn)向。這種跨地域泛化能力確保了Helm.ai的OEM合作伙伴能夠在全球范圍內(nèi)擴展L2+至L4級別的功能，而無需承擔(dān)逐個城市收集數(shù)據(jù)或設(shè)置地理圍欄的高昂成本。