【申萬宏源】必然的碎片化AI落地，哪種路徑可能勝出？ | 元宇宙Meta洞見
大規模預訓GPT(Generative PreTraining)是OpenAI在2018年提出的模型，大規模預訓練模型（大模型）漸漸成為了AI算法領域的熱點。AI產業鏈：從算力到應用工作流程視角?
在自動駕駛技術的不斷演進中，一條更加高效、智能且自適應的發展路徑正逐漸清晰。近日，在2025GDC全球開發者先鋒大會上，商湯絕影CEO、商湯科技聯合創始人及首席科學家王曉剛帶來了一項重要發布——“R-UniAD：與世界模型協同交互的端到端自動駕駛方案”。
王曉剛指出，R-UniAD的核心在于構建一個世界模型，該模型能生成在線交互的仿真環境，為端到端自動駕駛模型的強化學習訓練提供平臺。這一創新思路與商湯的DeepSeek技術有著異曲同工之妙，即從模仿學習向強化學習的升級，旨在實現自動駕駛性能超越人類駕駛。
DeepSeek技術，作為商湯在深度學習領域的一項重要成果，主要應用于圖像識別和目標檢測等任務。在智能駕駛領域，它能夠通過深度學習模型實時處理圖像，識別道路上的行人、車輛、交通標志等物體，為自動駕駛系統提供關鍵的環境感知信息，助力系統做出精準決策。
然而，自動駕駛技術的推進并非易事，它依賴于大量的環境感知與決策場景數據。R-UniAD方案則巧妙地解決了這一問題。該方案首先利用高質量數據進行冷啟動，通過模仿學習訓練出一個基礎的端到端自動駕駛模型。隨后，該模型將在強化學習的框架下，與世界模型進行協同交互，不斷提升性能。
具體而言，R-UniAD的實施分為三個階段：第一階段，利用冷啟動數據在云端進行模仿學習，訓練出端到端自動駕駛大模型；第二階段，基于強化學習，讓云端大模型與世界模型進行協同交互，持續優化性能；第三階段，通過高效蒸餾技術，將云端大模型壓縮為高性能的小模型，實現車端部署。
這一多階段強化學習的端到端自動駕駛技術路線，不僅加速了自動駕駛系統的學習過程，還使其能夠更好地應對復雜的道路場景。通過“仿真+現實”的訓練方式，智能駕駛系統能夠不斷從海量的駕駛數據中學習和優化模型，提升自動駕駛的安全性和可靠性。
事實上，商湯絕影在自動駕駛領域的探索早已開始。早在2022年底，他們就提出了行業首個感知決策一體化的自動駕駛通用模型UniAD。而在2024年北京車展期間，商湯絕影還展示了UniAD的實車上路成果，展現了其在自動駕駛技術上的深厚積累。
據透露，商湯絕影的量產端到端智能駕駛方案預計將在今年年底交付。同時，“開悟”世界模型也已正式用于數據生產。在今年4月的上海車展上，商湯絕影還將展示“與世界模型協同交互的端到端自動駕駛方案”的實車部署成果，進一步推動這項技術的商業化進程。
本文鏈接：http://www.tebozhan.com/showinfo-45-11019-0.html商湯絕影發布R-UniAD：端到端自動駕駛技術新突破，年底量產方案將交付
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號