机器之心发布

机器之心编辑部


(资料图片仅供参考)

路特斯科技副总裁、路特斯机器人 CEO 李博为我们带来了精彩演讲。

7 月 8 日,在机器之心举办的 2023 WAIC AI 开发者论坛上,路特斯科技副总裁、路特斯机器人 CEO 李博发表了主题演讲《ROBO GALAXY:大模型时代的智能驾驶生产力工厂》。他表示,路特斯机器人的使命是全面赋能机器人时代,而在当下这样一个时间节点,智能车是机器人的第一形态。

以下是李博演讲原文,机器之心在不改变其原意的基础上进行了编辑:

智驾领域,模型正在相对变得更大,未来的趋势是可以看到模型数量在减少,模型的规模的确是在变大。

今天带来的是大模型时代的自动驾驶生产力工厂,我们认为在智驾新时代需要出现一套全新方法论。

首先介绍一下路特斯机器人,路特斯是一家有 75 年历史的超级豪华跑车品牌,目前已经进入到高端家用车市场。2021 年 11 月,在路特斯旗下成立了路特斯机器人公司,核心使命就是全面赋能机器人时代。我们看到未来 AI 时代已经到来,AI 也有不同的呈现方式,有相对来说虚拟化的 AI,也有实体 AI,我们可以看到今天的会场里也有很多 AI 机器人。

AI 的实体化一定是以机器人的形式呈现在实体世界里面的,所以我们会把重心放在机器人时代。

机器人的第一形态是智能车

下面有一些我们的认知,其中最重要的一条认知就是,机器人的第一形态就是智能车,这也是我们会在智能车领域加强智驾方面实践的根本原因。

目前,整个团队布局在五个不同区域,包括中国上海、宁波、杭州以及欧洲法兰克福。因为我们的产品要销售到全球,所以我们的智驾团队也部署在全球。

路特斯是一家充分有着向外赋能历史的企业,比如之前曾经和特斯拉联手打造了特斯拉第一台电动超跑 Roadster。在新时代,路特斯机器人也承担了类似任务 —— 在汽车行业全面赋能 AI 时代。目前我们有四条重要的产品线:

1、ROBO Soul,全新高阶智能驾驶系统。

2、ROBO Galaxy,智能驾驶的云端数据工厂,也是全新的智驾生产力工具。

3、ROBO Matrix,智能驾驶运营系统。目前 AI 还是有很多缺陷,在我们可见的未来,如何通过人的辅助让 AI 变得更完美,在用户端让 AI 更加接近 L4、L5 的状态,我们就肯定需要一个远程的驾舱系统。

4、ROBO VERSE,规划控制算法比赛平台,这是一个非营利性产品,对外提供一套相应的数据及工具链,进行数据赋能,让院校、创业公司用最优质的数据进行相应的打靶、做算法的 PK。

智能时代的智驾云端数据工厂

今天主要介绍我们的第二个产品:ROBO Galaxy,我们称之为智能时代的智能驾驶云端数据工厂。

目前智驾的研发还处于 1.0 时代,比如有很多工作需要人来手工完成,我们研发更像是手工作坊造衣服的阶段。

路特斯预测,未来整套智能驾驶的软件算法研发将会在云端数据闭环的工具链里面完成。那个时候我们才能叫做真正的智驾研发流水线时代。我们提供的就是这样一套方法论和工具链,准确来说是一个 SaaS(software as a service),包含三朵云和七个核心模块:

三朵云:合规云(保密机房)、私有云(解决海量存储问题)、公有云(解决弹性计算的问题)。 七个核心模块:数据采集、数据合规、数据标注、数据训练、数据仿真、数据管理、数据监控,做整套数据链的闭环。

这七个模块分布在 SaaS 层和 PaaS 层,SaaS 层有核心的六大应用模块,PaaS 层主要进行数据管理。因为这套工具链最终需要对接到不同的云平台上,包括阿里云、亚马逊云,以及在具体工作中企业还会有很多私有化部署的需求,我们在 PaaS 层还做了统一数据管理的平台。

智驾是如何用大模型来研发提速的

大家可以看到,整套数据闭环非常清晰,目前部分模块已经应用了大模型方案在产品里面进行具体的落地。

1、数据采集

主要解决的问题有两个方面,第一是数据采集的硬件设备,现在是和合作伙伴联合研发;第二是数据采集之后要快速进入云平台。大模型在这方面的应用已经初露端倪,和之前作一个对比的话,此前数据采集的过程中需要驾驶员、安全员、数据采集员,主要是完成数据打标签的工作,比如甄别某一地点是不是十字路口、停车场等等,需要用人工的方法对相应的数据打标签。采用大模型之后我们会通过图生文的方式进行自动标签,大大节约人力,进一步提升数据标签的效率。

2、数据合规

主要是做数据脱敏,比如车辆车牌、人脸都需要进行大量的数据脱敏。目前我们还在用传统模型解决这一块的问题,效率还是比较高的,后面也不排除使用大模型提升精度的可能性。

3、数据标注

这一部分云端大模型起到了很多帮助,因为车端算力有限,不能进行非常大模型的部署,相比之下,在云端就可以进行相对大模型的部署,大大提升标注效率。通过大模型的自动化预标注,可以让人工工作量减到 5% 左右,95% 的数据都可以通过自动化标注来完成。

4、数据训练

主要提供了数据训练的框架,目前已经可以支持多卡、多机同步进行训练的调度功能。这部分我们深入进入到 PaaS 层,解决了很多 SaaS 层不能解决的问题。

我们通过自己的训练平台,我们在 Argoverse 里面拿到了多项第一名,而且我们在今年 2023 的人工智能模型上目前全球排名第四,我们争取明年有更好的名次。

5、数据仿真

在数据仿真方面,路特斯机器人有很多大模型的应用,主要有 WorldSim 和 LogSim 两种不同的仿真模式:WorldSim 是纯粹虚拟化的世界进行仿真,LogSim 更多是把真实世界的数据采集之后进行仿真。

之前 WorldSim 和 LogSim 是两种各自独立的仿真模式,我们通过大模型的方式,把 LogSim 里面采集到的真实场景进行相应的理解,转化成为 WorldSim 的场景,再通过 WorldSim 转化出来的场景进行相应的泛化。这相当于把一个真实的场景转化成多个虚拟的场景,然后进行更大量的仿真测试。

6、数据监控

这方面用的比较多传统方法。不管是传统方法还是 AI 方法,现在要解决智驾相应的问题,一定要确保整套数据链路包括车辆测试是可被控制、可被监控的。目前,我们在不停跑里程,在全国和全球的地图上,我们可以看到所有道路的情况和覆盖的程度,测试里程会随着时间的推移而逐渐降低限度,通过这个工具链我们会知道哪里要重新测试,保证监测到所有道路测试限度的情况。

7、数据管理

不同的行驶数据,包括车端、云端,最终都会统一进入相应的数据库,统一数据格式。这里面我们也会和中间件的合作伙伴一起开发,在车和中间件里面植入标准格式的数据库形式,进行相应的数据回传。

目前大模型在智驾领域的应用才刚刚开始,构造与 ChatGPT 同等水平的自动驾驶大模型还有很长的路要走。李博在演讲最后表示,希望智驾行业的伙伴和专注在 AGI 行业的技术同仁能够共同合作。在智驾行业我们希望有更多的伙伴,我们能够为其赋能,我们也希望引入更多全新的 AGI 技术到我们的 SaaS 工具里面来。

正值 IAA MOBILITY 2023( IAA 慕尼黑国际车展)之际,路特斯机器人也正将这套为未来打造的智驾工具带向世界舞台。

推荐内容