数据智能|中国首个数据智能体系发布，毫末智行剑指 2022年「三大战役」

文章插图

黑幕、机器人、流动行驶的车辆….今天下午，毫末智行在流动着科技与未来气息的幕布背景下，于线上正式举办“HAOMO AI DAY”，一股浓浓的技术风。
活动现场，毫末智行董事长张凯、CEO顾维灏共同细数了他们近一年来的亮眼成绩单：
1、截至12月用户行驶里程近400万公里；今年第四季度正式上线的智慧领航辅助驾驶系统NOH。
2、截至目前，毫末智行辅助驾驶系统已经搭载至5款量产车辆，并与美团、阿里达摩院就末端无人物流车达成合作等；
3、本月22日，毫末智行完成A轮近10亿元融资，晋升为新的独角兽公司；
4、曝光城市NOH测试视频及2022年上市时间；
5、筹建自动驾驶超算中心。

文章插图

而最为重磅的，莫过于自动驾驶数据智能体系的MANA（雪湖）的发布。
毫末智行称，该产品为中国首个，并希望借此挑战特斯拉，实现数据智能领先行业。
顾维灏曾在数月前表示：“智能网联的未来就是产品为王、规模制胜。”
那么被寄予厚望的MANA究竟有何本事，能支撑毫末智行对抗特斯拉，保持技术领先行业的野心？
数据智能体系：MANA道路数据对于自动驾驶公司而言，或是技术发展的根源，然而各方索取这一资源的过程，注定漫长且艰难。
兰德智库关于自动驾驶汽车的一份评估报告显示，自动驾驶系统若达到量产应用条件，至少需要经过110亿英里的道路验证。对于车队规模较小，资金并不充裕的自动驾驶公司而言，需要数年、甚至数十年才能完成这一目标。
在此情况下，各自动驾驶玩家已经摸索不同的道路数据获取方法，以不断迭代优化自动驾驶技术，譬如通过道路实测，或通过虚拟仿真，抑或收集乘用车行驶数据。
然而，每辆自动驾驶汽车的道路测试平均每日将产生TB级数据，如何在海量数据中高效、低成本提取高质量、对技术迭代切实有效的数据，是不少玩家难以解决的行业性问题。
毫末智行发布的自动驾驶数据智能体系MANA，则针对这一难题，将感知、认知、标注、仿真、计算等多个环节高度融合于一体。
具体而言，MANA整体可划分为VENUS、LUCAS、TARS以及BASE四个模块，分别对应数据可视化系统、算法应用场景实践、核心算法原型实践以及数据通用能力。

文章插图

通过将以上功能紧密联系，MANA可有效利用数据，最终提升自动驾驶技术。
为了完成对ZB级数据的获取与计算，雪湖利用毫末智行域控制器小魔盒3.0高达360T的算力，获取大量精准图像数据。数据经过处理之后，搭载于车端的域控制器将立即发挥数据效果，保障数据处理的时效性。
此外，小魔盒3.0可支持10余个摄像头及3个激光雷达，提供多传感器数据。但在数据获取过程中，毫末智行团队经常遭遇多传感器目标被截断，不能有效使用的问题。
为此，他们首先把摄像头和激光雷达的感知中间结果，经过Transformer的多模态融合映射到Tensor Space中。接着加入时序的特征，使用RNN和光流SLAM进行时空融合，在此基础上进行多Head计算，最终其结果可提高目标识别的准确率和精度。

文章插图

高效识别场景只是其中一部分，如何在不同场景下实现符合人类驾驶习惯的决策规划是众多自动驾驶公司追求的目标。
在自动驾驶汽车行驶过程中，其场景可能包括雨雪天气、黑夜白昼、道路边界是否清晰以及多种交通参与者等多种复杂元素。在同一个道路环境中，即使其中一个元素发生变化，对于自动驾驶系统而言也是新的挑战，这要求着自动驾驶系统保持较高的稳定性及安全性。

文章插图

另外因习惯差异，不同驾驶员面对同一个场景中会采取不同的处理方式，如果自动驾驶系统的决策无法因人而异，那么将会为不同驾驶习惯的用户带来不良体验。

文章插图

为了保证产品安全以及道路交通整体安全，毫末智行设计了双推理系统。其中一套推理系统通过场景库内的大量数据学习人类驾驶的规律及方法，进而指导算法迭代。
另一方面，在城市的复杂场景下，人类驾驶规则无法穷举，驾驶风格没有清晰的标准。为了尽可能贴近不同驾驶者的需求，毫末智行将不同驾驶风格数据细分，通过深度学习尽可能实现自动驾驶系统的“千人千面”，提供更舒适的驾驶体验。