毫末智行手握MANA六大升级，笑面城市场景

MANA在进入城市场景后的快速反应,让毫末在2022年这场自动驾驶大战中,再次抢得先机。9月13日,毫末智行第六届HAOMO AI DAY拉开帷幕,毫末数据智能体系MANA迎来多项重磅功能升级。

MANA此次的升级全部针对当下大热的城市导航辅助驾驶场景,这是当前自动驾驶功能的核心突破点,也是行业现阶段的兵家必争之地。然而从道路与交通状况单一的高速场景进入交通参与者众多、道路与交通状况极其复杂的城市场景,自动驾驶系统面临的技术难度可以说是倍数级增长。巨大的挑战也拖住了众多自动驾驶厂商“进城”的步伐,只能持续鏖战技术突破点。

据毫末智行CEO顾维灏表示,城市道路主要存在“4类场景难题、6大技术挑战”。其中场景难题主要包括“城市道路养护频繁”“大型车辆密集”“变道空间狭窄”“城市环境多样”。解决上述场景难题,技术层面面临六大挑战:如何在自动驾驶领域应用大模型,如何让数据发挥更大的价值,如何使用重感知技术解决现实空间理解问题,如何使用人类世界的交互接口,如何让仿真更真,如何让自动驾驶系统运动起来更像人。为此毫末数据智能体系MANA正迎来多项里程碑式的升级迭代。

首先,MANA通过使用大规模量产车无标注数据的自监督学习方法打造模型效果,相比只用少量标注样本训练,训练效果提升3倍以上,这让毫末数据优势得以高效转化为模型效果,以更好适应自动驾驶各种感知任务需求。

其次,MANA感知能力提升,让海量数据不再被区别对待。面对巨大数据规模下的“数据效率”难题,MANA构建了增量式学习训练平台,抽取部分存量数据加上新数据组合成一个混合数据集。训练时要求新模型和旧模型的输出保持尽量一致,对新数据的拟合尽量好。相比常规做法,整体算力节省80%,响应速度提升6倍。

第三,MANA感知能力更强。通过使用时序的transformer模型在BEV空间上做了虚拟实时建图,使得感知车道线的输出更加准确和稳定,让城市导航自动驾驶告别高精地图依赖。

第四,MANA感知能力更准,让中国没有不能识别的车辆信号灯。MANA通过升级车上感知系统,对刹车灯、转向灯状态进行专门识别,让驾驶员在处理前车急刹、紧急切入等场景中更安全和舒适。

第五,MANA认知能力也再次进化。面对路口这一城市最复杂场景,MANA在仿真系统中引入了高价值的真实交通流场景,与浙江德清、阿里云合作,将路口这一城市最复杂场景引入仿真引擎,构建自动驾驶场景库,通过自动驾驶的真实仿真验证,时效性更高、微观交通流更真实,有效破解了城市路口通过“老大难”问题。

最后,MANA认知智能迎来新阶段。通过对覆盖全国的海量人类驾驶进行深度理解,学习常识和动作拟人化,使得毫末辅助驾驶决策更像人类实际驾驶行为,可结合实际情况选择最优路线保证安全,体感更像老司机。

基于大模型训练对算力的巨大消耗需求,毫末在现场还正式官宣了中国自动驾驶公司首个超算中心。“如何提升训练效率降低训练成本,实现低碳计算,是自动驾驶走进千家万户的一个关键门槛。”顾维灏表示,毫末超算中心的目标是满足千亿参数大模型,训练数据规模100万clips,整体训练成本降低200倍。

MANA作为中国首个自动驾驶数据智能体系,自发布以来就成为了毫末智行所有产品进化的核心动力。从MANA在此次HAOMO AI DAY上展现出的最新进展来看,MANA对城市道路挑战的快速反应,将成为毫末城市NOH在竞争日益激烈的城市辅助导航驾驶领域,夺取最终胜利的强大依仗。