亚洲va在线va天堂xxxx中文 ,女子奶水太多喂老头中文字幕,亚洲性啪啪无码av天堂,无码H肉动漫在线观看免费中文

(資料圖)

FSD V12 實(shí)現(xiàn) End - to - End AI （ 端到端） 自動(dòng)駕駛。什么是“端到端”？“端到端”是深度學(xué)習(xí)中的概念，英文為“End-to-End（E2E）”，指的是一個(gè)AI模型，只要輸入原始數(shù)據(jù)就可以輸出最終結(jié)果。比如最近很火的ChatGPT，它就是一個(gè)典型的端到端模型，輸入文字語(yǔ)句，直接就能得到回答。那對(duì)于智能駕駛來(lái)說(shuō)，指的是什么？踩油門還是踩剎車？方向盤向左打還是向右打？這就是智能駕駛AI模型應(yīng)該輸出的“最終結(jié)果”。馬斯克在描述FSD Beta v12 時(shí)，就提到了它可以實(shí)現(xiàn)輸入圖像，輸出轉(zhuǎn)向、剎車、加速等車輛控制信號(hào)的能力，因此說(shuō)它是“端到端”的。還有一種說(shuō)法，叫做“感知決策一體化”，也就是將“感知”和“決策”融合到一個(gè)模型中，這種描述則相對(duì)更為準(zhǔn)確一些?！付说蕉恕沟膬?yōu)勢(shì)目前已量產(chǎn)的智能駕駛，絕大多數(shù)采用的是模塊化架構(gòu)。所謂“模塊化”其實(shí)很好理解，就是把智能駕駛拆分成一個(gè)個(gè)典型任務(wù)，然后將這些任務(wù)交由專門的AI模型或模塊來(lái)處理，比如說(shuō)感知、預(yù)測(cè)、規(guī)劃等等。實(shí)際應(yīng)用中，感知模型的任務(wù)就是輸入攝像頭等傳感器信息，然后在里面找到車輛周圍的障礙物、車輛、車道線、紅綠燈等一切與駕駛相關(guān)的元素，然后把感知信息匯總給規(guī)劃模型，規(guī)劃模型就會(huì)根據(jù)得到的信息規(guī)劃出車輛的最佳行駛路線，再交給控制模塊（控制模塊一般并非AI模型），實(shí)現(xiàn)車輛最終的控制。在這種架構(gòu)中，每個(gè)大的模塊下，又可能是以多種模型組合而來(lái)的，例如感知，其中可能包含了分類、追蹤、定位等AI模型，各司其職。也就是說(shuō)，一個(gè)智能駕駛系統(tǒng)里，可能包含了很多很多個(gè)模型，每個(gè)模型都要專門進(jìn)行訓(xùn)練、優(yōu)化、迭代，隨著模型的不斷進(jìn)化，參數(shù)量提高，所需的研發(fā)人員也水漲船高，研發(fā)投入極高。而端到端架構(gòu)，則是通過(guò)一個(gè)模型實(shí)現(xiàn)了以上多種模型的功能，研發(fā)人員只需要針對(duì)這一個(gè)模型進(jìn)行整體訓(xùn)練、調(diào)整優(yōu)化，即可實(shí)現(xiàn)性能上的提升，因此可以更好地集中資源，實(shí)現(xiàn)功能聚焦。另一方面，傳統(tǒng)的模塊化架構(gòu)可以看做是一種流水線，很多模型的輸入?yún)?shù)，其實(shí)是前級(jí)模型的輸出結(jié)果。如果前級(jí)模型輸出的結(jié)果有誤差，就會(huì)影響下一級(jí)模型的輸出，導(dǎo)致級(jí)聯(lián)誤差的出現(xiàn)，最終影響整套系統(tǒng)的性能。這很好理解，在這種架構(gòu)下，不同模塊間就相當(dāng)于不同的人，負(fù)責(zé)決策的人是不能直接看到環(huán)境的，需要“觀察員”轉(zhuǎn)告，因此將不可避免地產(chǎn)生誤差。而端到端架構(gòu)，輸入傳感器信號(hào)后可以直接輸出車控信號(hào)，大大降低了級(jí)聯(lián)誤差的概率，也因此大大提升了系統(tǒng)性能的上限，整體潛力極大。「端到端」的難點(diǎn)在量產(chǎn)車上看，模塊化架構(gòu)依然是目前智能駕駛的絕對(duì)主流，可見端到端架構(gòu)依然存在一些關(guān)鍵的問(wèn)題未能解決?！坝楷F(xiàn)”是不可控的、不能預(yù)知的，即便一個(gè)模型發(fā)生了“涌現(xiàn)”，人們也不知道其內(nèi)部發(fā)生了什么，是因?yàn)槭裁磳?dǎo)致了能力的巨大變化。如果一個(gè)模型的可解釋性很差，那說(shuō)明人們對(duì)這個(gè)模型內(nèi)部知之甚少，甚至都不能理解這個(gè)模型為什么能跑起來(lái)，是一個(gè)黑盒。他雖然能做出正確的決策，但方法是什么，理由又是什么，都不知道。端到端智能駕駛，就是一種可解釋性很差的模型，這就導(dǎo)致了一系列的問(wèn)題。首當(dāng)其沖的就是安全性。還是拿ChatGPT為例，作為端到端的大模型，它的能力很強(qiáng)，但“胡說(shuō)八道”的情況也不少見，對(duì)于一個(gè)語(yǔ)言模型來(lái)說(shuō)，錯(cuò)了就錯(cuò)了，糾正一下就是，但對(duì)于駕駛來(lái)說(shuō)，如果決策規(guī)劃出錯(cuò)了，就有可能導(dǎo)致嚴(yán)重的事故，甚至危及生命。可端到端智能駕駛是個(gè)黑盒子，即便出了差錯(cuò)，研究人員也不知道它為什么會(huì)出差錯(cuò)，到底是哪一部分出了問(wèn)題，又該如何去避免。只能通過(guò)不斷的訓(xùn)練、調(diào)參、增加參數(shù)量，來(lái)盡可能地提高模型的準(zhǔn)確率，但最終能否達(dá)到100%的安全，還是要打一個(gè)問(wèn)號(hào)。另一方面，端到端智能駕駛，它的訓(xùn)練本就是很復(fù)雜的。感知模型訓(xùn)練時(shí)，需要的是經(jīng)過(guò)標(biāo)注的圖片，這是一種比較容易獲得的素材，而端到端智能駕駛，它需要學(xué)習(xí)的是駕駛行為，因此需要大量標(biāo)注有駕駛行為的視頻才能進(jìn)行進(jìn)行訓(xùn)練，采集和標(biāo)注都很困難。因此，端到端智能駕駛，它的閉環(huán)驗(yàn)證比較困難，缺少足夠的真實(shí)數(shù)據(jù)，目前主要還是在仿真環(huán)境中進(jìn)行訓(xùn)練和驗(yàn)證，這也直接影響了它的量產(chǎn)落地。端到端智能駕駛一旦成功落地，對(duì)于整個(gè)行業(yè)的影響將是顛覆性的。但我們也要認(rèn)識(shí)到，端到端有優(yōu)勢(shì)也有挑戰(zhàn)，并且挑戰(zhàn)依然是極大的，在現(xiàn)階段甚至是未來(lái)很長(zhǎng)一段時(shí)間內(nèi)，當(dāng)我們看到“端到端”時(shí)，只要看不到實(shí)物落地，就應(yīng)該理性看待。

轉(zhuǎn)自：水月的投資筆記

$特斯拉(TSLA)$

關(guān)鍵詞：