2017上半年广告报告：行业变化趋势

baozhenglexuduomanhuadegengxinshijiansuduchaokuai，meitiandouhuiyouxuduobuyiyangdequanxinneirongchengxian。tiaozhengyouhuafatieanniuzaibutongderenwuzhong，nixuyaoxiaochusuoyoudetianshi，zaizhelihuodegenggaodefenshu；meitianweinintuisongRFI,TVdengfayumeitizuixindetingliziyuannidezhangshangbanshidating，fangbiankuaijie！yijianjiejuenishenghuosuoxu。賽(sai)道(dao)Hyper | 自(zi)動(dong)駕(jia)駛(shi)通(tong)用(yong)大(da)模(mo)型(xing)：UniAD技(ji)術(shu)遠(yuan)圖(tu)

北(bei)美(mei)時(shi)間(jian)6月(yue)21日(ri)，在(zai)CVPR（國(guo)際(ji)計(ji)算(suan)機(ji)視(shi)覺(jiao)和(he)模式(shi)識(shi)別(bie)頂(ding)級(ji)會(hui)議(yi)）上(shang)，出(chu)現(xian)該(gai)会议有(you)史(shi)以(yi)來(lai)首(shou)篇(pian)以自动驾驶為(wei)主(zhu)題(ti)的(de)最(zui)佳(jia)論(lun)文(wen)。

這(zhe)有點(dian)像(xiang)ChatGPT應(ying)用，底(di)層(ceng)技术源(yuan)頭(tou)Transformer模型，来自Google在2017年(nian)的神(shen)經(jing)信(xin)息(xi)處(chu)理(li)系(xi)統(tong)大会上發(fa)表(biao)的壹(yi)篇论文，在最終(zhong)成(cheng)了(le)如(ru)今(jin)AGI（通用人(ren)工(gong)智(zhi)能(neng)）技术的应用突(tu)破(po)口(kou)，在CVPR上獲(huo)得(de)“最佳”桂(gui)冠(guan)的这篇论文，也(ye)可(ke)能会成为未(wei)来自动高(gao)階(jie)驾驶的技术应用推(tui)進(jin)器(qi)。

對(dui)高阶自动驾驶技术的意(yi)義(yi)在於(yu)，首次(ci)提(ti)出了感(gan)知(zhi)決(jue)策(ce)一體(ti)化(hua)的自动驾驶通用大模型——被(bei)稱(cheng)为“UniAD”——開(kai)創(chuang)了以全(quan)局(ju)任(ren)務(wu)为目(mu)標(biao)的自动驾驶大模型架(jia)構(gou)先(xian)河(he)，为自动驾驶技术與(yu)產(chan)業(ye)发展(zhan)提出了全新(xin)的方(fang)向(xiang)和空(kong)间。

40年来首篇自驾主题最佳

CVPR，由(you)IEEE舉(ju)辦(ban)的计算机视觉和模式识别領(ling)域(yu)的專(zhuan)业技术会议，英(ying)文全称“Conference on Computer Vision and Pattern Recognition”，是(shi)AI领域最有學(xue)术影(ying)響(xiang)力(li)顶级技术会议中(zhong)的一個(ge)，每(mei)年举办一次。

在2023年这屆(jie)会议上，共(gong)有9155篇技术论文參(can)与“最佳”角(jiao)逐(zhu)。

最终的結(jie)果(guo)，出现兩(liang)篇“最佳论文”，另(ling)外(wai)一篇是最佳学生(sheng)论文。也就(jiu)是在9155篇论文中，總(zong)共有3篇获得“最佳”獎(jiang)（Best Paper Award）的技术论文。

其(qi)中，有1篇由上海(hai)AI實(shi)驗(yan)室(shi)、武(wu)漢(han)大学和商(shang)湯(tang)科(ke)技三(san)方聯(lian)合(he)研(yan)究(jiu)的主题最佳论文，即(ji)“Planning-oriented Autonomous Driving”（以路(lu)徑(jing)規(gui)劃(hua)为導(dao)向的自动驾驶），是CVPR從(cong)1983年开始(shi)举办40年以来，第(di)一篇以自动驾驶为主题的最佳论文；同(tong)时也是该会议最近(jin)10年以来，作(zuo)者(zhe)第一單(dan)位(wei)来自中国机构的最佳。

值(zhi)得一提的是，这篇最佳论文的作者方之(zhi)一，商汤科技，在本(ben)届CVPR中，另有1篇最佳论文候(hou)選(xuan)、7篇Highlight论文和54篇被收(shou)錄(lu)论文。业內(nei)人士(shi)告(gao)訴(su)華(hua)爾(er)街(jie)見(jian)聞(wen)，上海AI实验室参与这篇论文撰(zhuan)寫(xie)的核(he)心(xin)人士，均(jun)有商汤科技从业背(bei)景(jing)。

论文提出的“感知决策一体化的自动驾驶通用大模型”，被称为“UniAD”，其核心技术價(jia)值是建(jian)立(li)了一套(tao)端(duan)到(dao)端感知决策一体框(kuang)架，融(rong)合多(duo)任务联合学習(xi)新範(fan)式，可实现更(geng)有效(xiao)的信息交(jiao)換(huan)、協(xie)調(tiao)感知預(yu)測(ce)决策，进而(er)能进一步(bu)提升(sheng)路径规划能力。这也是该文获得Best Paper Award称號(hao)的理由。

相(xiang)當(dang)多的自动驾驶业内人士在談(tan)及(ji)高阶自动驾驶技术时，均有類(lei)似(si)觀(guan)点，即“高阶自动驾驶在技术上並(bing)非(fei)難(nan)以逾(yu)越(yue)或(huo)不(bu)可解(jie)决，但(dan)法(fa)规难以同步”。这話(hua)除(chu)了字(zi)面(mian)意思(si)，另外還(hai)隱(yin)含(han)著(zhu)(zhe)技术涵(han)义，也就是高阶自动驾驶在行(xing)驶时，与其他(ta)車(che)輛(liang)或行人，还难以形(xing)成高效交互(hu)。这在本質(zhi)上屬(shu)于多任务应用需(xu)求(qiu)范疇(chou)。

这层涵义，其隐含的意思，也就是承(cheng)認(ren)高阶自动驾驶的技术，仍(reng)未实现有效突破。此(ci)前(qian)，大部(bu)分(fen)技术均着眼(yan)于解决模塊(kuai)化問(wen)题，比(bi)如提升雷(lei)達(da)掃(sao)描(miao)范圍(wei)和精(jing)度(du)、域控(kong)制(zhi)器性(xing)能或自动驾驶算力芯(xin)片(pian)性能等(deng)等。这些(xie)努(nu)力都(dou)很(hen)难兼(jian)顧(gu)“多任务”和“高性能”应用需求，尤(you)其是前者。

UniAD（自动驾驶通用算法框架：Unified Autonomous Driving）由4个基(ji)于Transformer解碼(ma)器的感知预测模块以及1个规划模块組(zu)成，整(zheng)体上是一套自动驾驶通用模型框架。

UniAD首次將(jiang)感知、预测和规划等3大类主任务，以及包(bao)括(kuo)目标檢(jian)测、目标跟(gen)蹤(zong)、場(chang)景建图、軌(gui)跡(ji)预测、柵(zha)格(ge)预测和路径规划在内的6小(xiao)类子(zi)任务，整合到统一的基于Transformer的端到端網(wang)絡(luo)框架内，成为一个全棧(zhan)關(guan)鍵(jian)任务驾驶的通用模型。

在NuScenes真(zhen)实场景數(shu)據(ju)集(ji)框架内，UniAD所(suo)有相关任务都达到SoTA（最佳性能：State of The Art），尤其是预测和规划效果远超(chao)其他模型。

簡(jian)单来說(shuo)，就解决“多任务”问题，通過(guo)多个Transformer模块，UniAD实现了多任务层级式结合。对不同任务间的信息，也能实现全角度、多方位交互。通过多组查(zha)詢(xun)向量(liang)，UniAD达成了物(wu)体与地(di)图的建模，隨(sui)之将预测结果傳(chuan)遞(di)至(zhi)规划模块，用于规划安(an)全路径。

应用这套框架的自动驾驶全栈解决方案(an)，能提升多目标跟踪準(zhun)確(que)率(lv)提升20%，车道線(xian)预测准确率提升30%，预测運(yun)动位移(yi)和规划的誤(wu)差(cha)分别降(jiang)低(di)38%和28%。

強(qiang)在哪(na)？能搞(gao)定(ding)多任务

若(ruo)观察(cha)该文的获奖理由，不难发现，解决“多任务”需求，UniAD从规划入(ru)手(shou)，将全栈关键任务从端到端，融合进一个统一的框架内。

应当承认，高阶自动驾驶技术应用，在此前并非全是模块化解决方案，也有相当多的国际公(gong)司(si)做(zuo)了很多框架模式。

比如，美国Waymo和Cruise等自驾公司采(cai)用“獨(du)立并行模型” 架构設(she)计，美国特(te)斯(si)拉(la)和中国小鵬(peng)汽(qi)车等，提出“多任务共享(xiang)网络”架构模式，美国英偉(wei)达、德(de)国馬(ma)克(ke)斯普(pu)朗(lang)克研究所（MPI）和英国Wayve自驾公司等，用了“直(zhi)接(jie)”端到端方案。

UniAD首次将全栈关键任务端到端地包含在一个统一的网络架构中，提出了全新的“全栈可控”端到端方案，通过系统联合调優(you)，取(qu)得比此前所有架构都要(yao)更优的应用效果。

从技术角度看(kan)，UniAD用了多组查询向量（Query）串(chuan)联起(qi)多个任务，实现网络信息传递，随後(hou)将所有融合的信息传至最终的规划模块。同时，每个模块的Transformer架构，通过註(zhu)意力机制，可有效实现对查询向量的交互。

在实际应用层面，UniAD能顯(xian)著節(jie)省(sheng)计算資(zi)源，避(bi)免(mian)不同任务模块的累(lei)積(ji)误差（此前单一模块化解决方案在多次运行后形成难以解决的冗(rong)余(yu)误差问题）。通过UniAD證(zheng)明(ming)，一旦(dan)采用能兼顾“多任务”和“高性能”全栈可控端到端解决方案的框架，前序(xu)多任务能与后繼(ji)任务相互支(zhi)持(chi)，最终提升了驾驶安全的体验度。

事(shi)实上，大多数端到端自动驾驶解决方案，也都关注了感知、决策和规划三部分。但是，推进这三部分形成的多任务在发揮(hui)实际作用时，存(cun)在較(jiao)大差異(yi)，沒(mei)有誰(shui)取设计一个统一框架，将这些滿(man)足(zu)不同应用需求的任务，融合进一个整体。

为何(he)UniAD能解决多任务融合问题？

研究團(tuan)隊(dui)采用了多组查询向量的全Transformer模型，同时，团队还立足于“规划”目标做全栈设计。

举个实际应用例(li)子，在车辆于晴(qing)天(tian)直行时，UniAD能感知左(zuo)前方等待(dai)的黑(hei)色(se)车辆，预测其未来轨迹（即将左轉(zhuan)驶入自车的车道），并立即減(jian)速(su)实现避讓(rang)，待黑色驶離(li)后再(zai)恢(hui)復(fu)正(zheng)常(chang)速度直行。

若处于雨(yu)天转彎(wan)场景，在视野(ye)幹(gan)擾(rao)较大且(qie)场景复雜(za)的十(shi)字路口，UniAD能通过分割(ge)模块生成十字路口的整体道路结构，做到大幅(fu)度左转规划。

UniAD号称自动驾驶通用大模型，这个应该如何理解？

这个框架奠(dian)定了多任务端到端自动驾驶大模型的基礎(chu)，具(ju)有很强的可擴(kuo)展性。通过增(zeng)加(jia)模型参数与扩充(chong)海量数据雙(shuang)輪(lun)驅(qu)动，可进一步实现自动驾驶大模型，賦(fu)能行业应用与相关自驾产品(pin)落(luo)地。

这段(duan)话是上海人工智能（AI）实验室李(li)弘(hong)揚(yang)博(bo)士的解釋(shi)。

华尔街见闻注意到，UniAD解决多任务应用需求的能力，与商汤科技在今年3月14日发布(bu)的多模態(tai)多任务通用大模型“書(shu)生（INTERN）2.5”很可能有内在联系。

“书生（INTERN）2.5”，商汤科技称之“有良(liang)好(hao)的图文跨(kua)模态开放(fang)任务处理能力，可为自动驾驶、机器人等通用场景任务提供(gong)高效精准的感知和理解能力支持”。其初(chu)代(dai)版(ban)本，由商汤科技、上海人工智能实验室、清(qing)华大学、香(xiang)港(gang)中文大学和上海交通大学，于2021年11月首次共同发布，并持續(xu)联合研发。

商汤科技称，书生（INTERN）2.5致(zhi)力于多模态多任务通用模型的构建，可接收处理各(ge)種(zhong)不同模态的輸(shu)入，并采用统一的模型架构和参数处理各种不同的任务。返(fan)回(hui)搜(sou)狐(hu)，查看更多

責(ze)任編(bian)輯(ji)：