生成式人工智能应该用长达 10 秒的时间来展望自动驾驶汽车的未来

Waabi 是一家专注于自动驾驶的初创公司，希望使用一种新颖的人工智能模型来预测其他道路使用者的下一步行动。不仅会使用机器学习，还会使用生成式人工智能——这一领域的新颖之处。该系统名为 Copilot4D，是根据激光雷达传感器的数据进行训练的，激光雷达传感器使用光来测量与物体的距离。如果你给模型一个情况 – 例如例如，如果驾驶员鲁莽地高速进入高速公路，它会预测该地区其他车辆将如何移动。结果是看到未来 5 到 10 秒的 LIDAR 表示，在本例中，例如，堆积。

Copilot4D 的第一个版本现已推出。根据老板 Raquel Urtasun 的说法，Waabi 已经在开发更精确的系统，这些系统将用于德克萨斯州的自动驾驶卡车测试车队，其中驾驶软件会决定如何对某些情况做出反应 – 一个集成的解释器，以便说话。

自动驾驶长期以来一直依赖机器学习来规划路线和识别物体。使用环境数据然后进行预测的生成式人工智能模型达到了一个新的水平。乐观者希望它能够将自主性提升到一个全新的水平。 Wayve 是 Waabi 的竞争对手，去年已经发布了类似的型号，它是根据从车辆收集的驾驶视频进行训练的。 Waabi 的工作原理类似于图像或视频生成器，例如 DALL-E 和来自 OpenAI 的 Sora，但不使用相机数据：它从 LIDAR 传感器获取点云，将车辆周围环境的 3D 地图可视化，并将其分解为多个部分，类似于图像生成器将照片分解为像素的方式。然后，Copilot4D 根据其训练数据预测点云将如何从 LIDAR 数据移动。

Waabi 是自动驾驶领域为数不多的几家公司之一（包括竞争对手 Wayve 和 Ghost）他们将他们的方法描述为“人工智能优先”。。对于 Urtasun 来说，这意味着开发一个可以从数据中学习的系统，而不必学习如何应对特定情况。这些初创公司押注他们的方法需要更少的自动驾驶汽车道路测试时间。这并非无可争议——过去曾多次发生过事故，例如，2023 年 10 月，一辆 Cruise 机器人出租车在旧金山冲走了一名行人。

激光雷达代替相机

如前所述，Waabi 与其竞争对手的不同之处在于，它为 LIDAR（“光检测和测距”）雷达技术而非摄像头开发了生成模型。 Urtasun 说：“如果你想实现 4 级自动驾驶，激光雷达是必须的。”这意味着汽车应该不再需要人类的注意力来安全驾驶。她说，摄像头擅长显示汽车所看到的内容，但它们在测量距离或了解汽车周围环境的几何形状方面还不够好。

尽管 Waabi 的模型可以生成视频，显示汽车通过激光雷达传感器看到的情况，但这些视频并不用于该公司驾驶模拟器的培训，该模拟器用于开发和测试其驾驶模型。这是为了确保 Copilot4D 中仍可能出现的幻觉不会转移到模拟器操作中。斯坦福大学研究生伯纳德·亚当·兰格（Bernard Adam Lange）表示，底层技术并不新鲜，他创建并研究了类似的模型。然而，这是第一次生成式激光雷达模型走出实验室并准备投入商业使用。

兰格和其他人希望，这样的模型将使自动驾驶汽车的“大脑”能够更快、更准确地“思考”。 “这是一个具有变革性的基准，”他相信。 “希望这些模型可以用于下游任务，例如检测物体以及预测人或物下一步将移动到哪里。”

开源还是不开源？

到目前为止，Copilot4D 只能在有限的范围内展望未来。此外，运动预测模型通常越广泛，其性能就越差。 Urtasun 表示，未来 5 到 10 秒发生的事情足以做出大多数驾驶决策。当前的 Waabi 基准测试基于 3 秒预测。斯坦福汽车研究中心联合主任 Chris Gerdes 认为，这一基准对于模型在决策中的有用程度至关重要。 “如果 5 秒的预测是可靠的，但 10 秒的预测也差不多可用，那么在很多情况下，道路上的模型是不够的，”他说。

新模型还提出了生成人工智能领域不断出现的一个问题：它应该开源吗？ Copilot4D 的发布将使那些难以访问大型数据集的大学研究人员能够深入了解底层系统，独立评估此类系统的安全性，并有可能推进该领域的发展。 Waabi 的竞争对手也是如此。到目前为止，这里只有论文，但对这个主题的研究还不够深入，所以不可能复制它。

Urtasun 表示：“我们希望科学对自动驾驶汽车的未来也有发言权。”他补充说，开源模型更值得信赖。 “但我们在开发技术时也必须小心一点，这样我们才不会把一切都让给我们的竞争对手。”