2014 年，國(guó)際汽車工程師協(xié)會(huì)建立了汽車自動(dòng)駕駛分級(jí)框架，為自動(dòng)駕駛技術(shù)的發(fā)展制定了行業(yè)標(biāo)準(zhǔn)路線圖。

自動(dòng)駕駛分為五個(gè)等級(jí)： L1 級(jí) (駕駛輔助)、 L2 級(jí) (部分自動(dòng)化)、L3 級(jí) (特定條件自動(dòng)化)、L4 級(jí) (高度自動(dòng)化)，以及 L5 級(jí) (完全自動(dòng)化)。

與界定這些級(jí)別相比，預(yù)測(cè)各級(jí)別何時(shí)能夠?qū)崿F(xiàn)則更為困難。這種不確定性引發(fā)了全行業(yè)的期待，似乎突破時(shí)刻總是近在眼前。

然而，近年來(lái)這一情況已發(fā)生顯著變化。過(guò)去三四年間，自動(dòng)駕駛技術(shù)取得的進(jìn)展甚至超過(guò)了之前十年的總和。本文將帶您了解推動(dòng)這一飛速發(fā)展的最新技術(shù)突破。

什么是 L4 級(jí)自動(dòng)駕駛？

L4 級(jí)自動(dòng)駕駛是指車輛能夠在特定運(yùn)行區(qū)域內(nèi)自主處理所有駕駛?cè)蝿?wù)，如某些特定城市或特定路線，無(wú)需任何人工干預(yù)。這一高度自動(dòng)化級(jí)別借助了基礎(chǔ)模型、端到端架構(gòu)、推理模型等 AI 突破性技術(shù)，從而能夠從容應(yīng)對(duì)各種復(fù)雜場(chǎng)景。

如今，L4 級(jí)“高度自動(dòng)化”正將自動(dòng)駕駛愿景，一步步轉(zhuǎn)變?yōu)榭蓴U(kuò)展、具有商業(yè)可行性的現(xiàn)實(shí)。

推動(dòng)智能汽車發(fā)展的六項(xiàng) AI 突破

當(dāng)前，六項(xiàng)重大 AI 突破正匯聚合力，加速 L4 級(jí)自動(dòng)駕駛的到來(lái)：

1. 基礎(chǔ)模型

基礎(chǔ)模型能夠調(diào)用整個(gè)互聯(lián)網(wǎng)的海量知識(shí)，而不僅依賴于智能汽車的專有數(shù)據(jù)。

這就好比人類在 18 歲學(xué)車時(shí)，已經(jīng)擁有了 18 年的世界認(rèn)知經(jīng)驗(yàn)。同理，基礎(chǔ)模型憑借廣泛的知識(shí)儲(chǔ)備，能夠基于對(duì)世界的普遍認(rèn)知來(lái)理解異常場(chǎng)景并預(yù)測(cè)結(jié)果。

借助基礎(chǔ)模型，當(dāng)車輛遇到從未遇到過(guò)的突發(fā)情況，比如道路上突然出現(xiàn)床墊、或者一個(gè)球滾入街道，它能夠借鑒從海量訓(xùn)練數(shù)據(jù)集中學(xué)到的知識(shí)，進(jìn)行推理并合理應(yīng)對(duì)。

2. 端到端架構(gòu)

傳統(tǒng)輔助駕駛系統(tǒng)采用獨(dú)立的感知、規(guī)劃和控制模塊，這種架構(gòu)在模塊間信息傳遞時(shí)容易造成信息丟失。

端到端輔助駕駛架構(gòu)則有望改變這一現(xiàn)狀。該架構(gòu)可通過(guò)單一神經(jīng)網(wǎng)絡(luò)直接將傳感器輸入的數(shù)據(jù)轉(zhuǎn)化為駕駛決策，始終保持上下文情境信息的連貫性。盡管端到端架構(gòu)的概念并非新提出，但架構(gòu)的進(jìn)步和訓(xùn)練方法的優(yōu)化，最終使其變得具備可行性，從而以更低的工程復(fù)雜度實(shí)現(xiàn)更優(yōu)的自主決策能力。

3. 推理模型

推理型視覺-語(yǔ)言-動(dòng)作 (Reasoning VLA) 模型將多樣化的感知輸入、語(yǔ)言理解、動(dòng)作生成能力與逐步推理過(guò)程相融合。這使其能夠像人類一樣解析復(fù)雜情境、評(píng)估多種可能結(jié)果并確定最佳行動(dòng)方案。

基于推理模型的系統(tǒng)提供可解釋、分步式的決策過(guò)程，從而帶來(lái)更高的可靠性與性能。對(duì)于自動(dòng)駕駛而言，這意味著系統(tǒng)能夠?qū)崟r(shí)標(biāo)記異常決策模式，以實(shí)現(xiàn)安全監(jiān)測(cè)，并在事后調(diào)試中追溯車輛采取特定行動(dòng)的原因。這既提升了智能汽車的性能，也增強(qiáng)了用戶信任。

4. 仿真技術(shù)

如果僅靠實(shí)際道路測(cè)試，要將一項(xiàng)駕駛策略在所有可能的駕駛場(chǎng)景中完成驗(yàn)證，即便最終能夠?qū)崿F(xiàn)，也需耗費(fèi)數(shù)十年時(shí)間。而仿真技術(shù)的引入，為這一難題提供了解決方案。

例如神經(jīng)重建等技術(shù)可基于真實(shí)世界的傳感器數(shù)據(jù)創(chuàng)建交互式仿真環(huán)境；而NVIDIA CosmosPredict 和 Transfer 等世界模型則能生成海量多樣的新場(chǎng)景，用于自動(dòng)駕駛汽車的訓(xùn)練和測(cè)試。

通過(guò)這些技術(shù)，開發(fā)者可通過(guò)文本指令生成新的天氣與路況，或改變光照、引入障礙物，從而模擬出全新場(chǎng)景，并在前所未有的環(huán)境下測(cè)試駕駛策略。

5. 算力

如果沒(méi)有充足的算力，上述所有技術(shù)進(jìn)展都難以實(shí)現(xiàn)。NVIDIA DRIVE AGX和NVIDIA DGX平臺(tái)歷經(jīng)多次迭代，每一代設(shè)計(jì)都需要既滿足當(dāng)今的 AI 工作負(fù)載需求，同時(shí)為未來(lái)數(shù)年的技術(shù)發(fā)展預(yù)留空間。

協(xié)同優(yōu)化也十分重要。技術(shù)設(shè)計(jì)需要具有前瞻性，預(yù)先考量下一代 AI 系統(tǒng)對(duì)算力的需求。

6. AI 安全

安全性是 L4 級(jí)自動(dòng)駕駛的基石，其中可靠性是其區(qū)別于較低級(jí)別輔助駕駛的決定性特征。物理 AI 安全技術(shù)在近期取得了突破，通過(guò)在設(shè)計(jì)、部署和驗(yàn)證階段引入安全防護(hù)機(jī)制，使基于 AI 的自動(dòng)駕駛系統(tǒng)能夠?qū)崿F(xiàn)可信部署。

例如，NVIDIA 的安全架構(gòu)通過(guò)多樣且模塊化堆棧進(jìn)行校驗(yàn)，為端到端駕駛模型提供了安全護(hù)欄；而神經(jīng)重建技術(shù)的最新進(jìn)展也大幅加速了系統(tǒng)驗(yàn)證流程。

這些安全防護(hù)措施均已納入NVIDIA Halos綜合安全系統(tǒng)，該系統(tǒng)整合了 NVIDIA DRIVE 架構(gòu)，經(jīng)過(guò)安全認(rèn)證的NVIDIA DriveOS操作系統(tǒng)，以及 AI 模型、硬件、軟件、工具與服務(wù)，旨在確保從云端到車端的輔助駕駛系統(tǒng)的安全開發(fā)與部署。NVIDIA 合作伙伴可根據(jù)需求選用單一組件或完整技術(shù)棧。

深遠(yuǎn)意義：守護(hù)生命與節(jié)約資源

自動(dòng)駕駛的意義遠(yuǎn)不止于技術(shù)成就。提升車輛安全性不僅能挽救生命，更能節(jié)省資金和資源。L4 級(jí)自動(dòng)駕駛可系統(tǒng)性地消除人為失誤，而絕大多數(shù)事故正是由人為失誤所引發(fā)。

作為一家提供從云端到車端的全棧式自動(dòng)駕駛技術(shù)的公司，NVIDIA 正依托其已投產(chǎn)的 L2+ 技術(shù)?；A(chǔ)，助力更廣泛的汽車生態(tài)系統(tǒng)實(shí)現(xiàn) L4 級(jí)自動(dòng)駕駛。

對(duì)自動(dòng)駕駛至關(guān)重要的三臺(tái) AI 計(jì)算機(jī)：

NVIDIA DGX平臺(tái)用于數(shù)據(jù)中心 AI 訓(xùn)練

NVIDIA Omniverse與Cosmos仿真場(chǎng)景，并生成用于測(cè)試和驗(yàn)證的合成數(shù)據(jù)

NVIDIA DRIVE AGX車載計(jì)算平臺(tái)用于實(shí)時(shí)處理車端傳感器數(shù)據(jù)

這些技術(shù)平臺(tái)共同構(gòu)成了一個(gè)涵蓋學(xué)習(xí)、測(cè)試和部署的反饋閉環(huán)，將安全置于核心地位的同時(shí)，持續(xù)加速創(chuàng)新周期。