De bout en bout, qu’étudiez-vous encore ?
Récemment, Tesla a publié la dernière version de son logiciel « Conduite entièrement autonome », FSDV13.2, et a terminé le premier lot de livraisons. Cette mise à jour ajoute de nouvelles fonctions telles que le démarrage au stationnement, le changement de vitesse automatique et le stationnement automatique à destination de Tesla. l'ingénieur Arek Sredzki a noté que le réseau de bout en bout du système permet désormais aux véhicules de transporter des passagers d'une place de parking à une autre (P2P).
Chaque mise à jour majeure de Tesla FSD attire immédiatement l'attention des principaux acteurs de la conduite intelligente. Tout comme au début de 2024, Tesla a lancé la version test de FSD V12, mettant à niveau la pile logicielle pour la conduite urbaine vers un seul terminal neuronal de bout en bout. réseau. La « tempête » provoquée par ce changement a également déclenché un boom technologique de bout en bout en Chine, qui se situe très loin de l'autre côté de l'océan.
À l'heure actuelle, certains constructeurs automobiles et fournisseurs de conduite intelligente qui s'engagent à atteindre une position de leader dans le domaine de la conduite autonome ont commencé à placer la technologie de bout en bout en position C de leur publicité.
Sans surprise, les grands acteurs sont extrêmement intéressés par le titre de « premier échelon de la conduite intelligente ». Rien qu’en 2024, un certain nombre de constructeurs automobiles ou de fournisseurs de véhicules intelligents ont émergé et prétendent être au premier échelon. Quelle que soit la sophistication de leur technologie et des capacités de leurs produits, le bout en bout est devenu un mot clé essentiel.
Quel genre de « magie » le bout en bout a-t-il et quels types d'astuces existe-t-il ?
Différences de chemin de bout en bout
La principale différence entre les algorithmes de conduite autonome de bout en bout et les algorithmes de conduite autonome traditionnels réside dans l’architecture du système et les méthodes de traitement des données. Les algorithmes de conduite autonome traditionnels adoptent généralement une stratégie de déploiement modulaire, divisant les fonctions telles que la perception, la prédiction, la planification et le contrôle en modules indépendants. Chaque module gère des tâches spécifiques de manière indépendante, et les informations sont transférées niveau par niveau et peuvent être filtrées ou abstraites. approche La structure est claire mais il existe des problèmes d'accumulation d'erreurs et de perte d'informations.
L'architecture de bout en bout traite l'ensemble du processus de conduite dans son ensemble, mappant directement les données d'entrée des capteurs (telles que les images, les signaux radar, etc.) pour produire des instructions de contrôle du véhicule via un modèle de réseau neuronal unifié, simplifiant ainsi la structure du système et réduisant Il élimine les erreurs dans le processus de transmission des informations et améliore l'intégrité et la stabilité du système.
En comparaison, les algorithmes de bout en bout sont davantage axés sur les données et optimisent les performances des modèles grâce à un entraînement sur des ensembles de données à grande échelle, tandis que les algorithmes traditionnels s'appuient davantage sur des règles et des données de scène limitées.
Pour le dire d'une manière plus populaire, l'algorithme de conduite autonome traditionnel revient à préparer un gâteau par étapes. Chaque étape est confiée à un chef dédié. Par exemple, une personne est responsable ...
[Courte citation de 8% de l'article original]