在2024年的GTC（GPU技术大会）上，元戎智行（一战成名的周总）展示了其在自动驾驶领域的最新进展，周老板核心想讲的就是：“tech vision”最重要，自己不随波逐流、不跟风抄大模型，我们看看在做啥吧。
备注：下面的意思是，在机器人中创造通用人工智能（AGI），并实现“酷”的事情。该公司专注于自动驾驶技术，致力于开发端到端（E2E）架构的自动驾驶解决方案
元戎智行的技术演进可以分为几个阶段：
● 规则基础阶段：依赖于更多的工程和较少的数据。
● 学习基础阶段：转向更少的工程和更多的数据，以实现更高级的控制、检测、定位、映射、规划和预测。
● 2022年：引入了早期融合网络，将控制、定位、映射、规划、预测和决策整合到一个统一的系统中。
● 2023年8月：进行了端到端系统的初步道路测试。
E2E得智能驾驶，可以做到以下特点：
● 礼貌且类似人类：驾驶行为模仿人类，提供平滑的驾驶体验。
● 端到端自动驾驶：从控制到决策，整个系统都是自动化的。
● 商业化：计划在今年发布到市场。
实现机器人通用人工智能（AGI）需要几个关键要素。
● 首先，它需要大量来自物理世界的数据，包括来自传感器、摄像头等的信息。
● 其次，AGI需要能够处理不同类型的数据，如视觉、听觉等，并将它们融合在一起。
● 最后，AGI还需要能够模拟物理世界以进行规划和决策。
AGI也有一些局限性。
● 首先，物理世界的数据通常是嘈杂和不完整的，这给训练和运行AGI模型带来了挑战。
● 其次，常用的视觉表示方法在处理复杂环境时存在限制，使得AGI机器人难以导航。
● 最后，许多世界模拟器只能模拟静态数据，难以处理动态事件。
为了克服这些问题，需要研究新的数据收集和处理技术，开发更复杂的多模态模型，以及改进世界模拟器的能力。
随着研究的进展，AGI机器人将变得更加智能和适用于更广泛的应用场景。
元戎智行的商业化路线图包括：
● 研发：继续开发端到端自动驾驶解决方案，并发布第一款大规模生产的乘用车模型。
● 实现AGI：进一步实现机器人中的通用人工智能，并在全球范围内发布5款以上的大规模生产车型。
● 推动AGI在机器人中的商业化：研发无需地图的自动驾驶解决方案。
关键技术与限制
● 多样化数据集：使用多样化的数据集来提高系统的鲁棒性。
● 标准地图先验：为车道感知提供标准地图先验，提高导航匹配精度。
● 感知网络输出：与定位和车道绑定，提高鲁棒性。
NVIDIA DRIVE Thor的重要性
NVIDIA DRIVE Thor是实现端到端自动驾驶的关键技术使能器。它将为深度路径AI提供以下支持：
● 通用感知网络：提供BEV（鸟瞰图）和Transformer支持的感知与推理能力。
● 兼容SD导航地图：与标准导航地图兼容。
● OTA升级：支持通过OTA（空中下载技术）升级到E2E系统，提供成本效益更高的视觉解决方案。
E2E架构驱动着高度优化的网络，以实现最高的驾驶性能。这将带来更类似人类的驾驶行为，提供更好的体验和可预测性，同时通过更好的语义理解和推理来增强安全性。
深度路径AI在2024 GTC上的展示，不仅展示了其在自动驾驶技术上的创新，也揭示了未来交通的发展方向。随着技术的不断进步和商业化的深入，我们有理由相信，自动驾驶汽车会成为我们日常生活的一部分。
最前沿的电子设计资讯
