发布时间 : 2022-03-17 阅读量 : 349
近年来,电动汽车销量一路上涨,各方造车新势力初露锋芒。互联网科技巨头布局汽车业务的同时,传统主机厂也在加速自身转型。在整体的大浪潮下,汽车智能化也自然站在风口浪尖。而作为汽车智能化的两个主要落地场景,舱内的智能座舱和舱外的自动驾驶,也快速转向到了产业落地的过程。
近期,magic data【ai meet x】联合小饭桌【小饭局】举办了主题为“智能座舱与自动驾驶,这块蛋糕怎么分?”的线上专场沙龙,针对未来的发展趋势、商业模式的前瞻创新、技术壁垒及机遇等问题展开讨论。分享活动中,magic data创始人兼ceo张晴晴 与 同济大学艺术与传媒学院副院长/教授王建民、智驾科技maxieye创始人兼ceo周圣砚、线性资本董事总经理黄松延、小马智行投融资负责人邵俊斌、凡卓资本经理郭亦丰共同探讨了车企面对的机遇与挑战。
嘉宾精彩观点
q1:自动驾驶技术发展到了什么阶段,以及未来趋势?
在整个发展趋势上,自动驾驶分为两派趋势,一个是渐进式的,另外是直接式的。就l4这种概念来讲,做的是“取代驾驶员”这件事,这是典型的直接式;对于渐进式的玩家,是在整个人机共驾的过程中,不断去寻找“最佳舒适度”的过程,不断提升自动化的等级。目前我们能看到最高级的人机共驾就是:领航辅助驾驶,它可以在高速或是环路上面,在封闭式道路上实现自动超车。近两年,可能逐渐会开放在城市道路下一些点到点的驾驶过程。
这个时候的车厂市场需求很大,作为渐进式的玩家,第一要抓住规模化的机会,第二要抓住数据驱动的机会,不断结合人机共驾过程中的场景需求,利用场景数据在数据闭环的链路中驱动交互技术更好的实现。
q2:智能座舱和自动驾驶,在数据的采集、标注和处理上有哪些痛点?
在ai落地到各行各业里面,其实都是以数据驱动,数据的处理能力直接影响了ai模型的迭代速度。对于不同车厂,舱内舱外交互多种多样,存在诸多痛点。
一、数据多样化
在基本功能层面,根据不同车厂的设计以及用户不同的使用习惯,会产生大量的差异化需求,数据的采标处理相应变得多样复杂。例如,在舱内的交互中,说“我好热”,不同车厂的响应是不同的,有些可能是把车窗打开,有些是把空调打开。除此之外,每位车主开车习惯也有所不同,对于舱内的虚拟驾驶伙伴,也有声音和性格要求,这会涉及个人定制问题。这种差异化需求需要从底层数据设计和规划做起,以满足舱内交互的基本功能点。
二、数据安全合规
数据安全问题始终都是企业的重中之重,在座舱和驾驶场景下,舱内舱外对于数据的隐私安全有所不同。舱内无论是语音、图像还是动作,都需要经过单独的个人授权;舱外会更复杂一些,包括道路房屋车辆等所有物体的跟踪。在这个过程中,除了取得隐私授权还要对数据进行加密处理,这需要一套这个完整的数据的处理系统,能够对数据的整个闭环进行全方位监控。
三、数据处理效率
驾驶过程中,在舱内舱外每日都产生着大量数据,目前发现,数据的处理速度远远跟不上机器学习的速度。如何解决这种需求不对等的问题?今年美国专门提出一个词叫做human machine teaming,即人机团队协作这样一个定义,我们在数据处理过程中也应该采用人机协作的方式进行图像抠图、语音转写等等,所以拥有一个一站式的ai数据处理系统至关重要。
q3:不同场景下,数据系统的使用有哪些差异化?
首先所有数据从底座上来看,是有共性的,不管是图像、音频、文字,都涉及基础数据切割的动作,这是一个跨行业、跨场景的共通需求。差异的部分是,由于底层算法跟场景强相关,在处理不同场景下的数据时,比如舱外的3d点云,它有可能是2d 3d联动的一种数据,要把底层那些共性的东西进行排列组合应用到外延场景。包括一些不同场景特定数据的分类和标签,底层的模型一定是要耦合舱外2d 3d场景下得到的预训练模型,这个预训练模型一定是差异化的,有了适用于场景的模型,就能大大提高数据处理的效率。
目前magic data推出的annotator安耐拓智能化标注平台是对数据采集、标注以及数据测试形成闭环的系统,围绕智能座舱和自动驾驶的基本功能点、个性化差异、数据安全、以及数据处理效率等问题,不断迭代优化,为车企提供一站式的ai数据凯发体育网的解决方案,赋能汽车产业智能化转型。
申请试用请在pc端访问:
汽车智能化发展是以数据为底层基础,配备智能化和网联化的车载产品来实现与人、路、车的智能交互,是人车关系从工具向伙伴演进的重要纽带和关键节点。