理想的大模型城市NOA來了

第一電動大牛作者 NE時(shí)代 2023-06-19 12:03

理想的城市NOA不依賴高精地圖，而是基于AI大模型。

6月17日，在理想家庭科技日上，最引人矚目的，當(dāng)屬一系列AI大模型的引入。智能座艙方面，理想通過研發(fā)認(rèn)知大模型Mind GPT，以提升交互能力；智能駕駛方面，則通過神經(jīng)先驗(yàn)網(wǎng)絡(luò)NPN、TIN網(wǎng)絡(luò)以及BEV大模型，試圖將城市NOA做到接近人類司機(jī)的駕駛表現(xiàn)。

當(dāng)然，電動化方面，理想也在持續(xù)優(yōu)化短板。理想方面，介紹了其在800V快充和超充網(wǎng)絡(luò)的布局。

以上內(nèi)容，便組成了理想的“雙能戰(zhàn)略”。理想希望通過這一戰(zhàn)略大規(guī)模全面取代燃油車，到2030年成為全球領(lǐng)先的人工智能企業(yè)。

發(fā)布會最后，理想方面還透露了首款純電車型的信息，理想的超級旗艦——理想MEGA，將在今年年底發(fā)布。

智能駕駛：BEV+NPN+TIN

現(xiàn)在車企已經(jīng)進(jìn)入城市NOA的攻堅(jiān)階段，為了使AI司機(jī)能夠做到更可靠、更像人類，理想將大模型引入到自動駕駛領(lǐng)域。

理想希望做到不依賴高精地圖，核心是采用了BEV大模型來感知和理解環(huán)境中的道路結(jié)構(gòu)信息。

但是在復(fù)雜路口上，BEV的感知是受限的。例如通行的車輛很多，傳感器的視野容易被遮擋，導(dǎo)致車端的感知的結(jié)果會丟失一些局部的信息顯得不夠穩(wěn)定。

為了彌補(bǔ)這一缺陷，理想使用了自研的神經(jīng)先驗(yàn)網(wǎng)絡(luò)（NeuralPriorNet），簡稱為NPN網(wǎng)絡(luò)，通過云端大模型對于這類復(fù)雜路口提前進(jìn)行路口NPN特征的提取和存儲。當(dāng)車輛再次行駛到這個(gè)路口時(shí)，將之前提取好的NPN特征拿出來，與車端的感知大模型，BEV特征層相融合，還原出更加穩(wěn)定完整的路口結(jié)構(gòu)特征。

僅看明白路口還不夠，作為一個(gè)合格的AI司機(jī)，還得理解路口紅綠燈的通行規(guī)則，這也是城市道路的另一個(gè)難點(diǎn)。

對此，理想選擇用大模型來解決這個(gè)問題。理想訓(xùn)練了一個(gè)端到端的信號燈意圖網(wǎng)絡(luò)，TIN（TrafficlntentionNet）網(wǎng)絡(luò)，不需要人為設(shè)定任何的規(guī)則，甚至不需要識別紅綠燈的具體位置，只要將圖像視頻輸入給 TIN網(wǎng)絡(luò)，就能直接給出車輛應(yīng)該怎么走的結(jié)果，是左轉(zhuǎn)右轉(zhuǎn)還是直行或者等待。

TIN網(wǎng)絡(luò)是通過學(xué)習(xí)大量人類司機(jī)在路口對于信號燈變化的反應(yīng)進(jìn)行訓(xùn)練的，可以通過判斷人類司機(jī)的舉動反饋出行駛結(jié)果。TIN網(wǎng)絡(luò)根據(jù)輸入視頻圖像，實(shí)時(shí)的給出路口不同通行意圖的概率值，概率值最大的就是實(shí)際使用的意圖。

為了應(yīng)對道路上個(gè)各種復(fù)雜情況，AI司機(jī)必須能夠做到隨機(jī)應(yīng)變，因此識別通用障礙物也是一個(gè)基礎(chǔ)能力。對此，理想汽車使用了Occupancy網(wǎng)絡(luò)來識別障礙物的邊界和類型。目前，理想為該模型喂了上億公里的訓(xùn)練里程，識別的內(nèi)容和準(zhǔn)確性得到了很大的提升。

為了使AI司機(jī)在駕駛決策和軌跡上，也像人類司機(jī)一樣做出更加合理的判斷，理想在規(guī)控算法上應(yīng)用了模仿學(xué)習(xí)的方法，通過大量駕駛員的駕駛行為進(jìn)行訓(xùn)練，讓城市NOA的決策和規(guī)劃在保證安全符合交規(guī)的前提下，做出更像人類駕駛員的判斷。

目前，理想擁有1200PFLOPS算力，自動駕駛訓(xùn)練里程也已經(jīng)突破了6億公里。

由于城市NOA的落地，取決于城市復(fù)雜路口NPN特征的完成情況。

理想率先推出了通勤NOA產(chǎn)品，用戶自己設(shè)定路線、自車學(xué)習(xí)NPN特征，學(xué)成之后就可以在上下班路線上使用NOA功能。

用戶設(shè)定好自己的通勤路線后，只要天天開這條路，相對簡單的路線，基本1周以內(nèi)就可以完成激活，較為復(fù)雜的路線，預(yù)計(jì)2-3周也足以完成訓(xùn)練。理想方面預(yù)估通勤NOA，可以覆蓋理想車主95%以上的通勤場景。

總結(jié)下，理想城市 NOA 技術(shù)架構(gòu)的特點(diǎn)有：

1.使用 NPN 特征和 TIN 網(wǎng)絡(luò)增強(qiáng) BEV 大模型，做到不依賴高精地圖；

2.使用模仿學(xué)習(xí)讓規(guī)控算法做出更加擬人的決策；

3.全自動、全閉環(huán)的訓(xùn)練平臺支撐大模型持續(xù)進(jìn)化。

智能空間：多模態(tài)交互+大模型Mind GPT

在智能座艙方面，理想致力于構(gòu)建更符合人的直覺和本能的交互模式。為此，理想引入了多模態(tài)人機(jī)交互技術(shù)體系，讓每個(gè)人使用AI的效率更高、學(xué)習(xí)成本更低、交互方式更簡單、更自然。

第一、提升理想同學(xué)的多模態(tài)感知能力

理想在多模態(tài)感知設(shè)備上的布局，擁有覆蓋全車多音區(qū)的數(shù)字硅麥、3D ToF攝像頭、IR傳感器，基于空間多模態(tài)感知-3M技術(shù)（視覺的MVS-NET、信號的MIMO-NET、語音的MSE-NET），理想同學(xué)的感知能力，將變得更像人，可以充分感知艙內(nèi)空間的多模態(tài)信息。

第二、多模態(tài)交互：視聽融合，輕松交互

最近，理想同學(xué)“耳眼腦”并用的能力提升：指代的方向變多了，甚至是斜后方，理想同學(xué)也能看得懂；同時(shí)，能指代更多的人和物，接入更多控車、體驗(yàn)的交互。

第三、Mind GPT：自研認(rèn)知大模型

理想自研了認(rèn)知大模型：Mind GPT。使用了1.3萬億個(gè)token進(jìn)行基做模型的訓(xùn)練。重點(diǎn)針對中英雙語進(jìn)行了充分的自監(jiān)督學(xué)習(xí)，數(shù)10tb的原始訓(xùn)練數(shù)據(jù)經(jīng)過了精心的過濾和去除，覆蓋了15個(gè)重點(diǎn)領(lǐng)域。

為了具備可以隨時(shí)調(diào)用更多外部的能力，將Mind GPT作為大模型控制器，連接了外部的models和API Zuo，通過大模型對用戶輸入的理解和思考，有條理的進(jìn)行任務(wù)的規(guī)劃，獨(dú)立完成自己擅長的部分，并調(diào)度外埠的API和專業(yè)能力，解決自己不擅長的部分，持續(xù)拓寬大模型的能力覆蓋。

同時(shí)，Mind GPT自帶記憶網(wǎng)絡(luò)，用戶可以選擇讓理想同學(xué)基于歷史對話記住個(gè)性化偏好和習(xí)慣，理解用戶近期狀態(tài)。而Mind GPT的在線強(qiáng)化能力，更讓它可以基于用戶的每一次反饋和糾偏不斷迭代自身能力，讓理想同學(xué)“越用越好用”。

理想方面表示，全新的 AI 交互界面、AI 百科問答、任務(wù)大師 AI 版、AI 繪畫、多模態(tài)可見即可說 2.0 等，即將在「不久的將來」全量推送。而且，理想這次沒有忘了理想 ONE 車主。

高壓純電：充電9分30秒，續(xù)航400公里

除了智能化，在電動化方面，充電速度仍然是制約新能源汽車發(fā)展的主要短板之一。

理想的解決方案是快充。

未來，理想的純電車型將采用5C充電倍率的電芯，結(jié)合先進(jìn)的電池熱管理系統(tǒng)，可以實(shí)現(xiàn)峰值500千瓦以上的充電功率。

在途熱管理功能，續(xù)航400公里的充電時(shí)長，從零下10度到高溫40度的寬溫域區(qū)間內(nèi)，充電都可以小于10分鐘。

要實(shí)現(xiàn)上述能力，需要采用大倍率電芯設(shè)計(jì)。理想采用的電芯，其正極采用了活性面調(diào)控技術(shù)，電解液引入了快充添加劑和界面調(diào)控技術(shù)，充電速度提升30%，負(fù)極采用超離子環(huán)石墨技術(shù)，對比常規(guī)石墨鋰離子擴(kuò)散速度提升60%，整體實(shí)現(xiàn)了充電能力。

理想在體系結(jié)構(gòu)工藝方面進(jìn)行了多重創(chuàng)新，比如低阻抗體系設(shè)計(jì)和一體化極柱結(jié)構(gòu)設(shè)計(jì)，把電芯內(nèi)阻從0.4mΩ降低到0.3mΩ以下，最大程度的減少了大倍率充電過程中電芯的產(chǎn)熱，實(shí)現(xiàn)產(chǎn)熱量降低30%。