基本介紹
- 中文名：雪湖
- 外文名：MANA
- 所屬學科：自動駕駛
定義,原理,特點,相關報導,
定義
毫末智行發布了中國首個自動駕駛數據智慧型體系MANA（雪湖），將感知、認知、標註、仿真、計算等多個環節高度融合於一體。具體而言，MANA整體可劃分為VENUS、LUCAS、TARS以及BASE四個模組，分別對應數據可視化系統、算法套用場景實踐、核心算法原型實踐以及數據通用能力。
原理
數據是人工智慧最大的驅動力，也是人工智慧進步過程中最大的成本。自動駕駛產品的完善是個漫長的進化過程，就像是人在漫長的歷史過程中，找到用最低能量消耗維持生命的方法，開發智力和積累經驗進化人類文明。所以毫末數據智慧型的核心，就是降低成本、提高疊代速度。
毫末智行通過對數據的沉澱與思考，總結出了自動駕駛能力發展曲線：F=Z+M（X）。
F代表產品力，Z代表毫末第一代產品，M是一個把數據轉化為知識的函式，包括數據獲取、表達、存儲、傳輸、計算、驗證，以及對成本和速度的影響。
而MANA就是這個最核心的M，將作為毫末AI的底層系統，提供毫末能力進化的核心動力。
特點
MANA由TARS（數據原型系統）、LUCAS（數據泛化系統）、VENUS（數據可視化平台）、BASE（底層系統）四個子系統組成。
在感知能力方面，針對目前毫末核心的感知設備車載攝像和雷射雷達，核心問題是如何讓1+1實現大於等於4的效果。相較於過往標準的結果融合方法，毫末採用了更高效的過程融合方法，並加入時序的特徵進行時空融合，進而快速拉升感知能力。
在4月19日舉行的 HAOMO AI DAY上，毫末智行CEO顧維灝以《毫末MANA的進化之路》為題，詳細介紹了MANA在“感知智慧型” “認知智慧型”“成本與速度”等方面實現的進化升級。
毫末獨創了“雙流”感知模型，將紅綠燈檢測和綁路問題分解成兩個通道，讓毫末日常乘用車測試實現了重感知下的紅綠燈識別。此外，毫末大舉投入的Transformer模型效果驚人，自研BEV Transfomer用於車道線識別，通過“目標粗定位”和“屬性精細估計”兩個階段實現標註的自動化，在城市道路上實現了多感測器融合車道線識別，讓中國沒有不能識別的車道線。
認知能力層面，顧維灝認為需要具備安全、舒適、高效三大要素。安全上，毫末擁有全棧自研安全認知模型CSS，其核心是自動駕駛系統不只局限在從純機械的角度保證自己不主動犯錯，而是充分考慮從數據中學習到的對其他交通參與者行為的理解和逾時空的歷史經驗；在安全底線之上，從數據中學習舒適和更高效的量化標準，讓自動駕駛算法可以更好的處理紛繁複雜的駕駛場景，制定更符合用戶喜好的駕駛策略。並且通過自動化場景挖掘、強化學習、仿真引擎構建認知智慧型閉環系統，持續不斷從海量人駕數據中提取知識，快速疊代車端認知算法能力。
“認知智慧型”方面，MANA用機器學習模型替換了傳統的手寫規則和參數，解決了此前代碼臃腫且面對複雜場景容易崩潰失效的問題，使場景決策更具泛化適用性，極大提升了可解釋性和泛化能力。
在數據標註層面，毫末正在研究一種端到端的模擬學習，即以過往的事例為指導，從數位化的場景中得到具體的本車動作。這一過程中，所有的動作都已經在人們自己開車的過程中自己被標註。而毫末則挑選更符合要求司機的駕駛行為，在不同場景下持續的訓練。同時，毫末實踐了很多深度強化學習的方法，並構建了閉環自動標註系統，運用了無監督自動標註算法，大大提升了數據標註的效率，以適應大規模量產的需求。
在仿真能力層面，毫末智行將仿真系統比作“自動駕駛元宇宙”，通過在這個“元宇宙”中進行感知和認知的效果驗證，大大提高了驗證效率。
在計算能力方面，除了毫末智行自研的單板算力可達360 TOP的“算力怪獸”ICU 3.0車端域控制器外，毫末智行也宣布將建立自己的超算中心，主要用於自動駕駛的數據處理、訓練、推理和驗證等需求。這也標誌著中國自動駕駛將正式進入超算中心時代。
相關報導
2023年4月10日，毫末智行官微宣布，第八屆HAOMO AI DAY定於4月11日舉辦，將發布自動駕駛生成式大模型DriveGPT，中文名確定為“雪湖·海若”。
