自动驾驶围绕预测物理世界的模型进行自我重建

NextFin News——在过去十年的大部分时间里，自动驾驶系统通过改进单独的软件来改进。相机和传感器发现了物体。另一个程序猜测这些物体可能会做什么。第三个程序选择了一条路径。这种方法在许多日常情况下都有效，但每次从一个片段传递到下一个片段时，信息都会丢失。汽车可以对熟悉的条件做出良好的反应，并且在出现意外情况时仍然会陷入困境。这种设计现在正在让位于试图理解和预测整个物理世界的系统。行业领导者将这种转变称为物理人工智能：软件不仅能标记所看到的内容，还能在行动之前对运动、因果以及可能的未来进行推理。在 2026 年消费电子展上，NVIDIA 首席执行官黄仁勋直接阐述了这一变化：“物理 AI 的 ChatGPT 时刻已经到来——机器开始在现实世界中理解、推理和行动。”此后，他将这个更广泛的机会描述为规模达数万亿美元，其中自动驾驶汽车是最早的大型应用之一。技术步骤是渐进的。特斯拉的全自动驾驶版本 12 于 2024 年在北美发布，用单个神经网络取代了大量手写规则，该神经网络拍摄摄像头图像并生成转向和制动命令。这一变化表明，统一的方法可以在大型车队中发挥作用。中国供应商和汽车制造商将在 2024 年和 2025 年推出类似的系统。这些早期版本使驾驶更加平稳并减少了某些故障，但当出现问题时仍然很难检查。随后有两个想法得到了广泛认可。其中一个增加了一层更广泛的理解，这样系统就可以像人一样解释场景——不仅识别行人，还识别运动背后可能的意图——并且在某些设计中，可以对口头目标做出反应。另一种通常称为世界模型，试图了解物理环境行为的基本规则。有了这些知识，汽车就可以对接下来几秒钟内可能发生的情况进行简短的内部模拟，并选择更安全的路径。到 2026 年，大多数领先项目已不再将这两种方法视为竞争对手。现在通常将了解现在和预测不久的将来结合起来。实际部署显示了实践中的变化。 Momenta 的 R7 系统将于 2026 年进入量产车，并已扩展到在苏州部分地区运营的无人驾驶包裹货车，包括夜间路线。公司材料表明，相同的核心模型根据超过 120 亿公里的实际驾驶数据进行训练，支持客运和送货车辆，而无需每条街道的详细预制地图。在 2026 年的一次重要计算机视觉会议上，小鹏描述了一个系统，该系统可以构建一个内部草图，显示在汽车进行机动之前交通可能如何演变。蔚来已在其大部分车队中推出了自己的预测模型的连续版本。华为的驾驶软件使用大型云系统生成困难的练习场景和较小的车载模型以进行实时决策。特斯拉继续扩展其统一网络，同时增加更多的推理能力和模拟闭环实践。竞争条件随着技术的发展而变化。早期的比赛重点关注传感器的数量、车内芯片的功率以及标记示例的数量。新比赛的重点是理解身体行为的核心模型的质量、用于训练模型的真实驾驶数据的多样性，以及可以演练罕见情况的数字练习环境的真实性。已经拥有大型车队的公司在数据方面拥有优势。资金雄厚的人可以购买更多的模拟能力和更多的计算能力来进行训练。较小的团队面临更陡峭的障碍。实际限制仍然很明显。即使是数百亿公里的实际驾驶，也无法很好地覆盖许多不寻常的情况。数字实践使可测试的场景数量成倍增加，但在模拟世界中学到的经验教训并不总是能完美地转移到混乱的公共道路上。这些模型还必须在量产车辆的功率和成本限制内快速高效地运行。随着系统变得越来越不透明，检查安全性变得更加困难。因此，关于物理人工智能公司和基础模型的公开讨论描述的不仅仅是成品。更高水平的自动化继续在精心定义或绘制的区域中扩展，但在开放道路上完全无人监督的驾驶仍然仅限于选定的试验。更深层次的变化是架构上的。一旦模型可以模拟物理后果，原则上相同的核心软件就可以支持驾驶、驾驶室功能以及后来处理物体的机器人。多家汽车制造商已经将驾驶、驾驶室和机器人研究团队紧密联系在一起