文章图片

MANA由TARS（数据原型系统）、LUCAS（数据泛化系统）、VENUS（数据可视化平台）、BASE（底层系统）四个子系统组成 。 顾维灏从感知、认知、标注、仿真、计算五大能力方面 ， 对MANA进行了介绍 。

文章图片

在感知能力方面 ， 针对目前毫末核心的感知设备车载摄像和激光雷达 ， 核心问题是如何让1+1实现大于等于4的效果 。 相较于过往标准的结果融合方法 ， 毫末采用了更高效的过程融合方法 ， 并加入时序的特征进行时空融合 ， 进而快速拉升感知能力 。

文章图片

认知能力层面 ， 顾维灏认为需要具备安全、舒适、高效三大要素 。 安全上 ， 毫末拥有全栈自研安全认知模型CSS ， 其核心是自动驾驶系统不只局限在从纯机械的角度保证自己不主动犯错 ， 而是充分考虑从数据中学习到的对其他交通参与者行为的理解和超时空的历史经验；在安全底线之上 ， 从数据中学习舒适和更高效的量化标准 ， 让自动驾驶算法可以更好的处理纷繁复杂的驾驶场景 ， 制定更符合用户喜好的驾驶策略 。 并且通过自动化场景挖掘、强化学习、仿真引擎构建认知智能闭环系统 ， 持续不断从海量人驾数据中提取知识 ， 快速迭代车端认知算法能力 。

文章图片

毫末正在研究一种端到端的模拟学习 ， 就是以过往的事例为指导 ， 从数字化的场景中得到具体的本车动作 。 这一过程中 ， 所有的动作都已经在人们自己开车的过程中自己被标注 。 而毫末则挑选更符合要求司机的驾驶行为 ， 在不同场景下持续的训练 。 同时 ， 毫末实践了很多深度强化学习的方法 ， 并构建了闭环自动标注系统 ， 运用了无监督自动标注算法 ， 大大提升了数据标注的效率 ， 以适应大规模量产的需求 。

文章图片

仿真能力层面 ， 毫末把仿真系统比作“自动驾驶元宇宙” ， 通过在这个“元宇宙”中进行感知和认知的效果验证 ， 效率被大大提高 。
最后 ， 在计算能力层面 ， 顾维灏判断未来在智能汽车的推动下 ， 人类记录的数据正在从文本向图像转变 ， 图像的存储和计算规模将占据主导 ， 由此对存储和计算将带来新的革命 。 顾维灏在现场宣布 ， 毫末MANA超算中心正在筹备中 ， 主要用于自动驾驶的数据处理、训练、推理和验证等需求 ， 中国自动驾驶进入超算中心时代 。

文章图片

One more thing：毫末城市NOH 2022年上市
MANA是所有毫末能力进化的核心动力 。 通过MANA打造的超级能力 ， 毫末的自动驾驶产品正在变得更加强大和领先 。 顾维灏表示 ， 2022年年中 ， 毫末辅助驾驶系统HPilot即将推出“城市NOH”这一全新功能 ， 使用届时全球最大算力的辅助驾驶域控制器小魔盒3.0 ， 并针对城市多样、复杂的路况进行专项优化 ， 具备更快、更及时的感知能力和响应能力 。 HAOMO AI DAY现场还展示了目前毫末城市NOH车辆路测视频 ， 其中展示了如红绿灯识别、避让路口加塞车辆、避让调头车辆、自动通过待转区、导航变道、避让横穿行人、驶入驶出环岛、路口无保护左转等诸多面对市区复杂交通环境的便捷功能 。