2014 年，國際汽車工程師協(xié)會建立了汽車自動駕駛分級框架，為自動駕駛技術(shù)的發(fā)展制定了行業(yè)標準路線圖。

自動駕駛分為五個等級： L1 級 (駕駛輔助)、 L2 級 (部分自動化)、L3 級 (特定條件自動化)、L4 級 (高度自動化)，以及 L5 級 (完全自動化)。

與界定這些級別相比，預(yù)測各級別何時能夠?qū)崿F(xiàn)則更為困難。這種不確定性引發(fā)了全行業(yè)的期待，似乎突破時刻總是近在眼前。

然而，近年來這一情況已發(fā)生顯著變化。過去三四年間，自動駕駛技術(shù)取得的進展甚至超過了之前十年的總和。本文將帶您了解推動這一飛速發(fā)展的最新技術(shù)突破。

什么是 L4 級自動駕駛？

L4 級自動駕駛是指車輛能夠在特定運行區(qū)域內(nèi)自主處理所有駕駛?cè)蝿?wù)，如某些特定城市或特定路線，無需任何人工干預(yù)。這一高度自動化級別借助了基礎(chǔ)模型、端到端架構(gòu)、推理模型等 AI 突破性技術(shù)，從而能夠從容應(yīng)對各種復(fù)雜場景。

如今，L4 級“高度自動化”正將自動駕駛愿景，一步步轉(zhuǎn)變?yōu)榭蓴U展、具有商業(yè)可行性的現(xiàn)實。

推動智能汽車發(fā)展的六項 AI 突破

當前，六項重大 AI 突破正匯聚合力，加速 L4 級自動駕駛的到來：

1. 基礎(chǔ)模型

基礎(chǔ)模型能夠調(diào)用整個互聯(lián)網(wǎng)的海量知識，而不僅依賴于智能汽車的專有數(shù)據(jù)。

這就好比人類在 18 歲學車時，已經(jīng)擁有了 18 年的世界認知經(jīng)驗。同理，基礎(chǔ)模型憑借廣泛的知識儲備，能夠基于對世界的普遍認知來理解異常場景并預(yù)測結(jié)果。

借助基礎(chǔ)模型，當車輛遇到從未遇到過的突發(fā)情況，比如道路上突然出現(xiàn)床墊、或者一個球滾入街道，它能夠借鑒從海量訓練數(shù)據(jù)集中學到的知識，進行推理并合理應(yīng)對。

2. 端到端架構(gòu)

傳統(tǒng)輔助駕駛系統(tǒng)采用獨立的感知、規(guī)劃和控制模塊，這種架構(gòu)在模塊間信息傳遞時容易造成信息丟失。

端到端輔助駕駛架構(gòu)則有望改變這一現(xiàn)狀。該架構(gòu)可通過單一神經(jīng)網(wǎng)絡(luò)直接將傳感器輸入的數(shù)據(jù)轉(zhuǎn)化為駕駛決策，始終保持上下文情境信息的連貫性。盡管端到端架構(gòu)的概念并非新提出，但架構(gòu)的進步和訓練方法的優(yōu)化，最終使其變得具備可行性，從而以更低的工程復(fù)雜度實現(xiàn)更優(yōu)的自主決策能力。

3. 推理模型

推理型視覺-語言-動作 (Reasoning VLA) 模型將多樣化的感知輸入、語言理解、動作生成能力與逐步推理過程相融合。這使其能夠像人類一樣解析復(fù)雜情境、評估多種可能結(jié)果并確定最佳行動方案。

基于推理模型的系統(tǒng)提供可解釋、分步式的決策過程，從而帶來更高的可靠性與性能。對于自動駕駛而言，這意味著系統(tǒng)能夠?qū)崟r標記異常決策模式，以實現(xiàn)安全監(jiān)測，并在事后調(diào)試中追溯車輛采取特定行動的原因。這既提升了智能汽車的性能，也增強了用戶信任。

4. 仿真技術(shù)

如果僅靠實際道路測試，要將一項駕駛策略在所有可能的駕駛場景中完成驗證，即便最終能夠?qū)崿F(xiàn)，也需耗費數(shù)十年時間。而仿真技術(shù)的引入，為這一難題提供了解決方案。

例如神經(jīng)重建等技術(shù)可基于真實世界的傳感器數(shù)據(jù)創(chuàng)建交互式仿真環(huán)境；而NVIDIA CosmosPredict 和 Transfer 等世界模型則能生成海量多樣的新場景，用于自動駕駛汽車的訓練和測試。

通過這些技術(shù)，開發(fā)者可通過文本指令生成新的天氣與路況，或改變光照、引入障礙物，從而模擬出全新場景，并在前所未有的環(huán)境下測試駕駛策略。

5. 算力

如果沒有充足的算力，上述所有技術(shù)進展都難以實現(xiàn)。NVIDIA DRIVE AGX和NVIDIA DGX平臺歷經(jīng)多次迭代，每一代設(shè)計都需要既滿足當今的 AI 工作負載需求，同時為未來數(shù)年的技術(shù)發(fā)展預(yù)留空間。

協(xié)同優(yōu)化也十分重要。技術(shù)設(shè)計需要具有前瞻性，預(yù)先考量下一代 AI 系統(tǒng)對算力的需求。

6. AI 安全

安全性是 L4 級自動駕駛的基石，其中可靠性是其區(qū)別于較低級別輔助駕駛的決定性特征。物理 AI 安全技術(shù)在近期取得了突破，通過在設(shè)計、部署和驗證階段引入安全防護機制，使基于 AI 的自動駕駛系統(tǒng)能夠?qū)崿F(xiàn)可信部署。

例如，NVIDIA 的安全架構(gòu)通過多樣且模塊化堆棧進行校驗，為端到端駕駛模型提供了安全護欄；而神經(jīng)重建技術(shù)的最新進展也大幅加速了系統(tǒng)驗證流程。

這些安全防護措施均已納入NVIDIA Halos綜合安全系統(tǒng)，該系統(tǒng)整合了 NVIDIA DRIVE 架構(gòu)，經(jīng)過安全認證的NVIDIA DriveOS操作系統(tǒng)，以及 AI 模型、硬件、軟件、工具與服務(wù)，旨在確保從云端到車端的輔助駕駛系統(tǒng)的安全開發(fā)與部署。NVIDIA 合作伙伴可根據(jù)需求選用單一組件或完整技術(shù)棧。

深遠意義：守護生命與節(jié)約資源

自動駕駛的意義遠不止于技術(shù)成就。提升車輛安全性不僅能挽救生命，更能節(jié)省資金和資源。L4 級自動駕駛可系統(tǒng)性地消除人為失誤，而絕大多數(shù)事故正是由人為失誤所引發(fā)。

作為一家提供從云端到車端的全棧式自動駕駛技術(shù)的公司，NVIDIA 正依托其已投產(chǎn)的 L2+ 技術(shù)棧基礎(chǔ)，助力更廣泛的汽車生態(tài)系統(tǒng)實現(xiàn) L4 級自動駕駛。

對自動駕駛至關(guān)重要的三臺 AI 計算機：

NVIDIA DGX平臺用于數(shù)據(jù)中心 AI 訓練

NVIDIA Omniverse與Cosmos仿真場景，并生成用于測試和驗證的合成數(shù)據(jù)

NVIDIA DRIVE AGX車載計算平臺用于實時處理車端傳感器數(shù)據(jù)

這些技術(shù)平臺共同構(gòu)成了一個涵蓋學習、測試和部署的反饋閉環(huán)，將安全置于核心地位的同時，持續(xù)加速創(chuàng)新周期。