文/周雄飛

如何讓自動駕駛算法，實現(xiàn)人類大腦的工作效率？

這一課題，一直都是自動駕駛行業(yè)探索的重要領域。因為就目前來看，大多數(shù)的自動駕駛算法模型，以及引得全行業(yè)追逐的端到端模型，都是基于海量數(shù)據(jù)訓練和調優(yōu)實現(xiàn)的，由此在業(yè)內看來，現(xiàn)階段自動駕駛行業(yè)，是處于數(shù)據(jù)驅動的時代。

但與此同時，數(shù)據(jù)驅動也存在著諸多的問題。就比如隨著對端到端技術的研究和應用走向更加深入，對于數(shù)據(jù)質量的要求變得越來越高，以及還存在泛化性能不足和效率不高等問題，更為重要的是，在應對一些Corner cases時不如人類大腦的反應速度。

在這樣的行業(yè)背景下，以Nullmax為代表的一些自動駕駛企業(yè)們也提出了創(chuàng)新性的思考。

這兩天，Nullmax舉辦了主題為“AI無止境，智變新開端”的技術發(fā)布會，正式推出了最新的自動駕駛技術——Nullmax Intelligence(以下簡稱NI)，是一套基于端到端技術架構的技術，包含多模態(tài)大模型和安全類腦的神經網(wǎng)絡。

圖源Nullmax

基于多模態(tài)大模型，NI可實現(xiàn)對聲音、文本和手勢等眾多信息輸入的支持，輸出端則支持包括文本、運動軌跡等可視化結果信息；此外，NI還引入了規(guī)模對應斑馬魚的神經網(wǎng)絡，換句話說就是把類腦的神經網(wǎng)絡引入自動駕駛架構，讓腦科學與自動駕駛實現(xiàn)結合。

湊巧的是，作為特斯拉掌門人的埃隆·馬斯克，通過布局腦機接口公司Neuralink，也算同時布局自動駕駛和腦科學兩大領域的企業(yè)家，只不過目前這兩項業(yè)務并沒有完全融合起來，這意味著Nullmax或許比馬斯克更進一步。

如今，Nullmax發(fā)布Nullmax Intelligence，在業(yè)內看來Nullmax試圖解決以上這些行業(yè)問題的同時，也為整個自動駕駛行業(yè)向智能驅動進化帶來了新的啟發(fā)。

01、讓自動駕駛行業(yè)向智能驅動進化

“自動駕駛技術，需要更聰明和更擬人。”

在發(fā)布會上，Nullmax創(chuàng)始人兼CEO徐雷說出了他對自動駕駛技術的看法，為了做到這一目標，他在NI架構中引入了多模態(tài)大模型和安全類腦的概念。

先來看多模態(tài)大模型，區(qū)別于只支持輸入視頻信號的大模型，NI基于參數(shù)量達到十億級別的多模態(tài)大模型，可支持視頻、聲音、文本以及手勢等多種信號的輸入。

翻譯一下，NI除了能識別攝像頭采集的諸多視頻信號之外，還能“聽懂”和“看懂”環(huán)境中出現(xiàn)的聲音和文本信息，以及交警的手勢信息等等，以便做到“眼觀六路，耳聽八方”的目標。

輸入端輸入這些信息后，NI端到端架構的輸出端就會輸出包括人機交互畫面（HMI）、場景描述和運動軌跡等可視化結果。

NI架構圖示，圖源Nullmax

對于為何會輸出這么多可視化結果的原因，徐雷向飛說智行解釋為“要讓端到端模型具備可解釋性，讓其不再是一個‘黑箱’”。

一直以來，端到端架構“黑箱”問題一直困擾著自動駕駛行業(yè)，對此也有英國自動駕駛企業(yè)Wayve，國內自動駕駛企業(yè)毫末智行等企業(yè)，試圖引入LLM大語言模型和VLM視覺語言模型來解決這一問題。

但就在之后的實踐中，行業(yè)也發(fā)現(xiàn)LLM存在一定幻覺的問題。就比如毫末智行CEO顧維灝認為，LLM存在較為嚴重的幻覺，來指導自動駕駛算法有較大的風險。

或許Nullmax看到了這一風險，由此在基于LLM給出場景描述的同時，NI還會輸出人機交互畫面（HMI）和車輛運動軌跡等可視化結果，以便達到交叉驗證和干涉調整的目的，從而打破端到端“黑箱”問題。

如果以上過程屬于NI輸出結果后的一級仲裁，那么Nullmax還在此基礎上加入了“安全類腦”架構和一級仲裁結果并行的二級仲裁。

圖源Nullmax

所謂“安全類腦”，按照徐雷對飛說智行的解釋，參考了斑馬魚腦部神經網(wǎng)絡，搭建了一個參數(shù)量為十萬量級的神經網(wǎng)絡，以便讓自動駕駛算法具備“趨利避害”的生物本能，能夠根據(jù)環(huán)境情況作出反應，從而實現(xiàn)更高程度的安全、智能、自由。

其實，把類腦神經網(wǎng)絡引入自動駕駛算法中，除了Nullmax之外，在學術界也有嘗試。

2020年，奧地利科技學院（IST Austria）、維也納工業(yè)大學（TU Wien）和麻省理工學院（MIT）三所高校，由于受到線蟲等小型動物大腦的啟發(fā)，把類腦神經元引入至自動駕駛算法中，從而讓其控制車輛。

在該項目負責人Radu Grosu教授看來，由于少量神經元的參與，自動駕駛網(wǎng)絡不再是深度學習的“黑箱”，研究者可以知道每個網(wǎng)絡運行的情況，這項研究也刊登在當年的《自然-機器智能》期刊中。這應該也是徐雷認為NI端到端架構不再是“黑箱”的原因所在。

Radu Grosu等人提出的新架構，圖源《Neural circuit policies en

雖然Radu Grosu等人的研究面世早于Nullmax，但從產業(yè)落地和量產交付方面，后者走在了自動駕駛行業(yè)的前端。按照徐雷透露，NI架構預計會在明年初上車落地，由此自動駕駛行業(yè)有望進入智能驅動的時代。

但對于Nullmax來說，野心不止于此。

02、不止于ADAS，還有運貨和具身智能

高開放性和高適用性，是Nullmax智能駕駛方案最明顯的標簽。

按照Nullmax此次發(fā)布的方案來看，主要分為以下三種：

（1）僅搭載1顆攝像頭的1V方案，基于一顆來自TI的2 TOPS算力芯片，可實現(xiàn)基礎的L2級別輔助駕駛；

（2）搭載5-6顆攝像頭，基于8 TOPS的算力芯片，實現(xiàn)包括高速NOA、記憶泊車等智能輔助駕駛能力，且在泊車過程中可檢測障礙物。

（3）搭載11顆攝像頭，實現(xiàn)L2+高階智駕的能力。

基于這低中高三大方案，可以看到Nullmax的智駕方案，可以實現(xiàn)適配不同硬件和算力的配置，同時根據(jù)徐雷的介紹，他們的智駕方案還可以適配不同車企旗下的不同車型產品，從而滿足不同車企客戶需求的目的。

Nullmax低中高三大方案，圖源Nullmax

按照Nullmax的計劃，未來基于智能驅動的智駕方案，可以實現(xiàn)以小于100 TOPS的稀疏算力，實現(xiàn)全場景NOA；也能實現(xiàn)對2 TOPS-2000 TOPS算力區(qū)間方案的全覆蓋。

Nullmax能實現(xiàn)這些，得益于他們對于軟件平臺化的布局。簡單說，通過多模態(tài)輸入token化、多模態(tài)模型推理和自動駕駛功能集成這三個環(huán)節(jié)進行抽象，再加上自研中間件MaxOS平臺，從而可以讓整體算法適配不同車型的傳感器搭載和不同算力的芯片，且易于部署。

除了開放性和適用性之外，智駕方案的成本是否具有優(yōu)勢，也已成為行業(yè)和車企們重點關注的方面。

按照Nullmax官方的介紹，他們的智駕方案成本已低至千元級級別，具備行業(yè)優(yōu)勢。一方面的原因是因為采用了純視覺、真無圖的技術路線，不依賴高精地圖、輕地圖、低精地圖、眾包地圖等資源，從而降低了成本。

另一方面，Nullmax也降低了算法訓練的成本和提高了訓練的效率，這是基于他們構建的數(shù)據(jù)和算法平臺——基石架構。除了利用真實路測數(shù)據(jù)之外，基于這一架構，還能通過AIGC方式生成高質量虛擬數(shù)據(jù)，推動算法的迭代。

相比于真實數(shù)據(jù)，虛擬數(shù)據(jù)在成本方面可大幅降低，與此同時還提升了算法仿真訓練的效率。

基石架構，圖源Nullmax

依靠以上這樣高開放性和高適配性、以及高性價比的智駕方案能力，Nullmax目前已收獲眾多合作伙伴，包括奇瑞、上汽、比亞迪、長城和福特等頭部車企，以及德賽西威、黑芝麻等上下游生態(tài)伙伴。

在提出智能驅動的背景下，除了乘用車ADAS之外，Nullmax還想把版圖擴展到更多的領域。

按照他們的展望，在推動全場景的載人和運貨應用，實現(xiàn)真正有價值的大范圍無人駕駛的同時，還能復用成套的AI技術能力，開拓更廣闊的具身智能應用。

這也意味著，Nullmax此次推出Nullmax Intelligence的同時，也邁出了奔向未來的一大步。

參考資料：

1、Mathias Lechner, Ramin Hasani, Alexander Amini.Neural circuit policies enabling auditable autonomy[C].Nature Machine Intelligence volume 2, pages642–652 (2020).