卡卡奥出行自动驾驶开发团队AI驾驶部分负责人林仁浩（左），卡卡奥出行自动驾驶事业团队负责人金敏善（右）在9日于首尔瑞草区韩国汽车出行产业协会举行的卡卡奥出行自动驾驶研究会上进行问答。[照片=安信惠记者]
“在复杂的道路上经历各种突发情况，比在简单的道路上长时间行驶更能提升自动驾驶AI的性能。”
林仁浩在9日于首尔瑞草区韩国汽车出行产业协会举行的卡卡奥出行自动驾驶研究会上表示，计划年内引入一种从传感器输入到驾驶控制的端到端（E2E）模型。
在江南地区积累数据的原因在于复杂的道路环境。由于经常出现难以预测的情况，这为自动驾驶AI学习稀缺的边缘案例提供了有利条件。
卡卡奥出行计划基于这些数据推进年内E2E模型的引入。与传统方法将传感器信息分为感知、判断、控制阶段不同，E2E模型将从传感器输入到车辆控制全部交由一个AI模型处理。
林负责人表示：“这将减少中间阶段发生的错误，使得能够综合判断整个驾驶情况。”
不过，卡卡奥出行并不打算完全依赖AI进行车辆控制。E2E模型的判断不会直接反映到车辆控制上，而是设立一个基于规则的“安全评估器”。这种方式是对E2E模型选择的行驶路径进行交通法规、车辆物理条件和安全标准等的再次验证，确保必须遵守的规则，如儿童保护区的限速或交叉口的停车，优先于AI的判断。
卡卡奥出行强调，影响E2E性能的关键在于如何高效筛选“困难数据”，而非数据量的多少。
车辆收集的行驶数据上传至服务器后，AI会筛选出非法掉头、突发施工、插队等学习价值高的边缘案例，并通过基于AI的自动标注，将车辆和行人等周围对象信息加工成可学习的形式。随后，利用视觉语言模型（VLM）等进行数据挖掘，分析和分类天气、时间段、道路结构、车辆运动等行驶情况，再与现有数据一起投入AI模型学习。
过去由人工直接查看行驶视频的数据筛选工作也引入了AI。AI在数十分钟内分析上传的行驶数据，找出学习所需的情况，并再次用于模型学习。
为了将行驶技术与实际无人工驾驶服务连接，卡卡奥出行也在构建平台和监控系统。基于卡卡奥T，不仅管理自动驾驶车辆的呼叫和调度，还管理每辆车的行驶区域和适合的行驶路线，通过24小时监控实时确认车辆、乘客和道路情况。在没有驾驶员的情况下，平台和监控将代替原有司机负责上下车点管理和目的地变更等工作。
基于VLM的监控和远程支持功能目前正在开发和测试中。远程支持不是由监控人员直接操控车辆，而是在施工或道路管制等突发情况下，将必要信息传达给车辆，最终的行驶判断和控制由车辆的AI执行。
卡卡奥出行计划在充分验证安全性后，逐步扩大江南自动驾驶服务的车辆数量、运行时间和区域。
※ 本报道经人工智能（AI）系统翻译与编辑。
评论 (0)