让AI首先学会害怕，然后让方向盘紧紧

Yuanrong Qixing将开发VLA模型，并以无土地的智能驾驶开始了“疯狂的冒险”。从概念到实施，他们都坚持不懈地解释自己的技术信念，从而使智能驾驶从“实施”转变为“思考”。突破：从混乱到街道，在2024年6月的一个炎热的下午签署了“理解”世界，Zhou guang带了测试车通过公司附近的交通信号灯。无法迹象的交通迹象，促使车辆会向左转，而不会由灯光控制，并且测试车停了下来，等待红灯变成绿色。那一刻，他凝视着车辆不断放松在后玻璃上，并意识到人类驾驶员可以立即理解三个场景，但是即使是当时最接近人类驾驶能力的端到端模型也无法通过，因为他无法理解文本标志。这个问题在他的脑海中种了种子。在随后的内部会议，他和研发团队多次提出了这个问题。同时，Yuanrong Qixing探索了通用人工智能的多元化路径。 VLA的原型出生于Roadagi实验室。它能够理解环境语义，并可以完成简单的任务，例如选择和下降项目以及避免障碍。在演示演示中，周光发现，该模型本来可以独立采取基于环境驾驶的行动来解释复杂道路条件的行动。不同之处在于它将了解语义信息。它给了他很多灵感，好像最后一个密码锁定装备的捏合在腐烂，而思考的迷宫是通过爆炸打开的。随着大型语言模型（例如Chatgpt）的爆发，周期和他的团队更加具体：当端到端模型被困在此阶段的Corner Quagmire案例中时，包括语言Heacha的VLANding可能会打开一个新的频道 - 这不是一个简单的技术叠加，而是允许机器“理解”物理世界。 2024年9月，Yuanrong Qixing将VLA车型升级为研发级项目。在技术发展浪潮中，时间通常很重要，这是一个预测行业的“技术赌博”。 Pinuno不在等待“风”，而是在提前看到风向。作为人工智能业务，Yuanrong Qixing始终认为AI技术将重新建立生产力关系并领导第四次工业革命。在源自AI衍生的众多应用中，Yuanrong Qixing选择了明智的驾驶，因为它可能打破了数字和物理世界的障碍。随着帮助驾驶技术的大规模应用，Yuanrong Qixing创建的基本模型将使用驾驶行为与物理世界进行深入互动，然后深入了解其运营规则。我f这是一种“无形”解决方案，端到端模型或VLA模型，Yuanrong Qixing始终解决了围绕AI技术的问题。但是最困难的事情绝不是技术本身，而是找到通往任何人土地的正确途径。 VLA模型的出现使智能驾驶可以从“执行”转向“思想家” - 它开始理解“为什么要这样驾驶”，而不仅仅是“如何驾驶”。这是VLA模型的优势，也是研发道路的开始。突破性：确定在确定新技术方向时确定荆棘中的“安全”边界，所有人都很兴奋，并希望作为行业技术的领导者，这是第一个开发更好的智能驾驶解决方案的人。但是当我开始这样做时，这是很多困难。一方面，VLA在明智的驾驶领域几乎没有研究和应用，并且没有专业知识托盘，R＆D人员将需要阅读许多材料并逐渐探索它。另一方面手，公司面临客户大众劳动的压力，该系列的基本资源往往是大规模的项目，而新技术的效果不确定，VLA R＆D只能保守和发展缓慢。起初，我们都对VLA语言才华着迷。产品经理Shi Jie记得。 VLA模型对文本和OCR识别功能有深刻的了解，并且团队投入了大量精力来克服场景，以理解诸如水道，可变线路和等待移动前提之类的文本。当汽车测试成功地通过标志“车辆没有由灯光控制”时，与everyone混淆，并给出了文字来解释驾驶决策的过程，在此阶段，人们感到兴奋，解决了端到端系统的“黑匣子”问题，并通过思考用户的信心（COT）来实现透明的推理（COT），从而解决。同时，VLA模型在互联网上学习了很多知识，并且可以处理许多角落案例，例如识别多余的小型货车，道路轮胎等；它还可以通过交互式控制实时控制车辆。但是，令人兴奋的场景改变了每个人对VLA的期望。测试车即将在桥孔中左转，但看不到车辆。测试车以恒定的速度向前移动，突然，一名外卖骑手急忙迫使车辆被迫。所有在Sasi都感到震惊。每个人都反映出，如果一个老驾驶员开车，他肯定会提前在桥梁隧道的盲区中缓慢，以避免风险。它提醒大家，安全是帮助驾驶的生命线。用户需要的是一个真正的安全辅助驾驶系统，可以积极预测和避免风险，这比“语音联系”更为重要。整个情况的高级语义推理是端到端系统的目前，但是VLA更好。目前，“防御驾驶”已成为VLA模型演变的主要方向。技术可以继续破坏极限，但安全始终是我们的底线。凭借安全性，效率和舒适性，我们努力在Makagawa找到平衡，以帮助用户在一天至一天的旅行中使用一种方式。研发的方式也充满了技术突破，VLA模型R＆D Xiao Yi探索。 VLA模型的研究和开发应经过诸如建筑设计，数据探索和规模，模型验证，扩展和恒定重复等过程。在建筑设计期间，小伊最初计划用云进行推理，在云中放置大型语言模型，然后将数据传递回车辆的车辆控制，但是从实际车辆到云到车辆末端的延迟是巨大的，因为车辆速度为60公里/小时。识别延迟需要2S，当云的结果为obAIND，车辆向前行驶33米。在此期间，实际的道路状况改变了。对于需要及时响应的情况，驾驶安全是一个高度威胁。一个月后，研发团队向云推理投降，并在当地部署了该模型。对于车辆结束计算的有限强度，车辆结束车辆的扩展为型号设计，型号的速度和部署部署带来了新的挑战。研发团队压缩词汇，修剪和加速模型，与此同时，Yuanrong Qixing推理团队已经完成了许多操作员的优化，内存优化和对VLA型号的新功能硬件改编，最终使VLA在车辆的范围内。当然，还有另一个更大的挑战。数据是所有AI模型的基础。大型高质量数据是VLA模型的领先优先数据。这取决于注释，高度无效。洛杉矶ter，xiao yi通过大型模型自动标记了数据，该模型解决了数据量表标签的问题。目前，Yuanrong Qixing也达到了十亿个剪辑的数据量表。现在，该行业正在追逐大型模型，但真正稀缺的是了解驾驶员的本质。周光强调了团队。当该行业忙于将更多的语料库加载到系统中时，Yuanrong Qixing的VLA正在深入研究如何在不完美的人类驾驶环境中做出最安全的决定 - 这是AI驱动程序的灵魂。开创性：今年朝着更安全的AI时期，配备Yuanrong Qixing VLA车型的5辆车将成为Main，而第一辆汽车将于8月在路上。 “对于VLA，我希望将其应用于Robotaxi，成为一个真正的AI驱动程序，允许用户在安静的环境中直接在这里进行交流。它不仅可以响应说明，而且可以积极保护安全。”周广说。在VLA模型的重复和应用中，我们希望它不仅将成为用户的“ AI驱动程序”，而且还可以促进整个行业朝着更安全，更清晰的智能驾驶期迈进。使每次旅行更安全，舒适。 VLA的研发是对Yuanrong技术的信念的缩影。很难成为追随者，但这是值得的。 Yuan Rong Qixing穿越工业发展的风暴，知道VLA是旅行锚的临时点。通过Wayonly将技术的研发用作镇流器，我们可以控制空气和海浪中的空气体，然后航行到人类智慧的深处。将来，Yuanrong Qixing将不仅限于自动携带者，并专注于培训更先进的AI模型，以增强许多代理商的能力，以实现任何点对点的移动能力。首先，实现Roadagi（公路通用人工智能），并最终朝着通用人工智能迈进，并热烈地熟练人类产品的奇异性我的性。