scripod.com

96. 和郎咸朋聊,自动驾驶 10 年演进史、关键技术细节和特斯拉

本期播客聚焦于自动驾驶技术的十年发展历程,通过与理想汽车自动驾驶研发副总裁郎咸朋的对话,深入探讨了从早期依赖高精地图和激光雷达到如今 BEV + Transformer 架构的应用转变。同时,节目还分析了特斯拉作为行业标杆的技术路径选择及其对行业的深远影响。
自动驾驶技术经历了显著演变,早期依赖昂贵传感器和高精地图,成本极高,百度一辆车曾高达 500 万人民币。随着 Tesla 引入纯视觉方案和自研芯片,大幅降低成本并提升效率。嘉宾对比了激光雷达与摄像头解决方案的优劣,并指出端到端学习和强化学习是未来方向。郎咸朋强调 L3 并非 L2 的简单延续,而是接近 L4 能力的关键阶段,需通过 MPI 等指标优化用户体验。此外,理想汽车通过大模型思路减少代码量,加速技术突破,尽管面临内部压力和挑战,但李想的严格要求推动团队不断进步。最后,讨论了基座模型和多模态数据的重要性,为自动驾驶的未来发展指明方向。
00:02
00:02
自动驾驶技术的核心在于 BEV + Transformer 架构的实际应用
04:17
04:17
Tesla 率先采用纯视觉方案放弃高精地图和激光雷达
10:10
10:10
BEV 结合 Transformer 成为替代传统方案的关键技术
12:07
12:07
激光雷达成本极高,每台可达五六十万人民币
14:28
14:28
自主研发芯片是降低成本和提高性能的关键
19:20
19:20
特斯拉采用强化学习优化自动驾驶算法
21:18
21:18
BEV 算法核心思想类似原子弹能量方程基础思想
25:06
25:06
摄像头的图像分辨率可达 800 万像素,远超激光雷达。
35:59
35:59
自动驾驶系统需通过强化学习实现自我优化
41:14
41:14
数据的独特性无法通过外部获取
1:13:57
1:13:57
端到端模型通过 Camera 解决方案和 BEV + Transformer 架构实现更直接的驾驶决策
1:22:31
1:22:31
理想汽车在端到端模型上取得突破性进展
1:27:57
1:27:57
通过纯数据驱动方法实现代码量大幅减少
1:33:48
1:33:48
团队决定自主研发自动驾驶技术,并排除不支持的声音
1:45:47
1:45:47
专属基座模型是实现长远发展的关键