2022年12月16 —17日，由合肥市人民政府和中国电动汽车百人会联合主办的2022全球智能汽车产业峰会在安徽合肥举行，由安徽省发改委指导本届论坛围绕智能汽车发展的全球新变革与新战略主题，设置了五场主题论坛和两场闭门会议，与行业组织，高校，龙头企业代表共同探讨中国智能汽车发展新路径
其中，在12月17日举办的生态论坛上，mimo智行的数据智能科学家何翔发表了精彩演讲。以下为现场演讲实录:
大家好，我是数据智能科学家何翔感谢电动汽车100委员会的邀请今天和大家分享mimo智行与智能驾驶的3.0时代
2022年全球智能汽车市场的发展趋势有两个关键词，规模和速度从规模来看，中国在全球智能汽车市场的份额已经达到57%速度方面，中国智能汽车市场渗透率为26%，mimo智行预计到2025年中国高级辅助驾驶搭载率将超过70%无论从规模还是速度来看，汽车的智能化，尤其是智能驾驶已经成为这一轮市场爆发的关键点，中国市场已经成为全球智能汽车销售的主战场
mimo智行自成立以来，提出了自动驾驶发展的三大定律:从低速到高速，从载货到载人，从商用到民用米之星一直坚定地走可行，可靠，商业化的渐进落地路线，以风车战略为核心，一步一个脚印长期以来，自动驾驶存在渐进式和跨越式的路线之争基于真实用户使用数据的渐进式路线是自动驾驶的最佳路线因为时间的原因，渐进路线量产时间更早，从规模上看，渐进路线更容易实现量产，从数据上看，递进路线是真实行驶数据，成本低，质量高
莫志兴一直坚定地走渐进式的发展路线我们认为辅助驾驶是自由驾驶的唯一途径我们必须通过大规模的量产车，以更低的成本获得更大规模，更多场景的高质量数据，进而以数据驱动的方式推动智能驾驶的双向循环数据驱动让自动驾驶真正走向成熟2021年，mimo智行获得中国量产车自动驾驶第一称号到目前为止，它已经搭载了近20款车型在末端物流自动配送车领域，mimo发布的scooter 2.0是业内首款面向商用市场的10万元配送车，有效推动了行业大规模商用的进程经过三年的发展，基于量产车的规模优势，目前终端用户辅助自动驾驶里程接近2400万公里，终端物流自动配送也完成了超过12万单
米之星的数据规模和多样性都在快速增长我们有mana，国内第一个自动驾驶数据智能系统，已经完成了数据闭环的构建mana的学习时间超过40万小时，相当于人类在虚拟世界中4.8万年的驾驶经验
过去十年，自动驾驶的基础技术发生了很多变化，比如大计算能力芯片，从2t增加到1000t，计算能力提升了500倍，伴随着大模型的出现，变压器大模型的参数数量增加了1000倍，达到数千亿甚至数万亿，摄像头数量从100万像素增加到1500万像素，摄像头数量增加8个，数据规模增长120倍。
莫志兴认为，在感知技术已经先进到这样一种能力的前提下，自动驾驶的实现方式也会发生变化我们最近十年的自动驾驶技术分为三个阶段最早的硬件驱动模式被称为自动驾驶1.0时代，近几年的软件驱动模式被称为自动驾驶2.0时代，即将到来的数据驱动模式被称为自动驾驶3.0时代1.0时代主要依靠激光雷达，成本高，里程少，100万公里左右2.0时代，ai被广泛应用于汽车当时主要是基于小模型，小数据，自动驾驶里程达到了几千万公里进入数据驱动的3.0时代，我们所做的一切都是为了更高效地获取数据，将数据转化为知识从小模型，小数据到大模型，大数据，辅助驾驶里程需要超过1亿公里
如果你关注过mimo智行的成长历程，你会发现mimo智行一直在为智能驾驶3.0时代做准备在感知，认知，模式识别方面，以数据驱动的方式冲刺自动驾驶3.0时代
我们可以通过几个例子来看看mana这个微小的数据情报系统在感知方向上的演变在城市场景中，红绿灯是最常见的场景，但是红绿灯的识别却是一个非常具有挑战性的内容主要难点包括:第一，由于其体积小，是典型的小目标检测问题，二是状态动态变化，比如眨眼，三是不规范，有横的，竖的，单的，三的，五的，各种带倒计时的，第四，每个灯负责哪条路，哪条车道在过去，高精度地图用于解决小范围内的一些问题没有高精地图怎么办有没有更通用的pg麻将胡了模拟器的解决方案这个问题分两步第一步，数据的获取需要依靠大量的数据进行训练除了大规模的真实数据，还引入了数据增强，获得了大量不同光照，不同背景的合成数据，弥补了样本的不足我们使用混合迁移训练的方法来减少核心数据和真实数据在特征空间中概率分布的差异，使两个数据的分布更加接近其次，针对红灯的识别和道路绑定，设计了交通信号灯检测和道路绑定的双向感知模型首先检测交通信号灯，输出交通信号灯的颜色，形状，方位等信息然后，通过卷积神经网络得到交通灯位置的概率图，再利用空间注意机制将两者结合起来，输入道路绑定的交通灯通信状态基于这个方法，我们做了大量的测试，在不同的城市，不同的距离，不同的方向，不同的光照条件下，都能准确的识别出来
除了红绿灯，城市道路感知的另一个复杂问题是车道线识别2021年，mimo智行全面推出变压器法，引领技术潮流根据我们自己的业务特点，我们设计了bev变压器来识别车道线首先提取图像特征，然后进行bev映射通过多重交叉注意形成一个完整的bev空间，并加入时间序列特征来改善效果
实现效果如何车道感知表现出非常强的优势，3d投影减少了车道线的抖动面对复杂的城市路面，它在纵向误差方面表现更好，对路面起伏更具鲁棒性多摄像头辅助扩大了探测视野，反应更快
最后，我们来思考一下在漫长的历史场合中，人类一直希望能够智能移动从南方指南车到木牛马，再到达芬奇画的无人自动驾驶汽车，都是这种欲望的体现汽车行业正在为这个目标努力基于深度学习的自动驾驶技术掀起了汽车行业的智能化革命在这场革命中，中国的研究者和实践者不仅姗姗来迟，而且始终走在世界前列这是一场决定未来几十年产业升级的革命在这个时代，mimo智行有幸演绎了mimo的故事
非常感谢大家！
。
