機器之心發布

機器之心編輯部

(相關資料圖)

路特斯科技副總裁、路特斯機器人 CEO 李博為我們帶來了精彩演講。

7 月 8 日，在機器之心舉辦的 2023 WAIC AI 開發者論壇上，路特斯科技副總裁、路特斯機器人 CEO 李博發表了主題演講《ROBO GALAXY：大模型時代的智能駕駛生產力工廠》。他表示，路特斯機器人的使命是全面賦能機器人時代，而在當下這樣一個時間節點，智能車是機器人的第一形態。

以下是李博演講原文，機器之心在不改變其原意的基礎上進行了編輯：

智駕領域，模型正在相對變得更大，未來的趨勢是可以看到模型數量在減少，模型的規模的確是在變大。

今天帶來的是大模型時代的自動駕駛生產力工廠，我們認為在智駕新時代需要出現一套全新方法論。

首先介紹一下路特斯機器人，路特斯是一家有 75 年歷史的超級豪華跑車品牌，目前已經進入到高端家用車市場。2021 年 11 月，在路特斯旗下成立了路特斯機器人公司，核心使命就是全面賦能機器人時代。我們看到未來 AI 時代已經到來，AI 也有不同的呈現方式，有相對來說虛擬化的 AI，也有實體 AI，我們可以看到今天的會場里也有很多 AI 機器人。

AI 的實體化一定是以機器人的形式呈現在實體世界里面的，所以我們會把重心放在機器人時代。

機器人的第一形態是智能車

下面有一些我們的認知，其中最重要的一條認知就是，機器人的第一形態就是智能車，這也是我們會在智能車領域加強智駕方面實踐的根本原因。

目前，整個團隊布局在五個不同區域，包括中國上海、寧波、杭州以及歐洲法蘭克福。因為我們的產品要銷售到全球，所以我們的智駕團隊也部署在全球。

路特斯是一家充分有著向外賦能歷史的企業，比如之前曾經和特斯拉聯手打造了特斯拉第一臺電動超跑 Roadster。在新時代，路特斯機器人也承擔了類似任務 —— 在汽車行業全面賦能 AI 時代。目前我們有四條重要的產品線：

1、ROBO Soul，全新高階智能駕駛系統。

2、ROBO Galaxy，智能駕駛的云端數據工廠，也是全新的智駕生產力工具。

3、ROBO Matrix，智能駕駛運營系統。目前 AI 還是有很多缺陷，在我們可見的未來，如何通過人的輔助讓 AI 變得更完美，在用戶端讓 AI 更加接近 L4、L5 的狀態，我們就肯定需要一個遠程的駕艙系統。

4、ROBO VERSE，規劃控制算法比賽平臺，這是一個非營利性產品，對外提供一套相應的數據及工具鏈，進行數據賦能，讓院校、創業公司用最優質的數據進行相應的打靶、做算法的 PK。

智能時代的智駕云端數據工廠

今天主要介紹我們的第二個產品：ROBO Galaxy，我們稱之為智能時代的智能駕駛云端數據工廠。

目前智駕的研發還處于 1.0 時代，比如有很多工作需要人來手工完成，我們研發更像是手工作坊造衣服的階段。

路特斯預測，未來整套智能駕駛的軟件算法研發將會在云端數據閉環的工具鏈里面完成。那個時候我們才能叫做真正的智駕研發流水線時代。我們提供的就是這樣一套方法論和工具鏈，準確來說是一個 SaaS（software as a service），包含三朵云和七個核心模塊：

這七個模塊分布在 SaaS 層和 PaaS 層，SaaS 層有核心的六大應用模塊，PaaS 層主要進行數據管理。因為這套工具鏈最終需要對接到不同的云平臺上，包括阿里云、亞馬遜云，以及在具體工作中企業還會有很多私有化部署的需求，我們在 PaaS 層還做了統一數據管理的平臺。

智駕是如何用大模型來研發提速的

大家可以看到，整套數據閉環非常清晰，目前部分模塊已經應用了大模型方案在產品里面進行具體的落地。

1、數據采集

主要解決的問題有兩個方面，第一是數據采集的硬件設備，現在是和合作伙伴聯合研發；第二是數據采集之后要快速進入云平臺。大模型在這方面的應用已經初露端倪，和之前作一個對比的話，此前數據采集的過程中需要駕駛員、安全員、數據采集員，主要是完成數據打標簽的工作，比如甄別某一地點是不是十字路口、停車場等等，需要用人工的方法對相應的數據打標簽。采用大模型之后我們會通過圖生文的方式進行自動標簽，大大節約人力，進一步提升數據標簽的效率。

2、數據合規

主要是做數據脫敏，比如車輛車牌、人臉都需要進行大量的數據脫敏。目前我們還在用傳統模型解決這一塊的問題，效率還是比較高的，后面也不排除使用大模型提升精度的可能性。

3、數據標注

這一部分云端大模型起到了很多幫助，因為車端算力有限，不能進行非常大模型的部署，相比之下，在云端就可以進行相對大模型的部署，大大提升標注效率。通過大模型的自動化預標注，可以讓人工工作量減到 5% 左右，95% 的數據都可以通過自動化標注來完成。

4、數據訓練

主要提供了數據訓練的框架，目前已經可以支持多卡、多機同步進行訓練的調度功能。這部分我們深入進入到 PaaS 層，解決了很多 SaaS 層不能解決的問題。

我們通過自己的訓練平臺，我們在 Argoverse 里面拿到了多項第一名，而且我們在今年 2023 的人工智能模型上目前全球排名第四，我們爭取明年有更好的名次。

5、數據仿真

在數據仿真方面，路特斯機器人有很多大模型的應用，主要有 WorldSim 和 LogSim 兩種不同的仿真模式：WorldSim 是純粹虛擬化的世界進行仿真，LogSim 更多是把真實世界的數據采集之后進行仿真。

之前 WorldSim 和 LogSim 是兩種各自獨立的仿真模式，我們通過大模型的方式，把 LogSim 里面采集到的真實場景進行相應的理解，轉化成為 WorldSim 的場景，再通過 WorldSim 轉化出來的場景進行相應的泛化。這相當于把一個真實的場景轉化成多個虛擬的場景，然后進行更大量的仿真測試。

6、數據監控

這方面用的比較多傳統方法。不管是傳統方法還是 AI 方法，現在要解決智駕相應的問題，一定要確保整套數據鏈路包括車輛測試是可被控制、可被監控的。目前，我們在不停跑里程，在全國和全球的地圖上，我們可以看到所有道路的情況和覆蓋的程度，測試里程會隨著時間的推移而逐漸降低限度，通過這個工具鏈我們會知道哪里要重新測試，保證監測到所有道路測試限度的情況。

7、數據管理

不同的行駛數據，包括車端、云端，最終都會統一進入相應的數據庫，統一數據格式。這里面我們也會和中間件的合作伙伴一起開發，在車和中間件里面植入標準格式的數據庫形式，進行相應的數據回傳。

目前大模型在智駕領域的應用才剛剛開始，構造與 ChatGPT 同等水平的自動駕駛大模型還有很長的路要走。李博在演講最后表示，希望智駕行業的伙伴和專注在 AGI 行業的技術同仁能夠共同合作。在智駕行業我們希望有更多的伙伴，我們能夠為其賦能，我們也希望引入更多全新的 AGI 技術到我們的 SaaS 工具里面來。

正值 IAA MOBILITY 2023（ IAA 慕尼黑國際車展）之際，路特斯機器人也正將這套為未來打造的智駕工具帶向世界舞臺。