GTM 2025 全球科技出行大会 | Nullmax 演绎大模型时代智驾进阶
在GTM 2025全球科技出行大会上,Nullmax副总裁张帆发表了关于智能驾驶技术演进的演讲。Nullmax提出从规则驱动、数据驱动向智能驱动跃迁的技术路线,通过构建3.0智能驾驶大模型,旨在突破视觉感知上限并解决长尾场景难题,加速智驾技术的普适化落地。
01技术架构演进:从规则到大模型的跃迁
| 技术阶段 | 核心特征 | 局限性 | 主要架构/模型 |
|---|---|---|---|
| 1.0 规则驱动 | 基于预设规则逻辑 | 存在“跷跷板”问题,复杂场景泛化能力受限 | 平台化 BEV-AI 架构 |
| 2.0 数据驱动 | 依赖数据训练优化 | 体验优化触及天花板 | BEV-AI 架构持续迭代 |
| 3.0 智能驱动 | 深度认知与生成能力 | 需持续数据闭环迭代 | 3.0 智能驾驶大模型 (NI) |
Nullmax 智驾技术三阶段演进对比
02核心技术架构与场景应用
Nullmax的技术基石为全栈自研的平台化BEV-AI架构,该架构通过传感器深度复用与芯片资源共享,实现了性能领先且易于部署的一体化量产方案。在此基础上,Nullmax推出了新一代端到端智驾技术 Nullmax Intelligence(NI),驱动3.0大模型落地。
- 行车场景:利用深度场景理解与推理能力,摆脱预设规则依赖,灵活应对复杂交通参与者意图,规划安全、舒适、拟人的行驶轨迹。
- 泊车场景(Max Parking):基于场景理解驱动,像经验丰富的驾驶员一样处理狭窄、异形车位,提升长尾适应能力。
03数据闭环体系与云端智能引擎
为支撑3.0模型的持续迭代,Nullmax构建了全生命周期数据闭环,利用场景自动生成、数据增强与自动标注系统以及云端虚拟引擎三大基石,解决长尾难题采集难与测试难的挑战。
- 1BEV-AI 架构
- 2Nullmax Intelligence (NI)
- 3Max Parking
- 4AUTO-GT 数据标注系统
- 5AI Agent Virtual Driver
该闭环体系通过“自主成长数据平台”获取高质量数据,应用AUTO-GT技术实现从“人工密集”到“智能生成”的转变。同时,基于AIGC生成逼真场景与障碍物数据,结合AI Agent Virtual Driver虚拟仿真引擎构建动态测试环境,大幅提升了复杂场景下的验证与迭代效率。
当前文章无评论,是时候发表评论了