2023年4月的第八屆 HAOMO AI DAY 上，基于 GPT 大模型所具有的生成式預(yù)訓(xùn)練、人類反饋強(qiáng)化學(xué)習(xí)(RLHF)等技術(shù)優(yōu)勢，毫末發(fā)布了行業(yè)首個自動駕駛生成式大模型 DriveGPT 雪湖·海若。

　　毫末 DriveGPT 底層模型同樣是采用 GPT 這種生成式預(yù)訓(xùn)練大模型技術(shù)，首先會通過引入大規(guī)模駕駛數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，再通過使用獎勵模型(Reward Model)與RLHF(人類反饋強(qiáng)化學(xué)習(xí))技術(shù)對人駕數(shù)據(jù)進(jìn)行強(qiáng)化學(xué)習(xí)，對自動駕駛認(rèn)知決策模型進(jìn)行持續(xù)優(yōu)化。

　　目前，毫末 DriveGPT 采用了 Decoder-only 模型架構(gòu)，參數(shù)規(guī)模達(dá)到1200億，預(yù)訓(xùn)練階段引入4700多萬公里量產(chǎn)車駕駛數(shù)據(jù)，RLHF 階段引入5萬段人工精選的困難場景接管 Clips。同時，毫末正在將感知能力融入到 DriveGPT 大模型訓(xùn)練當(dāng)中，形成一整套的端到端自動駕駛能力模型。DriveGPT 也將具備道路駕駛場景的理解和識別、道路駕駛場景的重建與生成，以及智能駕駛輔助、駕駛能力測評等能力。

　　在場景理解能力上， DriveGPT 可基于多模態(tài)理解能力，具備對話式文搜圖能力。在場景識別能力上，可實現(xiàn)對單幀圖片、環(huán)視 Bundle、4D Clips 自動化標(biāo)注?；诤聊?DriveGPT 所建立的 4D Clips 駕駛場景識別方案，可以使得單張圖片的標(biāo)注成本降到0.5元，是目前行業(yè)平均成本的1/10。在場景重建能力上，可實現(xiàn)對單趟或多趟視頻的純視覺 NeRF 三維重建。DriveGPT 在感知數(shù)據(jù)生成方面，可實現(xiàn)不同場景的感知數(shù)據(jù)生成和障礙物、交通元素編輯，同時在認(rèn)知數(shù)據(jù)生成上，可以生成各類接管場景的駕駛決策真值。

　　在云端駕駛決策測評上，DriveGPT 本身的駕駛水平非常高，可以在云端通過大模型輸出駕駛決策真值，來對比車端小模型的駕駛效果，實現(xiàn)大規(guī)模云端自動化測評，形成一種“Teacher-Student”模式。在多智能體仿真能力上，由于 DriveGPT 具備很強(qiáng)的自主化能力，相當(dāng)于一個獨立智能體，通過在駕駛仿真場景中布置多個智能體，可以模擬非常復(fù)雜的真實交通場景，針對復(fù)雜場景的多車交互與博弈，能給出更真實、更有效的測評結(jié)論。

　　在毫末看來，毫末 DriveGPT 大模型技術(shù)將使得自動駕駛技術(shù)產(chǎn)生質(zhì)的飛躍，成為實現(xiàn)真正無人駕駛的全新技術(shù)路線。顧維灝表示，DriveGPT 的訓(xùn)練成果距離最終的產(chǎn)品體驗還有差距，但是進(jìn)步飛快，自動駕駛大模型最終在終端的落地也會加速到來。

　　毫末 DriveGPT 雪湖·海若大模型的相關(guān)技術(shù)成果將逐步落地在搭載毫末 HPilot3.0 的新摩卡 DHT-PHEV、魏牌藍(lán)山 DHT-PHEV 以及末端物流自動配送車小魔駝3.0上。同時，毫末也正在與多個行業(yè)生態(tài)伙伴共同探索 DriveGPT 的四大應(yīng)用能力，包括智能駕駛、駕駛場景識別、駕駛行為驗證和困難場景脫困。DriveGPT 大模型也正在將云端的能力對外開放，包括大規(guī)模數(shù)據(jù)的自動化標(biāo)注，自動駕駛場景仿真測試等能力。