盖世汽车讯 据外媒报道，自动驾驶和机器人自动化高级人工智能软件提供商Helm.ai宣布Helm.ai Driver的功能得到重大扩展：可用于生产的纯视觉软件堆栈，旨在从高级L2+级系统无缝扩展到L4级城市自动驾驶。

图片来源： Helm.ai

该系统基于Helm.ai专有的Factored Embodied AI架构构建，无需依赖高清地图或激光雷达传感器，即可在复杂的城市交通中实现流畅、类人的驾驶体验。由于其核心基础模型与自动驾驶等级无关，因此汽车制造商可以立即部署高端L2+级系统，并利用相同的软件架构，随着硬件和监管路线图的演进，解锁经认证的L3级“无眼驾驶（eyes-off）”和L4级完全自动驾驶功能。

为庆祝此次发布，该公司发布了一段演示视频，展示了Helm.ai Driver在加利福尼亚州红木城城市环境中的导航能力。视频中，该系统能够自主处理十字路口的左右转弯、复杂的交通信号灯规则以及与其他道路使用者的动态互动——所有这些都由安全驾驶员全程监督，并遵循了量产型自动驾驶系统的标准测试和验证流程。

突破L3和L4级认证的“数据墙”

汽车行业目前正面临“数据墙”的挑战——自动驾驶技术需要数量呈指数级增长且稀缺昂贵的真实世界数据，才能在极端情况下提升性能。此外，即使能够获取这些数据，单一的、从像素到控制的“端到端”模型也如同“黑箱”，缺乏L3及以上级别严格安全认证所需的可解释性。

相比之下，Helm.ai Driver采用了一种分解式具身人工智能架构，能够同时解决数据稀缺性和可解释性问题。这种方法将自动驾驶问题分解为两个不同的、可解释的层：感知层和策略层。通过单独解决感知层的问题，系统将原始传感器数据转换为信息丰富且结构高度的语义分割和3D信息。Helm.ai的端到端策略模型随后以这种可解释的语义几何信息（而非原始像素）作为输入，从而“推理”道路结构和交通规则。

这种分解式方法能够利用互联网规模的数据集进行大规模训练，并实现端到端策略模型的高效数据训练，从而突破“数据壁垒”。至关重要的是，这种结构为汽车OEM厂商提供了至关重要的透明度，提供了一个清晰、可审计的软件基础架构，能够从监督式L2+级扩展到符合ISO 26262认证的L3级和L4级部署。

Helm.ai首席执行官兼创始人Vladislav Voroninski表示：“行业已经到了一个转折点，对于高端自动驾驶而言，蛮力式数据采集已不再具有商业可行性。Helm.ai Driver从根本上改变了可扩展自动驾驶的单位经济效益。我们提供的视觉优先系统不仅能够支持当前的L2+级高级自动驾驶，还能作为向L3级和L4级自动驾驶过渡的软件大脑，从而为OEM厂商在大众市场计算平台上部署下一代自动驾驶技术提供了唯一切实可行的途径。”

深度教学™（Deep Teaching™）和语义仿真（Semantic Simulation）带来数量级效率提升

传统方法通常需要数十亿美元的资本投入和数百万英里的训练数据才能实现城市驾驶能力，而Helm.ai的驾驶规划器仅使用1000小时的真实驾驶数据就达到了如此高的成熟度。

这一突破得益于Deep Teaching™——Helm.ai专有的无监督学习技术，使神经网络能够直接从海量易于获取的非驾驶数据中学习，无需对互联网规模的视觉数据集进行昂贵的人工标注。结合语义仿真，该系统可以在几乎无限的几何场景上进行训练，而无需渲染逼真像素的计算开销。通过基于世界的“语义几何”而非原始像素来训练系统，Helm.ai绕过了自动驾驶开发中传统的成本和时间障碍。

跨地域泛化：零样本优势

对于量产车辆而言，自动驾驶系统的真正考验在于其无需手动调校或高清地图即可应对“未知”环境的能力。为了验证这一点，Helm.ai近期在加利福尼亚州托兰斯市（大洛杉矶地区）部署了该系统，并展示了其跨地域泛化能力。

在未对该地区特定街道进行任何预先训练的情况下，Helm.ai Driver便实现了“零样本”自主转向。这种跨地域泛化能力确保了Helm.ai的OEM合作伙伴能够在全球范围内扩展L2+至L4级别的功能，而无需承担逐个城市收集数据或设置地理围栏的高昂成本。