Ang mga end-to-end na modelo ng pagmamaneho at modular autonomous pipelines ay kumakatawan sa dalawang pangunahing estratehiya para sa pagbuo ng mga self-driving system. Ang isa ay natututo ng direktang pagmamapa mula sa mga sensor patungo sa mga aksyon sa pagmamaneho gamit ang malalaking neural network, habang ang isa naman ay hinahati ang problema sa mga nakabalangkas na bahagi tulad ng persepsyon, prediksyon, at pagpaplano. Ang kanilang mga trade-off ay humuhubog sa kaligtasan, scalability, at totoong pag-deploy sa mga autonomous na sasakyan.
Mga sistema ng neural network na direktang nagko-convert ng raw sensor input sa mga driving action nang walang tahasang intermediate modules.
Mga nakabalangkas na autonomous driving system na naghahati sa gawain sa mga modyul na may persepsyon, prediksyon, pagpaplano, at kontrol.
| Tampok | Mga Modelo ng Pagmamaneho Mula Dulo Hanggang Dulo | Mga Modular na Awtomatikong Pipeline |
|---|---|---|
| Arkitektura | Isang sistemang neural mula dulo hanggang dulo | Maramihang espesyalisadong mga modyul |
| Kakayahang Magpakahulugan | Mababang transparency | Mataas na transparency sa pagitan ng mga bahagi |
| Mga Kinakailangan sa Datos | Mga dataset na may napakataas na antas | Mga katamtamang dataset na partikular sa modyul |
| Pagpapatunay ng Kaligtasan | Mahirap pormal na beripikahin | Mas madaling subukan at patunayan ang bawat modyul |
| Pagiging Komplikado ng Pag-unlad | Mas simpleng arkitektura, mas mahirap na pagsasanay | Mas maraming komplikasyon sa inhenyeriya, mas malinaw na istruktura |
| Pag-debug | Mahirap ihiwalay ang mga pagkabigo | Madaling subaybayan ang mga isyu ayon sa modyul |
| Pagkaantala | Maaaring i-optimize ngunit kadalasang nangangailangan ng maraming kalkulasyon | Nahuhulaang latency ng pipeline |
| Kakayahang umangkop | Mataas na potensyal na kakayahang umangkop | Katamtaman, depende sa mga pag-update ng modyul |
| Paghawak ng Pagkabigo | Lumilitaw at mas mahirap hulaan | Lokal at mas madaling kontrolin |
| Pag-aampon ng Industriya | Kadalasang pananaliksik at maagang pag-deploy | Malawakang ginagamit sa mga sistemang pang-totoong mundo |
Itinuturing ng mga end-to-end na modelo ng pagmamaneho ang autonomous driving bilang isang problema sa pag-aaral, kung saan natututo ang isang neural network na direktang imapa ang mga raw input sa mga desisyon sa pagmamaneho. Sa kabilang banda, hinahati ng mga modular pipeline ang pagmamaneho sa mga yugtong maaaring bigyang-kahulugan tulad ng persepsyon, prediksyon, at pagpaplano. Ginagawa nitong mas nakabalangkas ang mga modular system, habang ang mga end-to-end na sistema ay naglalayong maging simple ang disenyo.
Mas madaling i-validate ang mga modular pipeline dahil ang bawat component ay maaaring masubukan nang nakapag-iisa, na ginagawang mas praktikal ang mga safety check. Mas mahirap i-verify ang mga end-to-end na modelo dahil ang paggawa ng desisyon ay ipinamamahagi sa maraming internal na parameter. Bagama't mahusay ang kanilang performance sa mga kontroladong setting, nananatiling mahirap ang pagtiyak na mahuhulaan ang pag-uugali sa iba't ibang edge cases.
Ang mga end-to-end na sistema ay lubos na nakasalalay sa malalaking dataset na kumukuha ng magkakaibang senaryo ng pagmamaneho upang epektibong makapag-generalize. Ang mga modular na sistema ay nangangailangan ng mas kaunting monolitikong datos ngunit nangangailangan ng maingat na piniling mga dataset para sa bawat subsystem. Ginagawa nitong mas masinsinan ang data sa pagsasanay ng mga end-to-end na modelo ngunit posibleng mas pinag-isa.
Ang mga end-to-end na modelo ay maaaring makamit ang maayos at parang-tao na pag-uugali sa pagmamaneho kapag mahusay na sinanay, ngunit maaaring kumilos nang hindi mahuhulaan sa labas ng distribusyon ng pagsasanay. Ang mga modular system ay karaniwang mas matatag at mahuhulaan dahil ang bawat yugto ay may mga tinukoy na limitasyon. Gayunpaman, maaaring hindi sila gaanong nababaluktot sa mga kapaligirang lubos na dinamiko.
Karamihan sa mga komersyal na autonomous driving system ngayon ay umaasa sa mga modular architecture dahil mas madali itong sertipikahan, i-debug, at paunti-unti. Ang mga end-to-end na modelo ay lalong ginagamit sa pananaliksik at mga piling bahagi tulad ng perception o motion planning, ngunit limitado pa rin ang ganap na end-to-end na pag-deploy sa mga sistemang kritikal sa kaligtasan.
Ang mga end-to-end na modelo ng pagmamaneho ay palaging mas mahusay kaysa sa mga modular system.
Maaaring maging makapangyarihan ang mga end-to-end na modelo, ngunit hindi naman sila pangkalahatang nakahihigit. Nahihirapan sila sa interpretability at mga garantiya sa kaligtasan, na mahalaga sa pagmamaneho sa totoong mundo. Nananatiling nangingibabaw ang mga modular system dahil mas madali silang patunayan at kontrolin.
Ang mga modular autonomous pipeline ay lipas na sa panahon na teknolohiya.
Ang mga modular system pa rin ang pundasyon ng karamihan sa mga autonomous na sasakyan sa produksyon. Ang kanilang istraktura ay ginagawa silang maaasahan, masusubukan, at mas madaling pagbutihin nang paunti-unti, na mahalaga para sa pag-deploy na kritikal sa kaligtasan.
Ang mga end-to-end na sistema ay hindi gumagamit ng anumang mga patakaran.
Kahit ang mga end-to-end na modelo ay kadalasang may kasamang mga limitasyon sa kaligtasan, mga filtering layer, o mga panuntunan pagkatapos ng pagproseso. Bihira ang mga purong sistema ng pagkatuto sa pagmamaneho sa totoong mundo dahil ang mga kinakailangan sa kaligtasan ay nangangailangan ng karagdagang mga mekanismo ng kontrol.
Hindi maaaring gumamit ng machine learning ang mga modular system.
Maraming modernong modular pipelines ang nagsasama ng machine learning sa persepsyon, prediksyon, at maging sa pagpaplano. Ang modular na istraktura ang tumutukoy sa arkitektura, hindi ang kawalan ng mga pamamaraan ng AI.
Ang mga hybrid system ay pansamantalang kompromiso lamang.
Ang mga hybrid na pamamaraan ang kasalukuyang pinaka-praktikal na solusyon, na pinagsasama ang kakayahang bigyang-kahulugan ang mga modular system at ang kakayahang umangkop ng mga natutunang modelo. Malamang na mananatili itong nangingibabaw sa nakikinitaang hinaharap.
Ang mga end-to-end na modelo ng pagmamaneho ay nag-aalok ng isang makapangyarihang pananaw ng pinag-isang pagkatuto ngunit nananatiling mahirap kontrolin at beripikahin sa mga kondisyon sa totoong mundo. Ang mga modular pipeline ay nagbibigay ng istruktura, kaligtasan, at kalinawan sa inhenyeriya, kaya naman nangingibabaw ang mga ito sa kasalukuyang mga sistema ng produksyon. Ang hinaharap ay malamang na isang hybrid na pamamaraan na pinagsasama ang parehong kalakasan.
Ang paghahambing na ito ay nagpapaliwanag sa mga pangunahing pagkakaiba ng artipisyal na intelihensiya at awtomasyon, na nakatuon sa kung paano sila gumagana, anong mga problema ang kanilang nilulutas, ang kanilang kakayahang umangkop, kasalimuotan, gastos, at mga praktikal na kaso ng paggamit sa negosyo.
Ang paghahambing na ito ay tumatalakay sa mga pagkakaiba ng on-device AI at cloud AI, na nakatuon sa kung paano nila iproseso ang datos, epekto sa privacy, performance, scalability, at mga karaniwang kaso ng paggamit para sa real-time na interaksyon, malakihang modelo, at mga pangangailangan sa koneksyon sa mga modernong aplikasyon.
Ang AI slop ay tumutukoy sa mababang pagsisikap, malawakang ginawang nilalaman ng AI na nilikha nang walang gaanong pangangasiwa, habang ang gawaing AI na ginagabayan ng tao ay pinagsasama ang artificial intelligence na may maingat na pag-eedit, direksyon, at malikhaing paghuhusga. Ang pagkakaiba ay karaniwang nakasalalay sa kalidad, pagka-orihinal, kapakinabangan, at kung ang isang totoong tao ay aktibong humuhubog sa huling resulta.
Ang mga Transformer at Mamba ay dalawang maimpluwensyang arkitektura ng deep learning para sa sequence modeling. Ang mga Transformer ay umaasa sa mga mekanismo ng atensyon upang makuha ang mga ugnayan sa pagitan ng mga token, habang ang Mamba ay gumagamit ng mga state space model para sa mas mahusay na long-sequence processing. Parehong naglalayong pangasiwaan ang wika at sequential data ngunit malaki ang pagkakaiba sa kahusayan, scalability, at paggamit ng memorya.
Ang atensyon ng tao ay isang nababaluktot na sistemang kognitibo na nagsasala ng mga input ng pandama batay sa mga layunin, emosyon, at pangangailangan sa kaligtasan, habang ang mga mekanismo ng atensyon ng AI ay mga balangkas ng matematika na pabago-bagong nagbibigay-timbang sa mga token ng input upang mapabuti ang prediksyon at pag-unawa sa konteksto sa mga modelo ng machine learning. Parehong sistema ang nagbibigay-priyoridad sa impormasyon, ngunit gumagana ang mga ito sa mga pangunahing magkaibang prinsipyo at limitasyon.
