最近，Waymo 在自動(dòng)駕駛領(lǐng)域又邁出了重要一步。這家公司一直以來(lái)都把與谷歌 DeepMind 的合作視作自己的競(jìng)爭(zhēng)優(yōu)勢(shì)，如今，他們正在利用谷歌的多模態(tài)大型語(yǔ)言模型 Gemini 來(lái)提升其自動(dòng)駕駛出租車(chē)的訓(xùn)練效果。

　　Waymo 發(fā)布了一篇新的研究論文，介紹了一種名為 EMMA 的 “端到端多模態(tài)模型”，該模型能夠處理傳感器數(shù)據(jù)，從而生成自動(dòng)駕駛汽車(chē)的未來(lái)行駛軌跡。這意味著 Waymo 的無(wú)人駕駛車(chē)輛可以更智能地做出行駛決策，并能有效地避開(kāi)障礙物。

　　這項(xiàng)新技術(shù)的重要性不僅在于它的創(chuàng)新，還因?yàn)樗�可能改變目前大多�?shù)大型語(yǔ)言模型的應(yīng)用范圍。Waymo 希望將 MLLM 視為其自動(dòng)駕駛系統(tǒng)的 “一級(jí)公民”，這代表著未來(lái)的自動(dòng)駕駛可能會(huì)與當(dāng)前的聊天機(jī)器人或圖像生成器有很大的不同。

　　在這篇論文中，Waymo 提到，傳統(tǒng)的自動(dòng)駕駛系統(tǒng)通常會(huì)為各種功能開(kāi)發(fā)特定的 “模塊”，包括感知、映射、預(yù)測(cè)和規(guī)劃等。雖然這種方法在過(guò)去幾年內(nèi)取得了一些進(jìn)展，但它的局限性也顯而易見(jiàn)，尤其是在應(yīng)對(duì)新的復(fù)雜環(huán)境時(shí)。Waymo 認(rèn)為，像 Gemini 這樣的 MLLM 可以解決這些問(wèn)題，因?yàn)樗鼈兙邆鋸V泛的 “世界知識(shí)”，并且能夠進(jìn)行 “鏈?zhǔn)剿季S推理”，模擬人類(lèi)的邏輯推理。

　　EMMA 模型被開(kāi)發(fā)出來(lái)是為了幫助 Waymo 的自動(dòng)駕駛出租車(chē)在復(fù)雜環(huán)境中進(jìn)行導(dǎo)航。比如，當(dāng)遇到動(dòng)物或道路施工等情況時(shí)，EMMA 能夠幫助無(wú)人駕駛汽車(chē)找到最佳行駛路徑。不過(guò)，Waymo 也意識(shí)到 EMMA 還有一些局限性，例如目前無(wú)法處理來(lái)自激光雷達(dá)或雷達(dá)的3D 傳感器輸入。

　　Waymo 在這方面的研究還需要進(jìn)一步深入，但他們希望這項(xiàng)成果能激勵(lì)更多的研究，以應(yīng)對(duì)目前存在的問(wèn)題，推動(dòng)自動(dòng)駕駛技術(shù)的發(fā)展。