通用汽车宣布计划在2028年推出一套自动驾驶系统,该系统将允许驾驶员眼睛离开道路、双手离开方向盘,首先搭载于凯迪拉克Escalade IQ车型。
这一消息在周三纽约举行的GM Forward活动上公布,距离TechCrunch首次报道通用汽车正在开发该系统已过去一年。
通用汽车表示,其解放双手的高级驾驶辅助系统Super Cruise是这一未来更强大产品的基础。Super Cruise于2017年推出,目前已在23个车型上提供,可在约60万英里的高速公路上使用。
这套新的解放双眼双手驾驶辅助系统将使用激光雷达、雷达和摄像头进行感知,同样将从高速公路开始应用。通用汽车首席执行官玛丽·巴拉在活动中指出,通用汽车推出解放双眼产品的速度将比当初推出解放双手Super Cruise ADAS系统更快。
该汽车制造商表示,已经利用了曾在其现已关闭的自动驾驶技术子公司Cruise工作的工程师的经验来改进系统能力。当通用汽车在2024年12月关闭其商业自动驾驶出租车业务Cruise时,它吸收了这家子公司,并将其与自己开发驾驶辅助功能的努力相结合。在过去一年中,通用汽车还重新雇用了几名Cruise工程师,追求开发完全自主个人车辆的目标。
通用汽车表示,还将Cruise的技术栈融入其下一代驾驶辅助和自主驾驶程序中,包括基于500万英里无人驾驶里程训练的AI模型和运行虚拟测试场景的仿真框架。
通用汽车全球产品执行副总裁、前自动驾驶初创公司Aurora Innovation联合创始人斯特林·安德森在活动中表示:"自动驾驶出租车作为概念验证在开始时很有意义。"他补充说,自动驾驶车辆上传感器和计算设备的高成本需要这些车辆的高利用率。
安德森说:"我们现在处于2025年的位置,整个行业已经大大降低了一些硬件的成本。通用汽车独特地拥有安装基础和制造能力,可以以更大的数量和更低的成本推出这些产品。如果行业一开始就有低成本系统、庞大的安装基础和制造能力,我们可能都会从一开始就选择个人自动驾驶车辆。"
在美国,梅赛德斯目前是唯一拥有商业化解放双手双眼系统的汽车制造商。这类系统属于SAE第3级自动化,指的是在特定条件下可以自主驾驶但可能仍需要人类接管的自动化系统。梅赛德斯的Drive Pilot仅在加利福尼亚州和内华达州的特定地图高速公路上可用,且仅在拥堵的低速交通中运行。
据通用汽车软件和服务高级副总裁巴里斯·塞廷诺克介绍,通用汽车的解放双眼产品将在通用汽车未绘制地图的高速公路上工作。他补充说,该系统只需要人类在出口匝道等情况下接管,并能处理紧急情况和突发事件。
塞廷诺克表示:"人类干预不应该成为突发事件的逃生舱口。"
推出解放双眼双手驾驶系统将使通用汽车领先于大多数其他汽车制造商,除非他们率先推出。今年早些时候,Stellantis推出了自己的第3级系统,但已暂停发布。特斯拉多年来一直致力于"解决完全自动驾驶"问题,仅依靠其汽车的摄像头和神经网络,尽管其Autopilot和FSD系统仍要求驾驶员保持眼睛注视道路。
Q&A
Q1:通用汽车2028年推出的自动驾驶系统有什么特点?
A:通用汽车2028年推出的自动驾驶系统将允许驾驶员眼睛离开道路、双手离开方向盘,使用激光雷达、雷达和摄像头进行感知,首先在高速公路上应用,并将搭载于凯迪拉克Escalade IQ车型。
Q2:Super Cruise系统目前的应用情况如何?
A:Super Cruise是通用汽车的解放双手高级驾驶辅助系统,于2017年推出,目前已在23个车型上提供,可在约60万英里的高速公路上使用,是新系统的技术基础。
Q3:通用汽车如何利用Cruise公司的技术?
A:通用汽车利用了前Cruise工程师的经验,并将Cruise的技术栈融入下一代驾驶辅助程序,包括基于500万英里无人驾驶里程训练的AI模型和虚拟测试仿真框架。
好文章,需要你的鼓励
Anchor Browser获得600万美元种子轮融资,专注解决AI代理安全可靠地使用网络的挑战。该公司重新设计浏览器作为云端执行层,为每个AI代理提供独立安全的浏览器环境。与传统浏览器不同,Anchor的b0.dev系统让代理能够规划工作流程并可靠重复执行,将混乱的自动化转变为企业级软件工程。
清华大学研究团队开发的SLA技术通过将AI视频生成中的注意力权重智能分类,对不同重要程度的权重采用差异化计算策略,成功实现了95%的计算量减少和20倍的速度提升,同时保持视频质量不变,为AI视频生成效率优化开辟了新思路。
英国竞争与市场管理局经过九个月调查,将谷歌和苹果的移动平台指定为具有战略市场地位。监管机构表示,两家公司在移动平台领域拥有根深蒂固的市场主导地位,其平台规则可能限制创新和竞争。这一指定使监管机构能够考虑采取针对性干预措施,确保英国应用开发者能够创新和发展业务,但目前尚未引入任何直接要求。
斯坦福大学等机构联合提出多人Nash偏好优化(MNPO),突破传统双人训练局限,让AI在多人游戏环境中学习处理复杂非传递性偏好。该方法通过时间依赖设计,让AI与历史版本对话练习,在所有主要测试中显著超越现有方法,在Arena-Hard中甚至超过GPT-5,为AI对话系统训练提供了更贴近真实世界复杂性的新范式。