据外媒报道，高端ADAS、自动驾驶和机器人自动化先进AI软件提供商Helm.ai推出基于实时深度神经网络（DNN）Transformer的路径预测系统Helm.ai Driver，适用于高速公路和城市L2至L4级自动驾驶。该公司使用其专有的生成式AI基础模型GenSim-2，在闭环仿真环境中重新渲染真实的传感器数据，演示了该模型的路径预测能力。

图片来源： Helm.ai

新模型仅使用基于摄像头的感知技术即可实时预测自动驾驶汽车的未来路径，无需高清地图、激光雷达或其他传感器。它以Helm.ai生产级感知堆栈的输出作为输入，使其与经过高度验证的感知软件直接兼容。这种模块化架构可实现高效验证和更高的可解释性。

该路径预测模型采用Helm.ai专有的Deep Teaching™方法，基于大规模真实数据进行训练，在复杂的城市驾驶场景中展现出稳健的类人驾驶行为——包括交叉路口、转弯、避障、超车操作以及对车辆切入的反应。值得注意的是，这些行为是端到端学习的自然演绎，并非系统明确编程或调整的。

为了在逼真的动态环境中展示该模型的路径预测能力，Helm.ai使用开源CARLA平台将其部署到闭环仿真中。在此设置下，Helm.ai Driver会持续响应其环境，类似于在现实世界中驾驶。此外，GenSim-2重新渲染了模拟场景，以生成与真实世界视觉效果极为相似的逼真摄像头输出。

Helm.ai首席执行官兼创始人Vladislav Voroninski表示：“我们很高兴能够通过Helm.ai Driver展示城市驾驶的实时路径预测功能。这项功能基于我们专有的Transformer DNN架构，仅需基于视觉的感知作为输入。通过对真实数据进行训练，我们开发了一套先进的路径预测系统，该系统能够模拟人类驾驶员的复杂行为，无需任何明确定义的规则即可进行端到端学习。更重要的是，我们针对L2至L4级的城市路径预测与我们的生产级环视视觉感知堆栈兼容。通过在闭环模拟器中进一步验证Helm.ai Driver，并结合我们基于AI的生成式传感器模拟，我们正在实现更安全、更具可扩展性的自动驾驶系统开发。”

Helm.ai的路径预测和生成式传感器模拟基础模型是其AI优先自动驾驶方法的关键组成部分。该公司持续提供可跨车辆平台、地域和驾驶条件进行泛化的模型。