本文經(jīng)自動駕駛之心公眾號授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

Update: 增加了一個新的例子，自動駕駛配送車駛?cè)胄缕炙嗟?/strong>

萬眾矚目之下，今天GPT4終于推送了vision相關(guān)的功能。今天下午抓緊和小伙伴一起測試了一下GPT對于圖像感知的能力，雖有預(yù)期，但是還是大大震驚了我們。TL;DR 就是我認(rèn)為自動駕駛中和語義相關(guān)的問題應(yīng)該大模型都已經(jīng)解決得很好了，但是大模型的可信性和空間感知能力方面仍然不盡如人意。解決一些所謂和效率相關(guān)的corner case應(yīng)該是綽綽有余，但是想完全依賴大模型去獨立完成駕駛保證安全性仍然十分遙遠。

1 Example1: 路上出現(xiàn)了一些未知障礙物

GPT4的描述

準(zhǔn)確的部分：檢測到了3輛卡車，前車車牌號基本正確（有漢字就忽略吧），天氣和環(huán)境正確，在沒有提示的情況下準(zhǔn)確識別到了前方的未知障礙物

不準(zhǔn)確的部分：第三輛卡車的位置左右不分，第二輛卡車頭頂?shù)奈淖窒共铝艘粋€（因為分辨率不足？）

這還不夠，我們繼續(xù)給一點提示，去問這個物體是什么，是不是可以壓過去。

Impressive！類似的場景測試了多個，對于未知障礙物的表現(xiàn)可以說非常驚人了。

2 Example2: 路面積水的理解

沒有提示能自動識別到標(biāo)牌這個應(yīng)該是基操了，我們繼續(xù)給一些hint

再次被震驚了。。。能自動講出來卡車背后的霧氣，也主動提到了水坑，但是再一次把方向說成了左側(cè)。。。感覺這里可能需要一些prompt engineering能更好的讓GPT輸出位置和方向。

3 Example3：有車輛掉頭時直接撞上了護欄

第一幀輸入進去，因為沒有時序信息，只是將右側(cè)的卡車當(dāng)做是停靠的了。于是再來一幀：

已經(jīng)可以自動講出，這兩撞破了護欄，懸停在公路邊緣，太棒了。。。但是反而看上去更容易的道路標(biāo)志出現(xiàn)了錯誤。。。只能說，這很大模型了，它永遠能震驚你也永遠不知道什么時候能蠢哭你。。。再來一幀：

這次，直接講到了路面上的碎片，再次贊嘆。。。只不過有一次把路上的箭頭說錯了。。?？傮w而言，這個場景中需要特別關(guān)注的信息都有覆蓋，道路標(biāo)志這種問題，瑕不掩瑜吧

4 Example4: 來一個搞笑的

只能說非常到位了，相比之下之前看上去無比困難的“有個人沖著你揮了揮手”這樣的case就像小兒科一樣，語義上的corner case可解。

5 Example5 來一個名場面。。。配送車誤入新修路

開始比較保守，并沒有直接猜測原因，給了多種猜測，這個也倒是符合alignment的目標(biāo)。使用CoT之后問題發(fā)現(xiàn)問題是在于并不了解這輛車是個自動駕駛車輛，故通過prompt給出這個信息能給出比較準(zhǔn)確的信息。最后通過一堆prompt，能夠輸出新鋪設(shè)瀝青，不適合駕駛這樣的結(jié)論。最終結(jié)果來說還是OK，但是過程比較曲折，需要比較多的prompt engineering，要好好設(shè)計。這個原因可能也是因為不是第一視角的圖片，只能通過第三視角去推測。所以這個例子并不十分精確。

6 總結(jié)

快速的一些嘗試已經(jīng)完全證明了GPT4V的強大與泛化性能，適當(dāng)?shù)膒rompt應(yīng)當(dāng)可以完全發(fā)揮出GPT4V的實力。解決語義上的corner case應(yīng)該非?？善?，但幻覺的問題會仍然困擾著一些和安全相關(guān)場景中的應(yīng)用。非常exciting，個人認(rèn)為合理使用這樣的大模型可以大大加快L4乃至L5自動駕駛的發(fā)展，然而是否LLM一定是要直接開車？尤其是端到端開車，仍然是一個值得商榷的問題。最近也有很多思考，找時間再來寫個文章和大家聊聊~

原文鏈接：https://mp.weixin.qq.com/s/RtEek6HadErxXLSdtsMWHQ