正在閱讀:

大模型上車,可能比你想象的更重要

掃一掃下載界面新聞APP

大模型上車,可能比你想象的更重要

大模型對汽車智能化發(fā)展的價值正在凸顯。

圖片來源:界面圖庫

文 | 車百智庫

此前,多名專家表示,生成式AI是下一輪經(jīng)濟發(fā)展、企業(yè)競爭的新生產(chǎn)力。從全球范圍看,未來10-20年甚至更長時間,AI是國內(nèi)外共振的科技產(chǎn)業(yè)趨勢之一。而大模型就是AI掀起科技變革的最核心工具之一。

特別是在當前的汽車行業(yè),大模型正以前所未有的速度加快融入,成為推動產(chǎn)業(yè)升級的重要引擎。

有一線高管指出,從自動駕駛、智能座艙、汽車營銷與銷售再到企業(yè)數(shù)字化,大模型的深度應用不僅提升了智能駕駛的便捷性與智能性,更重新定義了人與車的關系,開啟了汽車智能化的新時代。

但某種程度上,很多車企還沒真正認識到大模型上車的重要價值,因此行動遲緩。

為此,中國電動汽車百人會發(fā)布調(diào)研報告《大模型在汽車領域的應用與發(fā)展建議》。報告指出,大模型對汽車智能化發(fā)展的價值正在凸顯,汽車行業(yè)的根本是制造業(yè),大模型創(chuàng)新發(fā)展的速度遠遠超出了汽車產(chǎn)業(yè),兩個產(chǎn)業(yè)融合會對汽車產(chǎn)業(yè)產(chǎn)生深刻甚至顛覆性的影響。汽車行業(yè)需要從戰(zhàn)略上刷新認知,順應技術發(fā)展趨勢,加快擁抱和接納大模型的速度,充分利用大模型加快汽車產(chǎn)業(yè)智能化發(fā)展的步伐。

01 大模型對汽車智能化發(fā)展的價值正在凸顯

汽車是大模型應用探索的絕佳載體。電動化和智能化的跨越式發(fā)展,使得汽車在機械屬性基礎上增加了科技屬性和消費屬性,成為前沿創(chuàng)新技術的最佳集成器。未來評價汽車主要關注的是其技術創(chuàng)新和產(chǎn)品創(chuàng)新的“價值”,是其能否充分承載大模型的技術特性和優(yōu)勢。另外,汽車的全生命周期包括研發(fā)、生產(chǎn)、銷售、使用等眾多環(huán)節(jié),涉及大量數(shù)據(jù)和復雜決策過程,應用場景豐富,這為大模型的應用落地提供了廣闊空間,具有顯著的示范性與引領性。

大模型將推動汽車成為超級智能體。大模型以算力為基礎、數(shù)據(jù)為資源、算法為放大器的技術范式具有馬太倍增效應,已經(jīng)產(chǎn)生出智能涌現(xiàn)的特性,可以在自動駕駛、智能座艙等多方面提升汽車的智能化水平,且能快速迭代,帶來新的價值增量。例如,特斯拉FSD V12率先使用端到端技術并實現(xiàn)數(shù)據(jù)閉環(huán),人工代碼由30萬行縮減至3000行,從V12.3.1到V12.3.5的四個版本迭代僅用15天。

大模型甚至有可能推動智能駕駛汽車變革為“人工智能汽車”、成為超級智能體,讓汽車能夠不斷從周圍環(huán)境中積累數(shù)據(jù)并自主改進和優(yōu)化自身表現(xiàn),主動適應各種駕駛環(huán)境和交通狀況,提高駕駛的舒適性和安全性;也可以幫助汽車理解人類的語言和手勢,并通過語音、燈光或屏幕等方式與人類進行高效溝通。

大模型以革命性的方式改寫汽車全生命周期的價值創(chuàng)造。大模型將會顛覆汽車行業(yè)原有的生產(chǎn)方式,重塑整車設計研發(fā)、生產(chǎn)制造、市場營銷、售后服務、供應鏈等各個環(huán)節(jié),推動整個制造鏈條的產(chǎn)業(yè)化、數(shù)字化升級。

一方面,用戶與車企的關系更近了。大模型會成為車企掌握直面用戶的流量入口,幫助車企在需求定義、用戶運營、產(chǎn)品升級等各個環(huán)節(jié),抓取每一個用戶的個性化需求,以提供千人千面的產(chǎn)品迭代和服務拓展。如極越汽車依賴大模型打通了用戶用車的問題搜集、數(shù)據(jù)反饋、工程師處理的自動化閉環(huán),極大提升了組織效率。

另一方面,汽車的設計與生產(chǎn)方式也得到了革新。目前小鵬、極越等車企30%以上的軟件依賴于大模型自動生成。此外,大模型還為科技公司賦能汽車產(chǎn)業(yè)增加了一條清晰可行的路徑,進一步促進了人工智能、信息通信等與汽車產(chǎn)業(yè)的融合,加速產(chǎn)業(yè)格局重塑。

02 大模型已開始在汽車全生命周期落地應用

大模型能夠重構自動駕駛技術架構并產(chǎn)生常識性思維,提升自動駕駛的智能性與安全性?;跈C器視覺的自動駕駛更多關注的是感知精度、長尾問題等,但實際總會出現(xiàn)未知的場景,讓汽車的智能化停留在輔助駕駛階段。借助Transformer神經(jīng)網(wǎng)絡,自動駕駛分模塊的小模型可以集合成一個全棧神經(jīng)網(wǎng)絡的大模型,減少從傳感器到執(zhí)行器的信息損失。神經(jīng)網(wǎng)絡參數(shù)達到百億時,訓練精度就會非常高,并能夠通過學習海量數(shù)據(jù)無限逼近人類駕駛行為,解決智能駕駛的智能性、安全性不足等問題。

未來,大模型基于涌現(xiàn)效應形成常識思維,能夠讓汽車成為真正的智能體。模型通過對海量數(shù)據(jù)的學習,對世界形成全面的常識性理解,并超出絕大多數(shù)人的片面認知。車輛行駛時模型判斷出錯的概率比普通人低得多,選擇安全方案的幾率更高。例如,能夠區(qū)分出“可以撞”的塑料袋和“不能撞”的石頭。

多模態(tài)、個性化交互提升座艙智能化體驗。人機交互方面,大模型將傳統(tǒng)的基于內(nèi)容匹配規(guī)則的交互方式,轉(zhuǎn)變?yōu)樽匀徽Z言交互模式,提升了交互的自由度、真實性。使車機智能助手對駕駛員的交互意圖理解更加準確,駕駛體驗更自然、更人性化,甚至能夠?qū)崿F(xiàn)電影《鋼鐵俠》中賈維斯的效果。

車機應用方面,隨著車機屏幕越來越大,人工設計車機壁紙成本較高,利用大模型可以快速生成質(zhì)量比較好、千人千面的壁紙,使車機壁紙常用常新。也可以利用大模型依據(jù)音樂的意境自動生成MV,給駕駛員創(chuàng)造全新的視聽體驗。

此外,大模型還可以打通第三方信源,與導航地圖、手機互動,提升本地化生活服務體驗。

重構自動駕駛數(shù)據(jù)工具鏈、生成數(shù)據(jù)資產(chǎn)。一方面,大模型能夠提升海量數(shù)據(jù)的自動化標注效能。以視頻標注為例,先用海量未標注的數(shù)據(jù)預訓練一個大模型,然后用少量已經(jīng)人工標注好的數(shù)據(jù)對模型進行微調(diào),使得模型具備檢測能力,實現(xiàn)自動標注過程。這樣就避免了人工處理效率低、數(shù)據(jù)一致性差等問題,后續(xù)也可以通過“自動標注+少量人工查缺補漏”的方式,提升數(shù)據(jù)利用的有效性。大模型還可以將視頻高效地提取出來,形成文本并完成多模態(tài)的檢索。項目管理人員直接采用文本對話方式,就能把想要的所有視頻檢索出來,實現(xiàn)異構數(shù)據(jù)的精準、快速定位。

另一方面,大模型能夠合成數(shù)據(jù)并生成場景。在真實場景數(shù)據(jù)基礎上,通過改變視角、光照、材料紋理、材質(zhì)等方法生成各種高真實感數(shù)據(jù)。不僅可以將已有的轎車數(shù)據(jù)復用到新的SUV車型上,通過視角變化模擬變道、繞行、調(diào)頭等各種車輛駕駛行為,加速產(chǎn)品快速迭代;還可以基于已有路采數(shù)據(jù),模擬交通參與物、車道、天氣、路面的變化,生成新的場景數(shù)據(jù),解決數(shù)據(jù)獲取難、訓練數(shù)據(jù)和仿真數(shù)據(jù)不足等問題。

為保證數(shù)據(jù)的可控性,可將3D結構、環(huán)境、運動、物理規(guī)律等約束條件加入到仿真引擎里,再對合成數(shù)據(jù)進行仿真校正,降低因大模型“幻覺”問題導致的數(shù)據(jù)可靠性不足問題。

把控消費者需求,實現(xiàn)精準營銷?;诖笳Z言模型的語義理解和文本生成能力,可統(tǒng)計、分析社交網(wǎng)站、APP、企業(yè)側智能終端等多維度數(shù)據(jù),從底層優(yōu)化營銷策略,這也是最為成熟的應用場景。目前智譜華章、華為云等企業(yè)的大模型,已經(jīng)在多家車企中應用。

銷售話術層面,可自動提取客戶標簽,并針對性開展話術輔助,以提升銷售管理精細度、線索轉(zhuǎn)化率、社區(qū)活躍度等。例如,智譜華章的ChatGLM大模型可結合智能工牌,實時檢測、分析銷售人員是否存在不當言論或誤解客戶需求,也可以作為銷售話術的輔助與陪練,幫助銷售人員提升轉(zhuǎn)化率。

用戶畫像方面,可以分析用戶瀏覽記錄、購買歷史、社交媒體活動等數(shù)據(jù),來提取客戶的特征標簽,如年齡、性別、興趣、購買偏好等,以準確地了解客戶需求和期望。在此基礎上,也可為用戶個性化推薦汽車產(chǎn)品或服務。將上述數(shù)據(jù)進行統(tǒng)計并輸入基于數(shù)學規(guī)則的預測模型,還能幫助開展營銷洞察、銷量預測、庫存優(yōu)化等,反輔企業(yè)制定車型開發(fā)計劃、生產(chǎn)排期等經(jīng)營策略。

輿情分析方面,可以幫助企業(yè)分析社交媒體、論壇等渠道上的用戶評論和反饋,及時了解用戶對汽車產(chǎn)品、服務、品牌等的態(tài)度,發(fā)現(xiàn)并解決產(chǎn)品潛在質(zhì)量問題、設計缺陷等,提升品牌形象和聲譽。

智能客服方面,在對車企知識庫數(shù)據(jù)進行定向訓練后:能快速分析客戶提問并生成回答,處理效率遠超依靠純規(guī)則所能達到的效果;能提高對用戶問題理解的準確度和“提問-反饋”的匹配程度,即使用戶反饋的問題不完整,系統(tǒng)也能夠快速生成相似問法,解決問答庫覆蓋不全面、語義建模不準確等問題;基于多模態(tài)交互技術,還能進一步提升智能客服系統(tǒng)對用戶上傳的語音、影像、表格等內(nèi)容的識別和理解能力,更精準捕捉關鍵信息,快速理解用戶使用痛點。

沉淀汽車維修知識,提升維修效率和客戶滿意度。電動智能汽車售后維修需要專業(yè)的電氣、電路知識,傳統(tǒng)的4S店和維修商無法勝任,很多維修工作需要車企介入。借助大模型學習汽車結構、故障庫等知識,可為車主提供維修保障提醒、維修方案管理、在線排故、智能推薦、故障處理推送、救援保障等服務;也可為一線維修人員提供知識推薦、知識檢索等輔助工具,降低車企介入率及專家的培養(yǎng)時間。例如,華為NLP大模型能幫助車企降低維修介入率30%以上,并大大縮短售后專家培養(yǎng)周期。

提高質(zhì)控和質(zhì)檢效率。企業(yè)積累的生產(chǎn)制造、零部件檢測等相關數(shù)據(jù),可用于訓練零部件檢驗算法模型,實現(xiàn)整車測試與零部件檢測的自動化、智能化。

后續(xù)還可以結合整車測試與零部件檢測數(shù)據(jù),對大模型進行優(yōu)化,提高檢測效率。再結合質(zhì)檢人員對檢測結果的評價,基于人類的反饋不斷強化學習技術,對算法模型進行持續(xù)調(diào)優(yōu),來提升整車測試效率與零部件不良品檢出率。

本文為轉(zhuǎn)載內(nèi)容,授權事宜請聯(lián)系原著作權人。

評論

暫無評論哦,快來評價一下吧!

下載界面新聞

微信公眾號

微博

大模型上車,可能比你想象的更重要

大模型對汽車智能化發(fā)展的價值正在凸顯。

圖片來源:界面圖庫

文 | 車百智庫

此前,多名專家表示,生成式AI是下一輪經(jīng)濟發(fā)展、企業(yè)競爭的新生產(chǎn)力。從全球范圍看,未來10-20年甚至更長時間,AI是國內(nèi)外共振的科技產(chǎn)業(yè)趨勢之一。而大模型就是AI掀起科技變革的最核心工具之一。

特別是在當前的汽車行業(yè),大模型正以前所未有的速度加快融入,成為推動產(chǎn)業(yè)升級的重要引擎。

有一線高管指出,從自動駕駛、智能座艙、汽車營銷與銷售再到企業(yè)數(shù)字化,大模型的深度應用不僅提升了智能駕駛的便捷性與智能性,更重新定義了人與車的關系,開啟了汽車智能化的新時代。

但某種程度上,很多車企還沒真正認識到大模型上車的重要價值,因此行動遲緩。

為此,中國電動汽車百人會發(fā)布調(diào)研報告《大模型在汽車領域的應用與發(fā)展建議》。報告指出,大模型對汽車智能化發(fā)展的價值正在凸顯,汽車行業(yè)的根本是制造業(yè),大模型創(chuàng)新發(fā)展的速度遠遠超出了汽車產(chǎn)業(yè),兩個產(chǎn)業(yè)融合會對汽車產(chǎn)業(yè)產(chǎn)生深刻甚至顛覆性的影響。汽車行業(yè)需要從戰(zhàn)略上刷新認知,順應技術發(fā)展趨勢,加快擁抱和接納大模型的速度,充分利用大模型加快汽車產(chǎn)業(yè)智能化發(fā)展的步伐。

01 大模型對汽車智能化發(fā)展的價值正在凸顯

汽車是大模型應用探索的絕佳載體。電動化和智能化的跨越式發(fā)展,使得汽車在機械屬性基礎上增加了科技屬性和消費屬性,成為前沿創(chuàng)新技術的最佳集成器。未來評價汽車主要關注的是其技術創(chuàng)新和產(chǎn)品創(chuàng)新的“價值”,是其能否充分承載大模型的技術特性和優(yōu)勢。另外,汽車的全生命周期包括研發(fā)、生產(chǎn)、銷售、使用等眾多環(huán)節(jié),涉及大量數(shù)據(jù)和復雜決策過程,應用場景豐富,這為大模型的應用落地提供了廣闊空間,具有顯著的示范性與引領性。

大模型將推動汽車成為超級智能體。大模型以算力為基礎、數(shù)據(jù)為資源、算法為放大器的技術范式具有馬太倍增效應,已經(jīng)產(chǎn)生出智能涌現(xiàn)的特性,可以在自動駕駛、智能座艙等多方面提升汽車的智能化水平,且能快速迭代,帶來新的價值增量。例如,特斯拉FSD V12率先使用端到端技術并實現(xiàn)數(shù)據(jù)閉環(huán),人工代碼由30萬行縮減至3000行,從V12.3.1到V12.3.5的四個版本迭代僅用15天。

大模型甚至有可能推動智能駕駛汽車變革為“人工智能汽車”、成為超級智能體,讓汽車能夠不斷從周圍環(huán)境中積累數(shù)據(jù)并自主改進和優(yōu)化自身表現(xiàn),主動適應各種駕駛環(huán)境和交通狀況,提高駕駛的舒適性和安全性;也可以幫助汽車理解人類的語言和手勢,并通過語音、燈光或屏幕等方式與人類進行高效溝通。

大模型以革命性的方式改寫汽車全生命周期的價值創(chuàng)造。大模型將會顛覆汽車行業(yè)原有的生產(chǎn)方式,重塑整車設計研發(fā)、生產(chǎn)制造、市場營銷、售后服務、供應鏈等各個環(huán)節(jié),推動整個制造鏈條的產(chǎn)業(yè)化、數(shù)字化升級。

一方面,用戶與車企的關系更近了。大模型會成為車企掌握直面用戶的流量入口,幫助車企在需求定義、用戶運營、產(chǎn)品升級等各個環(huán)節(jié),抓取每一個用戶的個性化需求,以提供千人千面的產(chǎn)品迭代和服務拓展。如極越汽車依賴大模型打通了用戶用車的問題搜集、數(shù)據(jù)反饋、工程師處理的自動化閉環(huán),極大提升了組織效率。

另一方面,汽車的設計與生產(chǎn)方式也得到了革新。目前小鵬、極越等車企30%以上的軟件依賴于大模型自動生成。此外,大模型還為科技公司賦能汽車產(chǎn)業(yè)增加了一條清晰可行的路徑,進一步促進了人工智能、信息通信等與汽車產(chǎn)業(yè)的融合,加速產(chǎn)業(yè)格局重塑。

02 大模型已開始在汽車全生命周期落地應用

大模型能夠重構自動駕駛技術架構并產(chǎn)生常識性思維,提升自動駕駛的智能性與安全性。基于機器視覺的自動駕駛更多關注的是感知精度、長尾問題等,但實際總會出現(xiàn)未知的場景,讓汽車的智能化停留在輔助駕駛階段。借助Transformer神經(jīng)網(wǎng)絡,自動駕駛分模塊的小模型可以集合成一個全棧神經(jīng)網(wǎng)絡的大模型,減少從傳感器到執(zhí)行器的信息損失。神經(jīng)網(wǎng)絡參數(shù)達到百億時,訓練精度就會非常高,并能夠通過學習海量數(shù)據(jù)無限逼近人類駕駛行為,解決智能駕駛的智能性、安全性不足等問題。

未來,大模型基于涌現(xiàn)效應形成常識思維,能夠讓汽車成為真正的智能體。模型通過對海量數(shù)據(jù)的學習,對世界形成全面的常識性理解,并超出絕大多數(shù)人的片面認知。車輛行駛時模型判斷出錯的概率比普通人低得多,選擇安全方案的幾率更高。例如,能夠區(qū)分出“可以撞”的塑料袋和“不能撞”的石頭。

多模態(tài)、個性化交互提升座艙智能化體驗。人機交互方面,大模型將傳統(tǒng)的基于內(nèi)容匹配規(guī)則的交互方式,轉(zhuǎn)變?yōu)樽匀徽Z言交互模式,提升了交互的自由度、真實性。使車機智能助手對駕駛員的交互意圖理解更加準確,駕駛體驗更自然、更人性化,甚至能夠?qū)崿F(xiàn)電影《鋼鐵俠》中賈維斯的效果。

車機應用方面,隨著車機屏幕越來越大,人工設計車機壁紙成本較高,利用大模型可以快速生成質(zhì)量比較好、千人千面的壁紙,使車機壁紙常用常新。也可以利用大模型依據(jù)音樂的意境自動生成MV,給駕駛員創(chuàng)造全新的視聽體驗。

此外,大模型還可以打通第三方信源,與導航地圖、手機互動,提升本地化生活服務體驗。

重構自動駕駛數(shù)據(jù)工具鏈、生成數(shù)據(jù)資產(chǎn)。一方面,大模型能夠提升海量數(shù)據(jù)的自動化標注效能。以視頻標注為例,先用海量未標注的數(shù)據(jù)預訓練一個大模型,然后用少量已經(jīng)人工標注好的數(shù)據(jù)對模型進行微調(diào),使得模型具備檢測能力,實現(xiàn)自動標注過程。這樣就避免了人工處理效率低、數(shù)據(jù)一致性差等問題,后續(xù)也可以通過“自動標注+少量人工查缺補漏”的方式,提升數(shù)據(jù)利用的有效性。大模型還可以將視頻高效地提取出來,形成文本并完成多模態(tài)的檢索。項目管理人員直接采用文本對話方式,就能把想要的所有視頻檢索出來,實現(xiàn)異構數(shù)據(jù)的精準、快速定位。

另一方面,大模型能夠合成數(shù)據(jù)并生成場景。在真實場景數(shù)據(jù)基礎上,通過改變視角、光照、材料紋理、材質(zhì)等方法生成各種高真實感數(shù)據(jù)。不僅可以將已有的轎車數(shù)據(jù)復用到新的SUV車型上,通過視角變化模擬變道、繞行、調(diào)頭等各種車輛駕駛行為,加速產(chǎn)品快速迭代;還可以基于已有路采數(shù)據(jù),模擬交通參與物、車道、天氣、路面的變化,生成新的場景數(shù)據(jù),解決數(shù)據(jù)獲取難、訓練數(shù)據(jù)和仿真數(shù)據(jù)不足等問題。

為保證數(shù)據(jù)的可控性,可將3D結構、環(huán)境、運動、物理規(guī)律等約束條件加入到仿真引擎里,再對合成數(shù)據(jù)進行仿真校正,降低因大模型“幻覺”問題導致的數(shù)據(jù)可靠性不足問題。

把控消費者需求,實現(xiàn)精準營銷。基于大語言模型的語義理解和文本生成能力,可統(tǒng)計、分析社交網(wǎng)站、APP、企業(yè)側智能終端等多維度數(shù)據(jù),從底層優(yōu)化營銷策略,這也是最為成熟的應用場景。目前智譜華章、華為云等企業(yè)的大模型,已經(jīng)在多家車企中應用。

銷售話術層面,可自動提取客戶標簽,并針對性開展話術輔助,以提升銷售管理精細度、線索轉(zhuǎn)化率、社區(qū)活躍度等。例如,智譜華章的ChatGLM大模型可結合智能工牌,實時檢測、分析銷售人員是否存在不當言論或誤解客戶需求,也可以作為銷售話術的輔助與陪練,幫助銷售人員提升轉(zhuǎn)化率。

用戶畫像方面,可以分析用戶瀏覽記錄、購買歷史、社交媒體活動等數(shù)據(jù),來提取客戶的特征標簽,如年齡、性別、興趣、購買偏好等,以準確地了解客戶需求和期望。在此基礎上,也可為用戶個性化推薦汽車產(chǎn)品或服務。將上述數(shù)據(jù)進行統(tǒng)計并輸入基于數(shù)學規(guī)則的預測模型,還能幫助開展營銷洞察、銷量預測、庫存優(yōu)化等,反輔企業(yè)制定車型開發(fā)計劃、生產(chǎn)排期等經(jīng)營策略。

輿情分析方面,可以幫助企業(yè)分析社交媒體、論壇等渠道上的用戶評論和反饋,及時了解用戶對汽車產(chǎn)品、服務、品牌等的態(tài)度,發(fā)現(xiàn)并解決產(chǎn)品潛在質(zhì)量問題、設計缺陷等,提升品牌形象和聲譽。

智能客服方面,在對車企知識庫數(shù)據(jù)進行定向訓練后:能快速分析客戶提問并生成回答,處理效率遠超依靠純規(guī)則所能達到的效果;能提高對用戶問題理解的準確度和“提問-反饋”的匹配程度,即使用戶反饋的問題不完整,系統(tǒng)也能夠快速生成相似問法,解決問答庫覆蓋不全面、語義建模不準確等問題;基于多模態(tài)交互技術,還能進一步提升智能客服系統(tǒng)對用戶上傳的語音、影像、表格等內(nèi)容的識別和理解能力,更精準捕捉關鍵信息,快速理解用戶使用痛點。

沉淀汽車維修知識,提升維修效率和客戶滿意度。電動智能汽車售后維修需要專業(yè)的電氣、電路知識,傳統(tǒng)的4S店和維修商無法勝任,很多維修工作需要車企介入。借助大模型學習汽車結構、故障庫等知識,可為車主提供維修保障提醒、維修方案管理、在線排故、智能推薦、故障處理推送、救援保障等服務;也可為一線維修人員提供知識推薦、知識檢索等輔助工具,降低車企介入率及專家的培養(yǎng)時間。例如,華為NLP大模型能幫助車企降低維修介入率30%以上,并大大縮短售后專家培養(yǎng)周期。

提高質(zhì)控和質(zhì)檢效率。企業(yè)積累的生產(chǎn)制造、零部件檢測等相關數(shù)據(jù),可用于訓練零部件檢驗算法模型,實現(xiàn)整車測試與零部件檢測的自動化、智能化。

后續(xù)還可以結合整車測試與零部件檢測數(shù)據(jù),對大模型進行優(yōu)化,提高檢測效率。再結合質(zhì)檢人員對檢測結果的評價,基于人類的反饋不斷強化學習技術,對算法模型進行持續(xù)調(diào)優(yōu),來提升整車測試效率與零部件不良品檢出率。

本文為轉(zhuǎn)載內(nèi)容,授權事宜請聯(lián)系原著作權人。