百度世界2024精选公开课：基于地图智能体的导航出行AI应用创新实践

news2024/11/20 14:17:47

11月12日，“百度世界2024”在上海世博中心举行。百度创始人、董事长兼首席执行官李彦宏发表了主题为《应用来了》的演讲。

百度地图也为大家带来了干货满满、精彩纷呈的智能体公开课，由百度地图开放平台技术架构师江畅分享《地图智能体：导航出行领域的AI应用实践指南》。

read-normal-img

地图智能体在技术上是怎么实现的？

01 技术实现路径

百度地图智能体的发布得益于长期技术投资所带来的技术积累红利，依托国内领先的大模型文心一言，拥有学习海量出行信息，洞悉用户交通偏好，并且与业界美团、携程等主流应用广泛合作，内容供给极致丰富。

具体而言，百度地图智能体在理解和规划上，实现了高度口语化用户输入的意图识别，具备多轮理解及反思修复能力，支持模型的长期和短期记忆，包括用户画像和会话信息，以更好地理解用户需求。同时，百度地图不断构建基于海量数据的知识库和工具集合，以支持需求理解和执行动作。

read-normal-img

02 技术架构两大关键环节

一、意图理解

首先是模型选择。永恒的话题是模型尺寸和推理性能的权衡，大尺寸模型，效果好，但推理速度慢，成本也贵，更小尺寸的模型，可以扛住更大的流量，但效果可能没那么好。实际工程架构上，采用混合模型，简单的输入，尽量让小尺寸的模型承接，非常复杂的输入，才会走到更大的模型，来平衡成本和效果。

其次是原子化技能。把百度地图的能力，尽可能地拆解成一个个原子化的API，在意图理解的阶段通过LLM进行拆解和映射，类似大家常说的，把大象装进冰箱分成三步走，把复杂的用户需求分步骤的拆解，让不同技能来承接，最终呈现给用户一个好的结果。

最后是多轮能力。多轮推理的模块，基于对环境的感知和长短期的记忆内容，来实现诸如“帮我找一个附近游玩的地方”，找到故宫后，直接说“那就导航去这儿吧”这样的交互对话能力。

二、知识问答

百度地图把各种数据都做了面向智能体友好的规格处理，这些知识现在可以被大模型所理解，并归纳总结给出合理的答案。

具体来说，当用户问一个问询类的问题后，首先通过问题的相关性检索，从地图知识库里召回关键要素，通常是用户问题相关的多个不同主题的信息，比如营业时间、地点特色等。当抽取出这些多主题信息后，结合原始的问题，利用大模型的强大归纳总结能力，进行最后的归纳、总结，并给出准确的答案。

地图智能体有哪些核心能力？

01 出行指令一张图，听得懂, 可执行

支持基础60+类语音指令，导航行中可见即可说，所有功能皆可语音支持；支持10+种路线定制能力，多途经点路线、定制化路线（描述路名/道路特征的路线）、多意图路线随意组合......只要能描述的路线，都可以规划展示。

02 出行信息一张图, 路上你关心的全都有

支持服务区/拥堵等12类信息问询，也可以做到问山问水等偏兴趣探索的问询需求。

03 旅途好伴侣, 多模态交互, 让出行更有趣

只要给出你想去的地方+游玩时间，即可一键生成出游攻略行程规划；加载文心大模型，所有知识皆可问询，满足泛出行场景的知识诉求。

read-normal-img

地图智能体有哪些使用场景？

01 行前——复杂泛搜以及制定出游攻略

具备针对指定POI的多轮问询能力，例如查找周边充电站后，可继续追问是否支持快充，以及是否24小时营业等信息；根据不同类型多个筛选条件，对周边或指定区域进行检索并推荐结果；通过口语化问询，如查询行程时间、距离、拥堵情况，并根据路线偏好进行推荐。

同时也新上线了行程规划的能力，比如“做一个北京三日游的攻略”，只要给出想去的地方+游玩时间，即可一键生成出游攻略，包括出游地点、路线、时间等相关信息，还附带海量笔记、消费入口供用户参考和调整规划行程。

02 行中——语音指令、路线定制和行中搜点

在基础功能指令上，智能体行中可以对车道级导航开关、播报模式、限行、服务区等语言指令做出响应。

在特色功能上，智能体支持对路线的定制化调整，包括多途径点/走&不走某条路的路线/大路多的路线/红绿灯少的路线/曾经走过的路线/转弯数少路线等。行中搜点——沿途搜、周边搜、以点搜点能力同样也是具备的。

03 行中——信息问询、知识问询

支持导航过程中的一系列诉求，比如服务区/拥堵&动态事件/出入口&收费站/限速/道路/起终点&途经点&ETA/城市位置&天气/电子眼/红绿灯/停车场/诱导方位指引/交规通行性等地图信息随意问询，天级别迭代；还能接受途中问旁边山、水、建筑信息问询，景点的历史典故、游览词等。也包括对POI点的营业时间、位置、历史信息的一系列query。