輕舟智航侯聰：如何將城市NOA帶進(jìn)現(xiàn)實(shí)
[汽車之家 行業(yè)] 2022年，汽車行業(yè)頂住供應(yīng)鏈壓力，克服重重困難，在下半年實(shí)現(xiàn)產(chǎn)銷量逆勢增長，展現(xiàn)出強(qiáng)大的發(fā)展韌性。11月8-10日，有汽車領(lǐng)域“達(dá)沃斯”之稱的2022中國汽車論壇在上海舉辦。作為汽車行業(yè)的頂級盛會，中國汽車論壇自2011年創(chuàng)立以來，已成功舉辦了十一屆，影響力日益廣泛。
本屆論壇由中國汽車工業(yè)協(xié)會主辦，以“聚力行穩(wěn) 蓄勢新程”為主題。政府領(lǐng)導(dǎo)、國際行業(yè)組織、主要車企和新勢力企業(yè)負(fù)責(zé)人共聚一堂，探索產(chǎn)業(yè)穩(wěn)增長之大計(jì)。汽車之家作為大會的官方合作伙伴，在現(xiàn)場為大家?guī)砼c會嘉賓的精彩觀點(diǎn)。在2022年中國汽車論壇上，輕舟智航聯(lián)合創(chuàng)始人、CTO侯聰發(fā)表了主題為“如何打造中國特色城市NOA�！钡难葜v。
以下內(nèi)容為現(xiàn)場演講實(shí)錄：
輕舟智航現(xiàn)在已經(jīng)不止是一家L4自動駕駛公司，今年上半年發(fā)布了新的「雙擎」戰(zhàn)略�！� 雙擎”是指動力引擎和創(chuàng)新引擎。其中動力引擎指的是我們自動駕駛技術(shù)能力以及研發(fā)體系，在這個引擎之要不斷夯實(shí)技術(shù)深度，支持長線發(fā)展。創(chuàng)新引擎是基于自動駕駛能力之上實(shí)現(xiàn)商業(yè)化，不斷拓寬場景的寬度，反哺技術(shù)的發(fā)展。
其中最重要的應(yīng)用是前裝量產(chǎn)的高級別輔助駕駛，在國內(nèi)想要實(shí)現(xiàn)最終的無人駕駛，“雙擎”的方式，通過漸進(jìn)式的高級別輔助駕駛反哺自動駕駛的方式是最務(wù)實(shí)的一條道路。
今天我要分享的重點(diǎn)在于創(chuàng)新引擎中的前裝量產(chǎn)，也就是高級別輔助駕駛城市NOA應(yīng)用，看怎么將城市NOA帶進(jìn)現(xiàn)實(shí)。
首先分享一下我們對輔助駕駛產(chǎn)品的認(rèn)識，我們認(rèn)為，在不同階段把產(chǎn)品分成三個不同的階段：能用、好用和愛用。
什么是能用？最基本的L2功能，大家可以在高速上、高架上用起來，可以實(shí)現(xiàn)我們想要的輔助功能定義。但同時，也會看到經(jīng)常會有一些需要接管的場景，比如說加塞的時候表現(xiàn)的不夠安全，有時候跟大車靠的很近的時候讓大家覺得不是非常安心，是不是需要接管？只是處在能用的狀態(tài)。
什么是好用？隨著硬件的升級、方案的迭代，處理場景的能力會不斷增強(qiáng)。包括加塞、大車并行以及其他偏長尾的場景能處理的比較好，基本上在高速上能實(shí)現(xiàn)點(diǎn)對點(diǎn)的輔助駕駛能力。
畢竟大家開車開高速的機(jī)會不是很多，大部分時候都是在城市里開。所以往下一步看的話，要做到讓用戶愛用，一定要涵蓋大部分駕駛場景。一定要涵蓋城市的場景。當(dāng)我們把城市場景覆蓋90%以上的時候，把產(chǎn)品做得更加安心、安全，用戶會不斷形成對它的依賴，就到了愛用的階段。
為了做到愛用，城市一定要把幾乎所有的場景都覆蓋到，無論是高架，還是城市里的路口、泊車的功能。目標(biāo)是實(shí)現(xiàn)城市NOA在場景中的駕駛能力。
為什么非常重視城市NOA的開發(fā)？因?yàn)槲覀冋J(rèn)為它是輔助駕駛里的天花板，是技術(shù)含量最高的功能。輕舟的使命是將無人駕駛帶進(jìn)現(xiàn)實(shí)，希望能通過持續(xù)打磨城市NOA功能，不斷反哺L4技術(shù)，最終實(shí)現(xiàn)無人駕駛，所以它也是無人駕駛的入門檻。
城市NOA功能市場趨勢是怎么樣的？到2025年的時候，我國智能駕駛市場滲透率到65%以上，其中L2及以上的功能滲透率是40%以上。右邊可以看到用戶在購買車輛的時候，越來越看重的是輔助駕駛，尤其是高級別輔助駕駛帶來的疲勞環(huán)節(jié)，包括解放雙手的功能，會形成很強(qiáng)的購買車輛的意愿參考。
趨勢非常明顯，在當(dāng)然的時間節(jié)點(diǎn)，我們認(rèn)為輕舟已具備了天時、地利、人和這三個重要因素。
“天時”就是大的行業(yè)趨勢，做的產(chǎn)品會越來越受到用戶的接受和歡迎。
“地利”是跟廣大的上下游合作伙伴達(dá)成深入合作，無論是軟件、硬件還是主機(jī)廠。特別要提到的一點(diǎn)是跟地平線的深入合作，雙方已經(jīng)達(dá)成了很深的生態(tài)和戰(zhàn)略合作。輕舟目前專注于在征程5的平臺上做城市NOA開發(fā)。
“人和”是來自于輕舟這些年積累的L4經(jīng)驗(yàn)，人才及研發(fā)體系。
集齊了這三個因素，輕舟非常有信心，能夠把城市NOA做好。
在當(dāng)前這個階段，如何更快地把城市NOA做好？可以看一下當(dāng)前輔助駕駛的主要配置方案，大致分成三類：
1.低配，主要在5000人民幣以下的成本，用單目的方案解決高速場景的車道保持和自適應(yīng)巡航，這個領(lǐng)域已經(jīng)比較成熟了。
2.中配，成本會高一些，到將近1萬的成本，以多目視覺為主，解決高速上NOA的功能。
3.高配，增加至少1顆激光雷達(dá)，以解決城市NOA的場景，成本會更高一些。
我們認(rèn)為，當(dāng)前最快的實(shí)現(xiàn)城市NOA的方式還是高配的方案，至少需要1顆激光雷達(dá)。
為什么會需要一顆激光雷達(dá)呢？大家也知道，中配的方案在國外就能實(shí)現(xiàn)城市很好的功能。但是，在國內(nèi)場景上有很大差異的，無論是道路設(shè)計(jì)、交通擁堵狀況、人車混行、施工情況、道路使用者規(guī)范性也不是使用很強(qiáng)，本身場景就比國外要復(fù)雜很多。
同時，在場景之中能看到很多情況，對于純視覺是非常有挑戰(zhàn)的。比如像有些人可能會扛著桿子，視覺能把人檢測出來，但是桿子卻看不到。還有地上經(jīng)常墜落的未知障礙物，對視覺也是非常有挑戰(zhàn)的。實(shí)際上，這些場景通過1顆激光雷達(dá)就可以解決的非常好。
在測試過程中碰到了路邊突然放了一些建筑材料的情況，這種情況是平時開車很少碰到的，如果用純視覺的話會帶來很大的風(fēng)險，但是激光雷達(dá)可以輕易繞開障礙物。
當(dāng)然，還是要用發(fā)展的眼光看待自動駕駛技術(shù)的發(fā)展。我們認(rèn)為隨著技術(shù)的不斷迭代，隨著大量數(shù)據(jù)的回收，大量長尾問題的回收。相信純視覺在未來的某個時間點(diǎn)也可以把城市場景解決的比較好。但是當(dāng)前因?yàn)橛脩魧τ诔鞘袌鼍爱a(chǎn)品的需求特別急迫，再加上它是新事物新產(chǎn)品，希望它用到用戶手中的時候是以一種比較安全的方式送達(dá)的。所以建議用帶激光雷達(dá)的方案提供功能。
通過大量經(jīng)驗(yàn)積累也注意到，最需要解決的感知方向主要在前方和側(cè)前方，用1顆雷達(dá)放在車頂?shù)姆桨妇涂梢园堰@個問題解決的比較好，這種方式也是性價比最高的方式。當(dāng)然了，考慮到很多車廠出于車型造型設(shè)計(jì)的考慮，可能會把雷達(dá)放在下面的某些位置。這樣的話至少需要2-3顆，這種方案我們也是可以適配的。
城市NOA方案剛剛發(fā)布了名稱，叫做“輕舟乘風(fēng)”。接下來想和大家介紹一下技術(shù)上的優(yōu)勢，從感知到規(guī)劃到數(shù)據(jù)驅(qū)動。
感知叫“超融合”方案，綜合融合了多傳感器不同的信息，并且實(shí)現(xiàn)了穿插的融合。說到融合，大家比較了解前融合、中融合、后融合。前融合主要指的是數(shù)據(jù)層面，中融合主要是特征層面，后融合是目標(biāo)層面。不僅把前、中、后全部做進(jìn)了系統(tǒng)里，同時也加入了時序融合。
以中融合為例，他是在特征層面上對來自激光雷達(dá)和相機(jī)的數(shù)據(jù)特征在BEV空間下進(jìn)行了融合，把圖像特征映射到BEV框架下，可以很自然的和點(diǎn)云特征進(jìn)行融合，坐標(biāo)器是全局坐標(biāo)器，可以實(shí)現(xiàn)時序的融合。不僅可以提高感知的整體性能，同時也能實(shí)現(xiàn)對于周圍物體方向、速度預(yù)測的輸出。
非常高興地宣布，我們把國內(nèi)首個超融合模型部署在了量產(chǎn)方案中，已經(jīng)在征程5的芯片上實(shí)現(xiàn)了部署。
說到大模型，這些年大模型的趨勢非常明顯。這里介紹下我們的感知大模型叫OmniNet，Omni的意思是無所不能的，把各種傳感器的輸入通過前融合的方式進(jìn)行特征提取，在BEV下進(jìn)行中融合的特征匹配融合，之后在BEV之下再輸出檢測、分割等多任務(wù)的感知結(jié)果。同時，在圖像空間也會輸出2D檢測、分割等結(jié)果，一個模型就可以實(shí)現(xiàn)感知所有任務(wù)的輸出。
OmniNet模型有3個優(yōu)點(diǎn)：
�。�1）感知更精準(zhǔn)
左邊是在BEV之下的感知結(jié)果，右邊是在圖像空間中的輸出，像2D監(jiān)測、分割、深度估計(jì)。還可以進(jìn)一步把2D檢測下的結(jié)果（深度、語義分割）合在一起，形成三維的重建結(jié)果，這對于解決未知障礙物是很有幫助的。
同時，如果拿掉激光雷達(dá)的話，用純視覺也可以實(shí)現(xiàn)很好的BEV結(jié)果。左側(cè)是只用6個相機(jī)就能實(shí)現(xiàn)很好的檢測結(jié)果。當(dāng)然，如果有雷達(dá)的話，做中融合的效果也會更好。BEV確實(shí)能帶來很大的優(yōu)勢，可以天然地把跨相機(jī)的特征融合在一起，這樣就能解決掉大型車輛單路相機(jī)看不全，會有極端的閑心，通過跨相機(jī)的融合可以對大物體（卡車、公交車）識別做得更好。同時，可以實(shí)現(xiàn)點(diǎn)云和圖像的融合，以及時序融合。
�。�2）車端更適配。
以前傳統(tǒng)模型的模式有算力浪費(fèi)，把多個模型并成一個模型之后，會形成多個任務(wù)共享一個主干網(wǎng)絡(luò)，就是Backbone特征提取部分，把算力降低60%以下，很方便地部署在算力有限的車輛之上。
同時，對傳感器的配置非常靈活，不論是1顆、2顆、3顆激光雷達(dá)，甚至是純視覺，都可以用這個框架進(jìn)行開發(fā)部署。
�。�3）迭代更高效。
大模型天然非常適合用數(shù)據(jù)去驅(qū)動，我們開發(fā)了大量的自監(jiān)督、半監(jiān)督、弱監(jiān)督的框架。使得可以充分挖掘數(shù)據(jù)中的價值，通過無需人工標(biāo)注的方式把數(shù)據(jù)中可學(xué)的部分學(xué)到。同時，還有數(shù)據(jù)合成處理很多長尾的問題。
剛才介紹的是感知，在城市NOA的場景下，決策規(guī)劃的能力是定高下的。
介紹一大亮點(diǎn)，在做決策規(guī)劃時用的是時空聯(lián)合規(guī)劃算法，優(yōu)勢在什么地方呢？舉一個例子。
左邊是超車的場景，傳統(tǒng)是用時空分離的方法做規(guī)劃優(yōu)化，先從空間上搜索一條路徑來，之后在路徑之上搜索速度的結(jié)果。這種分開式的優(yōu)化，解空間比較小，很多時候搜不到最優(yōu)解，往往需要通過大量規(guī)則，hack的方式才能把場景處理掉，這種方式擴(kuò)展性比較差。
輕舟采用的是“時空聯(lián)合規(guī)劃”的方法，同時搜索空間和時間的結(jié)果，解空間就會大很多，在復(fù)雜動態(tài)場景下往往能搜出最優(yōu)解來，甚至某些場景下比人類的行為做得更好、更舒適、更安全。
當(dāng)然，好的決策規(guī)劃也離不開好的預(yù)測，預(yù)測也是很先進(jìn)的模型，能輸出周圍物體10s的預(yù)測軌跡，同時可以支持?jǐn)?shù)百個物體的預(yù)測。針對征程5芯片做了大量的適配優(yōu)化，只需要20毫秒就可以跑完預(yù)測。
模型這兩年參加了一些比賽，像CVPR里的Argoverse是世界頂級的比賽，去年拿了冠軍，今年拿了亞軍，證明了模型的能力。
最后，分享關(guān)于數(shù)據(jù)驅(qū)動的優(yōu)勢和思考，大家知道，城市場景非常復(fù)雜，用規(guī)則肯定解決不掉，肯定是用數(shù)據(jù)驅(qū)動的方式來讓能力越來越強(qiáng)。
輕舟作為一家L4公司，已經(jīng)積累了數(shù)百萬公里的測試數(shù)據(jù)，基于數(shù)據(jù)有大量長尾數(shù)據(jù)采集。同時，之后會跟車廠達(dá)成深度合作，通過量產(chǎn)車的數(shù)據(jù)回收把更多的海量數(shù)據(jù)收回來。
但是數(shù)據(jù)回收是一部分，想把數(shù)據(jù)給用好需要很好的工具鏈。輕舟經(jīng)過將近四年的開發(fā)，已經(jīng)把數(shù)據(jù)的供應(yīng)鏈做得非常完善。目標(biāo)是把數(shù)據(jù)中的“黃金”給挖出來，需要一整套數(shù)據(jù)鏈路。通過數(shù)據(jù)鏈路，隨著數(shù)據(jù)的回收，形成自動化的數(shù)據(jù)閉環(huán)。這樣后面無論做新的車型還是新的場景，就變成了自驅(qū)動的方式，極大地降低開發(fā)的成本。
舉個例子，數(shù)據(jù)挖掘就是從數(shù)據(jù)中挖掘黃金，有時候處理長尾問題，之所以長尾，因?yàn)楹苌僖姡枰阉鼜暮Ａ繑?shù)據(jù)里找出來。會碰到一些人從車?yán)锎蜷_車門走出來，這個例子對于車門的檢測，對于人行為的預(yù)測是比較有挑戰(zhàn)的。發(fā)現(xiàn)它是長遠(yuǎn)問題之后，就通過挖掘工具從數(shù)據(jù)庫里把類似的場景都挖出來，之后會送到模型里訓(xùn)練，解決問題。再之后，通過仿真工具驗(yàn)證這個問題已經(jīng)得到很好的解決，形成了閉環(huán)。
這里展現(xiàn)的是單顆激光雷達(dá)用在城市中實(shí)現(xiàn)的功能demo，包括像白天的高架，晚上的高架下面，包括跟大車的博弈，包括擁堵的路段，包括停車場的場景。
最后，很高興地宣布，輕舟將率先推出基于地平線征程5的城市NOA解決方案，請大家期待！ 再說一下價值主張，基于數(shù)據(jù)，成于感知，用對強(qiáng)的決策規(guī)劃來引領(lǐng)城市NOA的新高度。同時，攜手生態(tài)伙伴，打造使用范圍最廣的自動駕駛解決方案。
分享一下關(guān)于智能駕駛的世界觀，提出一個新的概念叫“小四化”， “新四化”大家很熟悉，是電動化、智能化、共享化、網(wǎng)聯(lián)化。但對于智能化提出“小四化”：
第一是讓入門體驗(yàn)標(biāo)配化。也就是不斷地把最成熟的基本駕駛功能模塊化，不需要車企花費(fèi)額外的適配成本，能夠快速上車，成為每輛車的標(biāo)配。
第二是讓終端體驗(yàn)標(biāo)準(zhǔn)化。是正在發(fā)生的階段，包括NOA功能的標(biāo)準(zhǔn)定義，不同車輛、不同車型對于NOA的實(shí)現(xiàn)會有差異化，使得用戶對于車輛行為的預(yù)測不是很標(biāo)準(zhǔn)，不同車輛的駕乘體驗(yàn)也不是很一致，應(yīng)該標(biāo)準(zhǔn)化中配的體驗(yàn)。
第三是讓高端體驗(yàn)大眾化。目前高端體驗(yàn)只是在高端的車型上部署，隨著硬件方案的迭代，成本下降，隨著技術(shù)方案的迭代，我們認(rèn)為高端方案一定會越來越大眾化，裝配率應(yīng)該越來越高，應(yīng)該會下沉到終端車型甚至低端車型上去，這也是很大的趨勢。
第四是讓極致體驗(yàn)革新化。相信未來L3、L4一定可以實(shí)現(xiàn)，L3一定能解鎖新的場景和體驗(yàn)。比如說在某些特定場景下，可以真正解放雙手雙眼，實(shí)現(xiàn)出行真正意義上的革新。
加載中
好評理由：
差評理由：