500
「很多 AEB五星测试结果,实际是在用场景识别的方式作弊。」
「测试假人万年不变的黑衣服蓝裤子。」
前不久,智驾科技的创始人、CEO 周圣砚在自家的活动上说了一这番话。眼看着前段时间轰轰烈烈的 AEB 大战刚偃旗息鼓,又被掀了「老底」。
就在周圣砚「开炮」的同时,理想与小鹏也在同一天官宣了城市智驾开城:
理想将在 12 月 NOA【正式版】覆盖全国高速和环线及 100 个城市,交付给 AD Max 用户;
小鹏推送 Xmart OS 4.0,XNGP 新增 20 城无图智能驾驶领航辅助。
这一边,是高阶智能驾驶攻城拔寨,眼看着智驾普及未来可期;那一边,像 AEB 这样基础的辅助驾驶功能依然充满争议。
这就是如今智能驾驶的乱象:有庞大基础和工程经验的 L2 供应商,多数缺乏升维度能力;高阶智驾玩家,往往又在 AEB 这些基础功能的工程化开发上存在短板;眼看着今年各家逐渐摆脱高精地图束缚,立下 30 城、50 城、100 城的 flag,但开城的实际速度并没有想象中那么迅速……
(图片来源:佐思汽研究)
眼看着各家开启了 NOA 开城大战,究竟怎么战?
BEV 当道,高精地图失宠
「今年开始,有一些自动驾驶驾驶供应商用传统 CNN 包装所谓『无图方案』忽悠车企。」
虽然周圣砚没有点名道姓,不过不少业内人士表示:这种「骗局」并不是意外,甚至可能是「双向奔赴」。
没办法,「无图方案」的确太让如今的汽车圈「上头」了。
自从年初小鹏喊出了「轻地图、重感知」路线开始,高精地图曾经智驾的掌上明珠,因为成本高、速度慢、政策限制等一系列原因逐渐「失宠」,轻地图化、去高精地图成了各家的重点,伴随着「无图方案」一起的就是 BEV 技术路线。
2020 年,特斯拉推出 FSD beta、重写了 AutoPilot 底层代码,用的就是全新的 BEV 感知算法,从那时开始,蔚来、小鹏、包括前边提到的 MAXIEYE 智驾科技先后加入 BEV 阵营。
之所以在 2023 年,BEV 路线被发扬光大、成为主流趋势,是因为城市高阶辅助驾驶的路况远比高速场景复杂得多,对感知的需求也高得多。
前任小鹏汽车自动驾驶副总裁吴新宙曾披露,小鹏城市 NGP 的代码量是高速 NGP 的 6 倍、感知模型数量是 4 倍,预测、规划、控制相关代码量是 88 倍。在传统 CNN 卷积神经网络框架下,各传感器算出自己的结果,再不同场景下按照不同权重投票得到结果。这个权重来自于人的判断,要想精确度高,就需要人尽可能穷举真实场景。在城市场景庞大的需求下,CNN 显然不够用了。
BEV(Bird’s Eye-View,鸟瞰图)把原本摄像头 2D 的视角通过算法校正和改变,把不同传感器的数据映射到统一坐标下,可以获得最佳特征表达,让车辆可以判断自己和空间的关系。
BEV+Transformer,则能给不同传感器时间序列的特征和信息赋予权重。概括来说,不仅能提升感知精度,同时能增加系统的跟踪和推断能力,准确地预测目标轨迹;同时端到端的优化,让模块更简洁,任务的可扩展性更强。
最关键的是,BEV 路线拥有构建语义地图的能力,可以摆脱高精地图。利用 BEV 算法和已有信息,能提供道路线、车道类型、速度限制等一系列信息,构建语义地图,虽然没有高精地图那么多细节,但是在高精地图受限等情况下够用了。
以 MAXIEYE 推出的青云 Hyperspace 架构为例,这套技术体系相当于用 BEV+Transformer 重构了一遍,从城市 L2 增强、高速 NOA、城区 NOA、行泊合一、记忆行泊车全场景应用,都可以在一套系统中覆盖。由于融合了道路拓扑、目标轨迹、占用空间三大网络,横向拓扑精度 5 公分,纵向拓扑精度误差 1‰,稳定性趋近于真值;在轨迹预测方面可以准确地预测 3 秒后的目标轨迹。
这就是今年以来,各家城区 NOA 计划开始提速的原因,而且各家不仅开始试图摆脱高精地图,还开始试图摆脱激光雷达的束缚。
上个月,极越 01 上市,去掉了原本计划搭载的激光雷达,直接采用 BEV+Transformer+OCC 占用网格技术的纯视觉方案。
以往,系统识别障碍物时要么通过激光雷达点云判断障碍物,要么在视觉方案中要对障碍物识别、标注,遇到白名单中不存在的物体就不认识了。利用 OCC 占用网格技术,能把空间网格化区分,被占用的网格是 1,没占用的是 0,这样障碍物的形态就能显示出来了。
在特斯拉 FSD 姗姗来迟的情况下,目前极越 01 是第一家主动抛弃激光雷达、纯视觉 NOA 上路的车企。不过,据行业内相关人士透露,小鹏、华为等关于 BEV+Transformer+OCC 的研发也在推进当中,抛弃激光雷达、或者只把激光雷达作为一种感知冗余,只是时间问题。
记忆共享
让一部分城市 NOA 先用起来
过去几年里,以特斯拉 FSD 为首的各家智驾功能主打一个望梅止渴、画饼充饥,要么迟迟不能落地,要么只能在有限的几个城市路段、让少数用户在少数场景下体验。
根据高工智能汽车的数据,今年上半年,国内乘用车销量 959.08 万辆,其中前装标配 NOA 车辆 20.94 万辆,仅占 2.18%,这其中城市 NOA 占比更低;就算是目前已经开通城市 NOA 的区域,也以北京、上海、广州、深圳等城市为主。
俗话说不能给用户带来方便的功能都是耍流氓,各家车企针对高频率的场景推出了新功能:
小鹏推出 AI 代价,可以在高频场景定制智能驾驶路线,不管有没有高精地图覆盖;
理想推出了通勤 NOA,在设定的路线学习一周就可以开放 NOA 功能,不依赖高精地图;
大疆车载推出不带激光雷达的记忆行车,先记忆点到点的行驶路线,保存路线后,系统可以根据这条路线完成点到点的领航辅助驾驶;
最近,MAXIEYE 智驾科技提出了记忆共享,打通了首次行车、再次记图、三次激活的智慧化记忆行泊车功能应用,90%以上场景可支持实现三次行车后记忆功能激活。
AI 代价、通勤 NOA、记忆共享、记忆行车,从本质上来说,这些功能都是基于相对固定的路线重复训练,当训练的有效数据足够多的时候,BEV 算法和已有信息构建的语义地图就可以弥补部分高精地图信息,获得特定路段下的城市 NOA 功能。
这样,城市 NOA 的开通就不是以「城市」为单位,一辆车走过同一段路几次,就可以实现通勤智驾。这不仅能提高智能驾驶系统的感知精度,也能摆脱对硬件和高精地图的束缚,在降低智驾系统成本的情况下,让一部分人先用上城市 NOA。
以智驾科技的青云 BEV 架构为例,这套架构可以覆盖从单 V(牧童 Monotogo™解决方案)到多 V(5V、6V、9V、11V-跨越低中高算力的行泊合一域控方案)的 MAXIPILOT®全系智驾解决方案矩阵;可以利用大量的 L2 车型对道路信息的获取,打通行车记忆共享的数据通路,在城区驾驶是最高频的用户出行场景下,用共享数据来优化体验。
不过,当越来越多人加入到通勤模式、记忆共享中,大量的道路数据「共享」之下,数据合规监管也会成为不可避免的新问题。
最后
随着小鹏、理想、华为这样的车企逐渐落地城市 NOA,以及 MAXIEYE 这样的智能驾驶公司推出标准化的工具链,城市 NOA 终于驶上快车道,似乎距离自动驾驶越来越近了。
不过,「能用」与「好用」之间依然有着很远的距离,影响高阶智驾和 BEV+transformer 路线的关键就是数据。
在前段时间的财报会上,马斯克曾说: 「只用一百万个训练样本时,它(模型)几乎无法工作;两百万个,它才稍微有些效果;三百万个时,我们会惊叹,好像看到了一些东西。到了一千万个时,它就变得令人难以置信。」毫末智行 CEO 顾维灏也曾预测, 仅标注一项,BEV 的模型大概需要标注 1 亿公里的数据。
训练数据越多,结果就越好,是行业内的共识,也是城市 NOA 上车后需要借助数据闭环不断完善的功课。
根据特斯拉 2022 年公布的信息,使用 BEV + Transformer 的特斯拉 FSD 模型有 10 亿个参数,大概是上一版模型的 10 倍。这建立在特斯拉巨大的销量和在北美不断实践的测试基础上。对于国内玩家来说,从推出城市 NOA,到进一步通过数据闭环优化体验,还有一段距离要走。
最近,FSD 进入中国的消息一直在推进中,看来留给国内玩家们提升体验的时间不多了。
标签: 极越01
内容由作者提供,不代表易车立场