如何打造更好用、消费者更爱用的智能驾驶解决方案

2023年5月9日-10日,在2023捷途汽车电子架构与智能驾驶论坛上,轻舟智航联合创始人、COO汪堃表示,电动化大势已成,智能化逐鹿群雄,为消费者带来更具吸引力的智能化功能将成为核心竞争力。

轻舟智航将坚持标配化、标准化、大众化和革新化,在辅助驾驶的用户价值方面,达成良好的高速NOA体验并实现较大ODD范围内的城市NOA点对点自动驾驶。

汪  堃 | 轻舟智航联合创始人、COO

以下为演讲内容整理:

轻舟智航是2019年成立的自动驾驶解决方案公司,核心团队来自于Waymo、特斯拉、英伟达、Facebook、百度等世界顶级自动驾驶公司和科技公司,研发人员占比高达80%,研发人员中硕博占比近80%,拥有5年以上相关行业经验的员工占比超过60%。

公司从硅谷起家,现在主要在国内发展,技术基础是自动无人驾驶的前瞻技术,并基于此推出产品。

轻舟智航对智能化趋势的思考

下图是轻舟的“双擎战略”,左边是动力引擎,将前瞻技术落地在L4级别的相关产品方案,包括在全国落地10个城市的无人小巴;右边是创新引擎,把前瞻技术用在量产解决方案上,目前也在与一些主机厂进行量产规模化落地,打造L2+级的解决方案。下边是技术底座,即自动驾驶超级工厂,包括数据回传和数据闭环的轻舟矩阵,迭代技术的进步和产品方案的生成。

图源:轻舟智航

电动化大势已成,智能化逐鹿群雄,对此我们也提出了轻舟的小四化:

第一入门体验的标配化,我们希望将智驾较基础的功能更快速地部署到各个车上,能将之标配化到产品端。

第二中端体验的标准化是把高速NOA相关的产品功能,推向更标准化的体验,用户知道功能上车后应该有怎样的期待。

第三高端体验的大众化,把更高级的功能通过技术的发展进步不仅用在高端车型上,中低端车型也可以体验到城市NOA产品。

第四极致体验的格式化,将创新性的技术,包括从L4级的技术可以降维到L2级,为大众带来产品的体验。

智能辅助驾驶解决方案的能力升级

下图是产品功能图我们圈出了不同级别智驾功能覆盖的场景,在高速上定速巡航和轨道保持辅助驾驶是常见的L2功能,高速NOA属于L2+,并会增加自动变道,高速闸道分流、合并,智慧避让等功能。城市更复杂,包括在城市地面道路的红绿灯入口、U Turn掉头、窄道通行以及泊车场景等。   

图源:轻舟智航

我们认为辅助驾驶,用户的价值在于更好用和更爱用。更好用指满足基础的高速NOA体验,并实现部分城区NOA的点对点驾驶,司机接管率更低,提供更安心、更信赖的管家式体验。更爱用指实现较大ODD范围内的城市NOA点对点自动驾驶,达到更朴实的自动驾驶,让开车像打车一样轻松,让司机对辅助驾驶形成依赖,更加轻松地享受驾驶过程。

在刚刚过去的上海车展上,中端车型的主流智驾方案大致分为两类:一类是基于激光雷达的方案,另一类以视觉为主。大致的配置以计算芯片为例,主要是以Orin和地平线为主。

图源:睿思齐咨询

轻舟智航的智能辅助驾驶解决方案

基于市场需求,轻舟提出了两套解决方案,一套是包括高速和城市NOA的1L11V5R解决方案,支持单/双征程5芯片,要做到高性价比,需要要优化单双J5,传感器也是优化方向。第二套性价比更高,基于6V1R以高速NOA+L2功能为主的解决方案,该方案是较传统的前视、后视和四个环视的相机,当前主要在单J5芯片上实现。

下面是简单的配置图,轻舟率先成为基于国产大算力高性能“征程5” 芯片的城区自动驾驶解决方案提供商之一,与地平线强强联手,搭载首个实现前装量产的国产百TOPS大算力芯片,打造从能用、好用、到爱用的量产智能驾驶方案 。

图源:轻舟智航

同时轻舟的全栈算法也高度适配兼容了英伟达Orin DRIVE 平台,在2022年英伟达GTC大会上也得到了官方对双方合作的认可,下图中间是轻舟基于英伟达双Orin方案的展示图。

图源:轻舟智航

领先的工程化能力加速轻舟产品落地

为什么轻舟能做到用户体验良好的产品?本质在于解决方案的特点:基于数据;成于感知;精于PnC。

首先讲感知,我们提出超融合概念,即多传感器时序穿插融合,包括Lidar、Radar、Camera的输入,时序化可以把过去的传感器输入融合到网络中,从而更准确的输出。整个大模型叫OmniNet,基于BEV的特征空间,加上多传感器融合,最后是通过共享主干网络Backbone,融合多传感器特征,加上时序特点,输出多个感知任务的模型。

下图中,左边是BEV结果,可以看到鸟瞰图象识别的车。这是一颗激光雷达识别的效果,能到150米-200米的视觉感知结果,中途的结果都可以直接输出,包括2D车道线、全景、深度估计的效果、分割的效果。最后可以得到多任务互补,得到最终感知结果,给到归控进行决策和规划。

图源:轻舟智航

下图左侧是把Lidar去掉后,网络设计依然可以支持输出,整个鸟瞰图下对6个摄像头的输入后,车的视觉输出,包括在高速路和快速路、对不同的车道线的输出等都可以在网络上输出。

图源:轻舟智航

在城市道路的输出,包括深度、视觉障碍物的检测、分割、车道线的几何都可以用到视觉中,解决危机障碍物的检测;在隧道中,其感知输出结果一样稳定。

OmniNet提供丰富且准确的环境感知结果,能够有效提升感知的精度和准确性;同时遵循更好利用车载芯片算力的设计,用输入输出的方式优化任务性能,比单任务的算力要节省1/4-1/5。感知模型还可以根据不同传感器配置,只要最终配置和数据搜集过程中做新的确定,就可以适配整个车型,可以做到高速适配和低切移成本,达到高性价比的初衷。

除感知外,轻舟还推出了行业公认更优的时空联合算法。普通的或行业惯用的方法是时空分离算法,即把路径和速度分开优化的过程。比如红色是自车,要做超车或变道的过程,会先规划路径,在路径下再规划不同时间采取什么样的速度通过。劣势是如果路径规划后发现车超不过去,可能采取的行动就是先刹车再避让,或者变道失败。

图源:轻舟智航

时空联合优化的优点是车预测的模型也加入其中,不单单考虑自车的路径,还会把对方的行动路径考虑进去,综合考虑后再做加速度,再超车,可以解决更多复杂场景。

当然好的规划也离不开好的预测模型,我们自研的预测模型ProphNet,在自动驾驶领域世界杯Argroverse 国际预测挑战赛是获得了2021年冠军,2022年获得了季军。整个预测算法达到了10秒的预测长度,可以支持数百个目标,推理的耗时小于20毫秒。针对J5平台也进行了优化,特别对于中国路口出入模型的准确率可以达到90%以上。

除了算法、感知、归控和预测,数据效率也是至关重要的一环,因为它决定了算法迭代的效率。数据平台,标注平台,训练平台,仿真平台,所有的算法都在平台上快速流转,去迭代算法效果。我们也构建了一套属于闭环的工具链,从实车测试、仿真测试、数据处理,到实际仿真场景以及虚拟仿真场景,包括标注数据的训练都在这个工具链里快速解决。

图源:轻舟智航

我们能达到一周内快速部署和训练出一个新模型,同时在平台上挖掘出更多的同类数据,快速提高corner case的解决能力。

(以上内容来自轻舟智航联合创始人、COO汪堃于2023年5月9日-10日在2023捷途汽车电子架构与智能驾驶论坛发表的《如何打造更好用、消费者更爱用的智能驾驶解决方案》主题演讲。)

文章来源于互联网:如何打造更好用、消费者更爱用的智能驾驶解决方案