|
全文 3000+ 字，預(yù)計(jì)閱讀 15-20 分鐘2024年6月1日到9日粵港澳大灣區(qū)車展期間,，出席車展的大咖們聚焦智能化,，就智駕下一階段的發(fā)展方向達(dá)成共識(shí)：端到端。眾所周知,，2022年高階智駕卷高速NOA,，2023年高階智駕卷城市NOA，而2024年的高階智駕卷的是城市無圖NOA,。檢驗(yàn)一個(gè)企業(yè)是不是真的端到端,，很多專家認(rèn)為得看是否做到了無圖，這也是目前供應(yīng)商和主機(jī)廠卷的主要方向,。業(yè)內(nèi)車企和供應(yīng)商所強(qiáng)調(diào)的“圖”,，指的是高精度地圖。有圖智駕需要依托高精地圖提供精確到厘米級(jí)的道路信息（如車道線的位置,、類型,、寬度、坡度和曲率,，交通標(biāo)志,、紅綠燈、障礙物等等）,，來幫助車輛進(jìn)行路線的規(guī)劃和智駕行為,。但使用高精地圖的缺點(diǎn)包括以下幾點(diǎn)：一是道路基建更新快，高精地圖的采集更新不及時(shí),；二是高精地圖本身的制作，需要投入巨大的成本；第三點(diǎn),，高精地圖信息的采集,、制作、使用等等環(huán)節(jié),，法規(guī)準(zhǔn)入愈發(fā)嚴(yán)格,。本文介紹的城市無圖NOA智駕方案是搭載了激光雷達(dá)的方案（搭載激光雷達(dá)目前國(guó)內(nèi)的主流趨勢(shì)），和純視覺的智駕方案不同,。2023年12月華為推出的NCA智駕領(lǐng)航輔助不依賴高精地圖,，支持城市所有道路(主干路/次干路/支路等)、國(guó)道,、縣道,、鄉(xiāng)道、縣鄉(xiāng)等公開道路,，全國(guó)的高速,、高架、快速路都能用,。當(dāng)時(shí)華為無圖NCA是基于ADS2.0智駕系統(tǒng),，這套系統(tǒng)實(shí)現(xiàn)以感知為核心，擺脫高精地圖的指導(dǎo),，并融合了BEV網(wǎng)絡(luò)和其自創(chuàng)的GOD網(wǎng)絡(luò),。ADS2.0中的BEV系統(tǒng)采用白名單的方式識(shí)別障礙物，而GOD網(wǎng)絡(luò)更貼近則更貼近人的視覺,，它不依賴于白名單,，只需要規(guī)劃出哪些區(qū)域車輛可以通過即可。2024年4月華為乾崑ADS3.0智駕系統(tǒng)發(fā)布,，直接去掉了BEV系統(tǒng),。從BEV升級(jí)到了GOD（通用障礙物識(shí)別）大網(wǎng)，采用PDP（預(yù)測(cè)決策規(guī)控）網(wǎng)絡(luò)實(shí)現(xiàn)預(yù)決策和規(guī)劃一張網(wǎng),。通過云端和實(shí)車訓(xùn)練,，ADS3.0的道路和場(chǎng)景識(shí)別能力得到了顯著提升，這種升級(jí)使得系統(tǒng)能夠更全面地感知周圍環(huán)境,，華為的NCA無圖智駕系統(tǒng)進(jìn)一步升級(jí),。Momenta的智能駕駛?cè)襟E以及其核心算法主要如下：（1）感知環(huán)境，主要依賴攝像頭,，攝像頭基本上都是360周視覆蓋,。Momenta主要依賴其DDLD-Data Driven Landmark Detection車道線識(shí)別算法來感知運(yùn)動(dòng)的邊界。（2）定位位置,，這里的定位主要是指車輛運(yùn)動(dòng)下的位置變化,。Momenta主要依賴其DDPF-data driven pose fusion位置融合算法來計(jì)算定位車輛運(yùn)動(dòng)時(shí)候的位置,。(3)規(guī)控路徑，基于導(dǎo)航,，環(huán)境,，車輛的運(yùn)動(dòng)位置去規(guī)劃路徑。Momenta主要依靠Deep learning planning深度學(xué)習(xí)算法來規(guī)控車輛駕駛,。通常高精地圖的智能駕駛方案主要是依賴高精地圖給的精度為±20厘米的車道參考線行駛,，但沒有高精地圖，就需要車輛自己能夠確保在車道內(nèi)行駛,，所以需要車輛本身能夠識(shí)別車道以及行駛的約束,。Momenta算法發(fā)力的點(diǎn)是道路中的車道線等靜態(tài)約束的識(shí)別和構(gòu)建，類似于特斯拉BEV+Transformer,，但Momenta這個(gè)方案更像是Mobileye的車道線識(shí)別,。通過識(shí)別車道線以及道路標(biāo)識(shí)構(gòu)建車輛實(shí)時(shí)行駛地圖，來告訴車輛行駛約束,，但車輛是運(yùn)動(dòng)的,，車輛的實(shí)時(shí)運(yùn)動(dòng)需要與實(shí)時(shí)行駛地圖匹配和定位。Momenta通過采集車輛運(yùn)動(dòng)執(zhí)行器以及姿態(tài)的傳感器,，輪速傳感器,，轉(zhuǎn)向角，IMU,，電機(jī)轉(zhuǎn)速等信息融合算法來實(shí)現(xiàn)車輛在實(shí)時(shí)地圖中定位,。有了實(shí)時(shí)地圖信息以及車輛本身運(yùn)動(dòng)信息再結(jié)合其他道路使用者信息，規(guī)控算法進(jìn)行車輛行駛的路徑規(guī)劃,，Momenta的高階智能駕駛得以實(shí)施,。毫末HP570城市全場(chǎng)景無圖NOH在硬件配置方面可選擇兩款芯片，算力分別可達(dá)72/100TOPS,。傳感器方案為2前視相機(jī),、4側(cè)視相機(jī)、1后視相機(jī),、4魚眼相機(jī),、1前雷達(dá)、12超聲波雷達(dá),，支持選配激光雷達(dá)（1顆）,。該系統(tǒng)能夠?qū)崿F(xiàn)城市無圖NOH、全場(chǎng)景輔助泊車,、全場(chǎng)景智能繞障,、跨層免教學(xué)記憶泊車等功能。在2024年的電動(dòng)汽車百人會(huì)論壇上,，毫末智行CEO顧維灝也表示,，其第二代HPilot無圖NOH智駕產(chǎn)品,，也已經(jīng)陸續(xù)進(jìn)入交付狀態(tài)。2024年1月,，美國(guó)拉斯維加斯消費(fèi)電子展(CES)期間,，元戎啟行宣布與騰訊在地圖領(lǐng)域達(dá)成合作，共同為車企服務(wù),，打造多款不搭載高精度地圖的高階智能駕駛汽車。元戎啟行的高階智能駕駛方案Driver3.0將使用騰訊導(dǎo)航地圖,，在城區(qū)內(nèi)實(shí)現(xiàn)任意點(diǎn)到點(diǎn)的高階智能駕駛,。對(duì)比目前市面上常用的高精度地圖與定制化地圖，導(dǎo)航地圖的覆蓋范圍更廣,，成本大幅降低,。據(jù)悉，2023年3月元戎啟行首次Driver3.0的技術(shù)框架,，同步推出D-PRO和D-AIR兩款智駕產(chǎn)品,，目前技術(shù)和產(chǎn)品在持續(xù)更新當(dāng)中。2024年4月,，長(zhǎng)城汽車掌門人魏建軍開啟了城市無圖智駕首秀,，直播前不久長(zhǎng)城專門向媒體介紹了這套城市NOA方案，運(yùn)用了SEE一體化智駕大模型,。SEE一體化智駕大模型實(shí)現(xiàn)了感知決策一體化路徑融合,，從規(guī)則驅(qū)動(dòng)轉(zhuǎn)到數(shù)據(jù)驅(qū)動(dòng)。這套智能駕駛方案供應(yīng)商,，被傳較多的是元戎啟行,。2024年北京車展期間魏牌藍(lán)山也用的是無圖智駕方案，個(gè)人推測(cè)可能是元戎啟行的智駕方案,。2024年5月14日,，小鵬官方宣布，XNGP城區(qū)智駕已完成100%無圖化,。小鵬XNGP在核心城市可以覆蓋各種復(fù)雜場(chǎng)景和跨場(chǎng)景通行,，尤其是當(dāng)?shù)匦枨筝^多的主要路段。在地級(jí)市或縣級(jí)市,，會(huì)優(yōu)先開放用戶常用的核心路段,，保障XNGP在這些城市的使用體驗(yàn)相對(duì)連續(xù)、完整,。小鵬XNGP在沒有高精地圖的區(qū)域,，通過“導(dǎo)航地圖+XNet感知能力+行駛策略”，使無圖區(qū)域的功能表現(xiàn)無限接近有高精地圖區(qū)域,。小鵬無圖智駕的核心是端到端架構(gòu)中XNet的感知能力,，2024年5月公開介紹的新一代XNet,，聚合了動(dòng)態(tài)XNet、靜態(tài)XNet和純視覺2K占用網(wǎng)絡(luò)的“三網(wǎng)合一深度神經(jīng)網(wǎng)絡(luò)”,，小鵬描述其為“鷹眼視覺”,，稱其能讓自動(dòng)駕駛系統(tǒng)如同裸眼3D，感知范圍提升2倍,、面積達(dá)到1.8個(gè)足球場(chǎng)大小,，能精準(zhǔn)識(shí)別50+個(gè)目標(biāo)物。理想是通過神經(jīng)網(wǎng)絡(luò)替代高精地圖為主,，輔以無圖的方案,。理想使用自研的神經(jīng)先驗(yàn)網(wǎng)絡(luò)（Neural Prior Net），簡(jiǎn)稱為NPN網(wǎng)絡(luò),，提前進(jìn)行路口NPN特征的提取,。當(dāng)車輛再次行駛到該路口時(shí)，將之前提取好的NPN特征拿出來,，與車端感知大模型的BEV特征層相融合,，能夠?qū)崿F(xiàn)較好的感知結(jié)果。NPN特征是一堆神經(jīng)網(wǎng)絡(luò)參數(shù),，人類無法從這些參數(shù)直接理解復(fù)雜路口形態(tài),，但是大模型可以。相比高精地圖,，NPN特征的信息量更大,、保密性更高。它用網(wǎng)絡(luò)模型替代了人為規(guī)則,，進(jìn)行環(huán)境信息的理解和環(huán)境信息的使用,。（1）在線語義地圖預(yù)測(cè)：HDMapNet、LSS,、VectorMapNet(單幀圖像直接出矢量)（2）全局地圖先驗(yàn)更新：直接更新替換對(duì)應(yīng)位置的features（3）預(yù)測(cè)先驗(yàn)融合模塊：局部位置嵌入,、當(dāng)前到先驗(yàn)的注意力模塊、門控循環(huán)單元,。NPN網(wǎng)絡(luò)類似于駕駛員提前看過一個(gè)地方的地圖,，并且把每個(gè)路口都記在了腦子里，當(dāng)你接近路口時(shí),，就能立刻想起這個(gè)地方有幾條車道,，方向是什么，對(duì)面的路口方位在哪,，這對(duì)于更流暢的通行肯定是有幫助的,。雖然理論上可以通過神經(jīng)網(wǎng)絡(luò)繞過監(jiān)管，構(gòu)建自己的“地圖”信息提升鮮度,，但實(shí)際上未能解決地圖鮮度問題,。此外,，如果系統(tǒng)把兩個(gè)相似的路口記錯(cuò)，路徑規(guī)劃可能會(huì)出現(xiàn)問題,。理想的方案概括來說：路段“無圖”,，路口采用眾包建圖，目前還沒有做到100%無圖,，只能說是重感知,，輕地圖。
|
