“輕舟智航的城市NOA靠譜嗎？”

這是今年5月輕舟智航發(fā)布「量產(chǎn)成本僅需1萬元的L4級(jí)輔助駕駛方案」后，我們心里的問號(hào)。這是個(gè)成立只有3年的年輕公司，「1萬元」的價(jià)格也大大顛覆了行業(yè)此前的普遍認(rèn)知。

以目前市場(chǎng)上的車型作為參考，特斯拉完全自動(dòng)駕駛能力選裝包（FSD）的價(jià)格為64000元，蔚來 NIO Pilot全配包39000元，小鵬XPilot 3.5智駕包32000元。對(duì)比之下，這套宣稱可以幫助車企輕松實(shí)現(xiàn)高速+城市NOA的量產(chǎn)方案，直接把高階輔助駕駛方案拉到了1萬元的區(qū)間。

時(shí)隔半年，輕舟智航再次下場(chǎng)答疑：輕舟智航如何做好城市NOA？。

1

「超融合」感知方案

如何做好城市NOA？輕舟智航認(rèn)為第一個(gè)關(guān)鍵詞是「感知」，“萬丈高樓感知起”。在感知層，輕舟智航推出了能夠?qū)崿F(xiàn)多傳感器時(shí)序穿插融合的「超融合」方案。

目前，數(shù)據(jù)融合主要有數(shù)據(jù)級(jí)融合、特征級(jí)融合和目標(biāo)級(jí)融合三種方式。數(shù)據(jù)級(jí)融合和特征級(jí)融合可以統(tǒng)稱為前融合，而目標(biāo)級(jí)融合則為后融合。

具體一點(diǎn)來說，數(shù)據(jù)級(jí)融合是在傳感器原始信息未經(jīng)過處理之前進(jìn)行的信息綜合分析；獲取原始數(shù)據(jù)后，特征級(jí)融合將對(duì)信息進(jìn)行處理和提取特征，對(duì)所獲得的景物特征（如邊沿、形狀、輪廓、距離等）進(jìn)行綜合處理，實(shí)現(xiàn)重要信息的保留和壓縮。這種融合方式雖然能盡量多地保持景物信息，但卻需要處理的信息量大，耗費(fèi)時(shí)間長，時(shí)效性也更差。

目標(biāo)級(jí)融合則是要等到所有傳感器都獨(dú)立處理生成的目標(biāo)數(shù)據(jù)之后，再根據(jù)算法來選擇最優(yōu)決策。這種融合方式雖然冗余程度高，車輛在一種甚至幾種傳感器失效時(shí)也能工作，但也存在融合信息少，對(duì)誤檢、漏檢糾錯(cuò)能力有限等弊端。

而輕舟智航介紹，其推出的「超融合」感知算法，則是通過激光雷達(dá)、毫米波雷達(dá)、視覺等多傳感器融合，感知模型可以在不同階段利用不同傳感器信息，實(shí)現(xiàn)更早的多傳感器信息互補(bǔ)，從而得到更優(yōu)的傳感器融合結(jié)果，更加準(zhǔn)確地感知?jiǎng)屿o態(tài)物體信息，精度更高，魯棒性更強(qiáng)。

基于「超融合」感知方案，輕舟智航還推出了全新神經(jīng)網(wǎng)絡(luò)平臺(tái)OmniNet，并宣稱這是行業(yè)內(nèi)首次將時(shí)序多模態(tài)特征融合的大模型部署在量產(chǎn)平臺(tái)上，一個(gè)神經(jīng)網(wǎng)絡(luò)即可實(shí)現(xiàn)視覺、激光雷達(dá)、毫米波雷達(dá)在BEV空間和圖像空間上輸出多任務(wù)結(jié)果。

據(jù)輕舟智航介紹，相較傳統(tǒng)方案，OmniNet在實(shí)際應(yīng)用中可節(jié)省2/3的算力資源，并擁有更高的感知融合精度和模型迭代效率，而且可以低成本適配不同廠家的傳感器配置滿足城市NOA的量產(chǎn)需求。

輕舟智航介紹，OmniNet的推出不僅能夠使感知更加準(zhǔn)確，也能更好地適配車端，同時(shí)后續(xù)的迭代也將更加高效。

2

獨(dú)家「時(shí)空聯(lián)合規(guī)劃」

除了感知層面的創(chuàng)新，輕舟智航的信心還來自其獨(dú)家的PNC（Planning and Control）方案，「時(shí)空聯(lián)合」規(guī)劃。所謂「時(shí)空」，指的就是路徑和速度，業(yè)內(nèi)通常稱之為「橫縱」。

詳細(xì)一點(diǎn)來看，橫向控制是指控制器根據(jù)交通路況對(duì)車輛進(jìn)行主動(dòng)轉(zhuǎn)向控制，從而實(shí)現(xiàn)車輛橫向速度及位置控制，保障自動(dòng)駕駛車輛彎道上的車道保持工況或直道上的自主換道工況；

縱向控制則是指控制器根據(jù)交通路況對(duì)車輛進(jìn)行加速或制動(dòng)操縱，從而實(shí)現(xiàn)車輛縱向速度及位置控制，保障車與車之間的相對(duì)距離，維持車輛縱向行駛安全。

車輛在實(shí)際行駛過程中，是天然橫縱耦合的，例如在轉(zhuǎn)彎時(shí)，縱向車速會(huì)影響橫向加速，而轉(zhuǎn)向動(dòng)作也會(huì)受縱向制動(dòng)影響。但現(xiàn)階段，由于復(fù)雜程度高，業(yè)內(nèi)對(duì)于車輛車道輔助系統(tǒng)的研發(fā)通常采用「橫縱分離」的方法，規(guī)劃模塊獲取上游信息后，先進(jìn)性縱向空間求解實(shí)現(xiàn)計(jì)劃速度，再交由橫向空間求解確定實(shí)際速度，從而實(shí)現(xiàn)上游規(guī)劃模塊給出的規(guī)劃軌跡。

如何實(shí)現(xiàn)路徑規(guī)劃的「橫縱耦合」，讓車輛在自動(dòng)駕駛中的表現(xiàn)更像人，一直是工程師們研發(fā)的方向，在過去幾年間，也有不少技術(shù)方案呈現(xiàn)在文獻(xiàn)中，例如滑模控制方案、線性時(shí)變模型控制方案等，但一直沒有可量產(chǎn)使用的方案被大規(guī)模應(yīng)用。此次，輕舟智航推出的「時(shí)空分離規(guī)劃」，正是橫縱融合的規(guī)劃路徑。

「時(shí)空聯(lián)合規(guī)劃算法」打破了業(yè)界常用的思維定勢(shì)，同時(shí)考慮空間和時(shí)間來規(guī)劃軌跡，而不是先單獨(dú)求解路徑，在路徑基礎(chǔ)上再求解速度從而形成軌跡。輕舟智航介紹，這種算法可以讓車輛在行駛時(shí)「開得更好」，特別是在面臨動(dòng)態(tài)障礙物的交互時(shí)，能提前把握最好的時(shí)機(jī)，選出最佳行車軌跡，更流暢地完成車輛間的博弈，并且不會(huì)出現(xiàn)反復(fù)急剎的情況。

同時(shí)在多車道行駛時(shí)，車輛還可以通過判斷前方車流量和車速，靈活地變道選擇更快的路線，而不會(huì)「死板地」跟著前車緩行。更聰明、更靈活，行車效率更高效。比如在遇到鬼探頭時(shí)，時(shí)空聯(lián)合規(guī)劃可以讓自動(dòng)駕駛汽車不拘泥于固定的路徑，實(shí)時(shí)計(jì)算出來一個(gè)最佳的避讓軌跡，更好地保證安全性。

所以，輕舟智航如何做好城市NOA？答案或許要等到這套方案真正上車之后，才能慢慢揭曉。這些所謂的「獨(dú)家」和「創(chuàng)新」究竟是名副其實(shí)還是夸大宣傳，到時(shí)也會(huì)水落石出。發(fā)布會(huì)上，輕舟智航為這套「Driven-by-QCraft」自動(dòng)駕駛解決方案起了一個(gè)頗有詩意的中文名稱「輕舟乘風(fēng)」，取自詩句「長風(fēng)破浪會(huì)有時(shí)，直掛云帆濟(jì)滄?！?。

“基于數(shù)據(jù)，成于感知，用最強(qiáng)的PNC引領(lǐng)城市NOA的新高度；攜手生態(tài)伙伴，打造使用范圍最廣的自動(dòng)駕駛解決方案 ?！?span style="margin: 0px; padding: 0px; border: 0px; font-weight: 700;">正如輕舟智航價(jià)值觀所描述的那般，不管這艘「輕舟」能否最終「乘風(fēng)」而起，它都已經(jīng)為自動(dòng)駕駛這片汪洋大海卷起了一個(gè)旋渦。

返回第一電動(dòng)網(wǎng)首頁 >