在智能駕駛領(lǐng)域，最火熱的話題莫過于：去高精地圖。

但城市輔助駕駛苦高精地圖久矣。成本高、「鮮度」要求高、開放城市少的高精地圖在城市 NOA 普及的過程中，成為了車企難以言喻的痛，連華為終端 BG CEO、智能汽車解決方案 BU CEO 余承東都忍不住在公眾場合大吐苦水，與此同時，小鵬、華為、理想、蔚來都紛紛對外釋放了去高精地圖的城市 NOA 計(jì)劃。

同為造車新勢力的智己，卻有著自己的見地，在各家如火如荼去「高精地圖」之時，智己堅(jiān)持「重地圖」和「輕地圖重感知」兩腿走路。

在上海車展前夕，智己 CEO 劉濤在 IM AD DAY 上正式發(fā)布智己高速 NOA：

• L7 車型的高速 NOA 功能預(yù)計(jì) 4 月底開啟推送，LS7 車型預(yù)計(jì) 6 月份推送；

• 首批開放城市為上海、蘇州、杭州、嘉興、湖州；

• 兩款車型的 NOA 功能將在年內(nèi)面向全國高速高架開放。

隨著年內(nèi)智己城市 NOA 投入公測，智己 IM AD 將完全打通高速和城市場景。

01、智己高速 NOA 挑戰(zhàn)蘇州

在市場上，其他車型早早已經(jīng)推出高速 NOA，甚至是城市 NOA 功能，智己高速 NOA 的姍姍來遲似乎無法給我們帶來「新鮮感」。但是當(dāng)我體驗(yàn)高速 NOA 的兩個小時里，我的想法發(fā)生了改變。

這次的體驗(yàn)路線位于蘇州陽澄湖附近的常嘉高速和滬常高速路段。

由于是連接城市的高速路，我們在路上看到不少運(yùn)輸貨物的大車，這剛好能體現(xiàn)出智己 NOA 避讓大車的能力。

和體驗(yàn)其他方案的避讓大車功能不同，智己 NOA 的避讓會顯得更加線性。

一般來說，其他方案會突兀地轉(zhuǎn)動方向盤避開，等大車遠(yuǎn)離，又生硬地扳回方向盤，繼續(xù)行駛原本路線。而智己則會輕輕地轉(zhuǎn)動方向，隨著行駛路線稍微偏離大車，整個過程流暢無感。

其次，遇到車流開始密集的時候，智己 NOA 會主動變道，選擇最佳路線。

圖片中的紅車，在我們前面經(jīng)歷了三四次變道，可是最終的通行效率卻不理想，選擇中間車道的智己 NOA，則很快駛離了這片車流密集的區(qū)域。

來到第三個場景，智己高速 NOA 根據(jù)導(dǎo)航的路線規(guī)劃，離匝道口處 1 公里左右時擇機(jī)進(jìn)入匝道。這可以最大程度避免匝道擁堵、大車占道時的情景。

第四，面對匝道上的急彎，智己 NOA 能控制好速度，順利通過。

從以上的表現(xiàn)來看，它已經(jīng)毫不遜色于市面上其他 NOA 產(chǎn)品。

但在體驗(yàn)中間，我也發(fā)現(xiàn)了一些可以提升的地方：

例如 NOA 在將近退出時的語音提示不夠明顯；以及從 Pliot 功能退出，需要司機(jī)接管時，方向盤會有比較明顯的抖動，讓駕駛員「猝不及防」。

需要明確的是，我們這次體驗(yàn)的高速 NOA 仍是內(nèi)測版，后續(xù)計(jì)劃推送給車主的版本將會再進(jìn)行優(yōu)化和升級，到時候車主使用到的版本，將會更加「像人」。

而讓智能駕駛「更像人」并真正幫助人類司機(jī)解決駕駛場景，智己有自己一套方法。

02、D.L.P. 人工智能模型：IM AD「更像人」的秘密武器

在 IM AD DAY 上，智己汽車智能駕駛項(xiàng)目高級總監(jiān)脫悅為我們介紹了智己 NOA 的能力。

要做一款懂消費(fèi)者的高速 NOA 產(chǎn)品，智己先將高速場景的痛點(diǎn)研究明白了。

在高速 NOA 眾多頻發(fā)場景中，智己認(rèn)為變道場景和擁堵場景是高速 NOA 的最亟需解決的痛點(diǎn)。

首先是變道場景。

在高速路上，空間狹小，前后車博弈時會隨時加減速。智己基于數(shù)據(jù)驅(qū)動的飛輪，車輛可以精準(zhǔn)判斷各個目標(biāo)物體的空間位置以及實(shí)時速度，實(shí)現(xiàn)以視覺為主的空間感知能力。

以距前車不超過 2m 時的變道場景為例，智己的實(shí)時空間感知能力，位置感知精度能達(dá)到 10cm 級別，速度感知精度達(dá)到10cm/s 級別。

據(jù)智己統(tǒng)計(jì)的數(shù)據(jù)顯示，智己高速 NOA 導(dǎo)航變道失敗率比頭部玩家低近一半。智己高速 NOA 變道失敗率為4%，頭部玩家為7.6%。

其次是擁堵場景。擁堵場景中，車流密度大，頻繁啟停，突發(fā)情況多，交互性強(qiáng)，要兼顧三大元素：安全，舒適，效率，才能算是「解決」擁堵場景。

在滿足以上元素的條件下，智己拋出了一個典型的擁堵場景：

• 講求安全：跟車距離盡量大，剎車反應(yīng)要快；

• 講求舒適：不能有重剎，產(chǎn)生頓挫感；

• 講求效率：跟車距離就不能過大，以防連續(xù)被加塞。

通過龐大的感知訓(xùn)練數(shù)據(jù)和大量的擁堵場景訓(xùn)練樣本，智己希望高速 NOA 能夠?qū)崟r感知空間，并且輕松應(yīng)對擁堵路況，從而實(shí)現(xiàn)「更像人」的智能駕駛體驗(yàn)。

據(jù)智己統(tǒng)計(jì)的在擁堵場景的志愿評測數(shù)據(jù)，智己的不舒適體感次數(shù)為每 21.6 分鐘一次，頭部玩家則是每 9.2 分鐘一次，智己的高速 NOA 舒適度是頭部玩家的 2 倍以上。

過去幾年間，行業(yè)頭部的智能駕駛玩家在感知智能技術(shù)路線方面逐步趨同，基于 BEV 和占用網(wǎng)絡(luò)（Occupancy Network）架構(gòu)的感知算法成為主流技術(shù)路線。

車企包含蔚來、理想、小鵬，新興供應(yīng)商包含百度 Apollo、華為、大疆、毫末智行、輕舟智航、小馬智行、元戎啟行等，都在自研智能駕駛中使用了 BEV 技術(shù)。

而溯源至 2021 年，智己已經(jīng)率先在智能駕駛領(lǐng)域使用多傳感器多任務(wù)的 Transformer 模型、時序 BEV 機(jī)制實(shí)現(xiàn) OneModel 落地量產(chǎn)。

而從智己統(tǒng)計(jì)的接管數(shù)據(jù)來看，決策規(guī)劃問題即認(rèn)知智能導(dǎo)致的接管率，是由感知問題即感知智能導(dǎo)致的接管率的 10 倍。

這個洞察讓智己內(nèi)部意識到，在持續(xù)提升感知智能的同時，認(rèn)知智能已經(jīng)成為智能駕駛技術(shù)演進(jìn)的瓶頸。

在 IM AD DAY 上，智己宣布將數(shù)據(jù)驅(qū)動的決策規(guī)劃應(yīng)用到量產(chǎn)，正式發(fā)布行業(yè)首個 D.L.P. 人工智能模型，著力解決認(rèn)知智能的難題。

智能駕駛由感知、融合、預(yù)測、規(guī)劃、控制等組成。其中規(guī)劃是最需要攻克的一關(guān)，這也是提升認(rèn)知智能的突破口。而 D.L.P. 人工智能模型的發(fā)布，正是為了解決數(shù)據(jù)驅(qū)動全流程中的規(guī)劃模塊。

目前，D.L.P. 人工智能模型已經(jīng)在進(jìn)行大規(guī)模的數(shù)據(jù)內(nèi)測?；?D.L.P. 的 IM AD 自動駕駛系統(tǒng)，將顯著提高復(fù)雜環(huán)境變化的預(yù)判能力，進(jìn)而提前規(guī)劃智能駕駛行為，讓智己 IM AD 實(shí)現(xiàn)更像人的啟停、匯流，最終提高通勤效率。

據(jù)智己統(tǒng)計(jì)數(shù)據(jù)顯示，智己 NOA 的匝道通過率 95%，優(yōu)于行業(yè)頭部玩家的 86%；變道成功率 97%，優(yōu)于頭部玩家的92%；百公里誤制動 0.4 次，遠(yuǎn)低于行業(yè)頭部玩家的1.4 次。

與此同時，智己正在開發(fā)的DDOD( Data Driven Object Detection) 模型和可替代高精地圖的 DDLD( Data Driven Landmark Detection) 模型，將大大提高智己 IM AD 感知的能力。

DDOD 模型中的 Occupancy 網(wǎng)絡(luò)算法，等同于特斯拉占用網(wǎng)絡(luò)和華為 GOD 網(wǎng)絡(luò)，可以對物理世界進(jìn)行數(shù)據(jù)化建模，通過純視覺可以還原物理世界的真實(shí)場景。

DDLD 模型可對高精地圖進(jìn)行替代，相比較傳統(tǒng)的感知算法，可以預(yù)測出一部分感知當(dāng)前無法觀測到的路網(wǎng)信息。

在這兩個感知模型的加持下，再加上 D.L.P 人工智能模型對智己 IM AD 認(rèn)知智能能力的增強(qiáng)，智己表示將在未來形成感知智能和認(rèn)知智能的雙維提升。

03、「重地圖」方案和「重感知輕地圖」方案并行，城市 NOA 年內(nèi)內(nèi)測

IM AD DAY 上，除了 D.L.P 人工智能模型和高速 NOA 發(fā)布的重磅信息，智己還公布了智能駕駛時間線：

• 城市 NOA 領(lǐng)航輔助已開啟內(nèi)測，預(yù)計(jì) 2023 年年內(nèi)開啟公測；

• 可替代高精地圖的 DDLD 智能駕駛感知模型，預(yù)計(jì) 2023 年底開啟公測。

這也意味著，到今年年底，智己的輔助駕駛功能將覆蓋高速和城市路段，IM AD 將形成閉環(huán)。

今年車展期間的智能駕駛領(lǐng)域，最火熱的話題莫過于「去高精地圖」，各家車企和自動駕駛公司也紛紛秀肌肉。

• 問界宣布 M5 智駕版搭載華為 ADS 2.0 高階智能駕駛系統(tǒng)，不再依賴高精地圖，而是通過雷達(dá)、攝像頭等融合感知，識別異形障礙物；

• 理想最新發(fā)布的AD Max 3.0，按照官方說法，它可以擺脫對高精地圖的依賴，像人類司機(jī)一樣實(shí)時感知、決策、規(guī)劃；

• 百度推出的城市智駕 Apollo City Driving Max 系統(tǒng)，選擇以「純視覺+激光雷達(dá)」的方式實(shí)現(xiàn)感知冗余，比行業(yè)通用的傳統(tǒng)高精地圖要「輕」近 80%。

• 元戎啟行發(fā)布 Driver 3.0 系統(tǒng)，無需高精地圖，以更低的硬件成本就能實(shí)現(xiàn)城市內(nèi)點(diǎn)到點(diǎn)智能駕駛。

而劉濤表示，在一段時間內(nèi)，智己仍將并行采用「重地圖」方案和「重感知輕地圖」方案實(shí)現(xiàn) NOA 功能。

智己認(rèn)為，高速場景的高精地圖已經(jīng)有 5 年以上的開發(fā)時間，和城市場景經(jīng)常修路改道相比可以保證「鮮度」，因此在高速場景選擇繼續(xù)使用高精地圖方案。

而城市場景，則使用「重感知輕地圖」方案?；?Occupancy 占用網(wǎng)絡(luò)模型的 DDOD 以及經(jīng)過高精地圖訓(xùn)練的 DDLD 兩種感知模型，可以對路面以及懸掛物進(jìn)行精準(zhǔn)感知，以規(guī)劃自車的行駛軌跡。

另一方面，智己也正在開發(fā)輕量化的地圖方案，通過感知的方式獲取遠(yuǎn)距離、高精度的實(shí)時道路環(huán)境模型。

「我們做過 5000 公里以上的對標(biāo)，通過大數(shù)據(jù)對標(biāo)來看，我們的成功率達(dá)到 95% 以上，目前百公里接管率可以達(dá)到一次以下?！箘孕诺乇硎?。

他預(yù)測，基于網(wǎng)絡(luò)模型的不斷迭代，百公里接管率會以兩年為周期提升十倍。預(yù)計(jì)到 2025 年，接管率就能從每百公里接管一次，到每萬公里接管一次。

而將目光放到當(dāng)下，當(dāng)各家城市 NOA 功能逐漸一致，比起如何落地，智己更關(guān)注駕駛者體驗(yàn)。

智己認(rèn)為，智能駕駛最終極目標(biāo)一定是安全的、舒適的體驗(yàn)，讓人在最放松的狀態(tài)下，從 A 點(diǎn)到 B 點(diǎn)。

要實(shí)現(xiàn)這個終極目標(biāo)，一方面，要通過智能駕駛底層技術(shù)、邏輯來演變，深挖技術(shù)的更多可能性；另一方面，需要通過技術(shù)呈現(xiàn)出來讓用戶感知到穩(wěn)定的體驗(yàn)，又可以在真正的使用場景下讓用戶感到驚艷。

這可能也是智己 NOA 相較于其他 NOA 方案「姍姍來遲」的原因。

溯源至 2014 年，上汽前瞻工程團(tuán)隊(duì)已著手智能駕駛領(lǐng)域的相關(guān)研究，在規(guī)控與執(zhí)行器協(xié)同處理方面獲得了豐厚技術(shù)積累。

2017 年成立上汽人工智能實(shí)驗(yàn)室，開啟在深度學(xué)習(xí)領(lǐng)域的全面布局。

2020 年，L 項(xiàng)目組（智己汽車）與 Momenta 建立在智能駕駛領(lǐng)域的深度戰(zhàn)略合作關(guān)系。

2021 年，智己汽車率先在智能駕駛領(lǐng)域使用多傳感器多任務(wù)的 Transformer 模型、時序 BEV 機(jī)制實(shí)現(xiàn) OneModel 落地量產(chǎn)。

因此，我們看到 IM AD 的表現(xiàn)都是「有跡可循」的。對于智己而言，這不單單是 NOA 功能的上線，更是歷經(jīng)數(shù)年沉淀的成果。

相信今年即將開始公測的城市 NOA，會給我們更多驚喜。

返回第一電動網(wǎng)首頁 >