如何打造更好用、消费者更爱用的高阶辅助驾驶解决方案

侯 聪 | 轻舟智航联合创始人、CTO

轻舟智航是一家世界前沿的自动驾驶通用解决方案公司，拥有一支轻、快、高效的科技型自动驾驶团队，研发人员占比高达80%。

(资料图片仅供参考)

轻舟智航联合创始人、CTO侯聪表示，轻舟智航坚持双擎战略，驱动技术与商业齐头并进。同时致力于为用户打造更好用、更爱用的高阶智驾产品。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；更爱用指实现较大ODD范围内的城市NOA点对点自动驾驶。此外。侯聪对业公认更优的时空联合算法进行了分享。

以下为演讲内容整理：

轻舟智航是一家成立于2019年的年轻公司，致力于打造软件全栈自动驾驶解决方案。团队中研发人员占比80%，轻舟智航致力于探索出一条更适合国内走向无人驾驶的路径。轻舟智航遵循动力引擎和创新引的双擎战略。

图源：嘉宾演讲材料

动力引擎是指公开道路L4级别自动驾驶能力，创新引擎是指自动驾驶前装量产规模化落地。基于这种能力，创新性的提供不同的产品，在打造产品的同时，持续迭代技术，并且通过数据回传，让数据驱动技术前进。依靠中间的自动驾驶超级工厂，把技术变成产品，同时提升产品形成的数据。

轻舟智航目前有两个主要产品，一个是中高阶智能驾驶解决方案「轻舟乘风」，另一个是L4无人小巴龙舟系列自动驾驶解决方案。

电动化、智能化的大势所趋

在电动化、智能化的大趋势下，未来还有小四化的趋势。一是入门体验标配化——也就是不断地把最成熟的基本驾驶功能模块化，不需要车企花费额外的适配成本，能够快速上车，成为每辆车的标配；二是中端体验标准化，可以理解为在高速上NOA的能力，整个方案从传感器配置和算力要求及功能产品规范都越来越标准化，提供标准产品体验的同时成本也逐渐下降，对于用户来讲可预期性更强，产品使用变得更加标准；三是高端体验大众化，可以理解为城市NOA，随着产品性价比不断提高、技术方案不断更新、成本不断降低，让更多车型部署高端体验，未来一定会走向大众化；四是极致体验革新化，就是自动驾驶L3、L4，尚且还需要一段时间，但是相信它一定会带来很多革新化的体验。

智能驾驶产品线所覆盖的场景从基本的L2到NOA功能都有所涉及，无论是隧道、匝道、环岛、十字路口、泊车场景，涵盖场景非常全面，方案做到了行泊一体。

轻舟智航致力于打造更好用、消费者更爱用的辅助驾驶方案，这样才能普及自动驾驶产品。更好用是指，达成良好的高速NOA体验，并实现部分区域的城市NOA点对点自动驾驶，接管率更低，是安心可信赖的智能驾驶管家式体验；更爱用是指实现较大ODD范围内的城市NOA点对点自动驾驶，更普适性的智能驾驶让开车像打车一样轻松，让司机形成依赖。

图源：嘉宾演讲材料

高阶辅助自动驾驶解决方案

轻舟智航共提供三套解决方案，分别对应高、中、低不同配置。其中第一个是高配1L11V5R，主要面向城市NOA，通过不断的做架构优化、算法优化、性能优化，在一颗地平线征程五芯片就可以实现高阶方案，极大降低了预控成本，轻舟智航在国内也是首家做到这一点的公司。第二个是11V5R，主要面向高速NOA，在城市中也同样具有很大的能力。第三个是6V1R，是实现高速NOA的极致性价比方案，成本会低很多，只需要通过四颗鱼眼加一前一后的两颗前后视，就可以实现高速NOA的功能。这是轻舟智航通过大量的算法优化实现的。6V1R到11V5R之间是可配置的空间，6V1R可作为参考，在实际中根据客户的具体需求，可能在某些功能上需要加强，配置成7V、8V或者1R、3R、5R都是可以的。

图源：嘉宾演讲材料

同时轻舟智航选择地平线作为深度合作伙伴，共同打造高性价比的方案。提高算法能力，在地平线的芯片支撑下做出中高阶的方案。

数据和PNC加持下的高阶辅助驾驶

轻舟智航的「Driven-by-QCraft」全栈解决方案，基于数据、成于感知、精于PNC，实现中高阶辅助驾驶。这些是我们认为算法里面最重要的几个部分。首先是感知，感知是拿到数据之后第一道算法的模块，关于感知的设计理念「超融合」，就是多传感器时序穿插融合，完成1+1大于2的协同效果。在前、中、后及持续融合中，前融合指在数据层面上，点云和图像进行融合；中融合指在特征层级上，通过网络结构对数据进行特征，在BEV上进行融合；后融合是指在目标集上进行偏传统的算法。通过超融合的方式，充分利用传感器的能力，实现更好的协同效应。

基于超融合的理念，轻舟智航设计了大模型OmniNet，“Omni”是无所不能的意思，这个模型能力比较全面，主要实现前中后时序穿插的融合手段，设计理念就是当得到所有传感器信号后，通过特征提取、融合，时序分布，一次性的输出；在不同的空间下，包括图像空间以及BEV空间下的进行各种感知输出；检测结果，包括分布结果及分类结果。

图源：嘉宾演讲材料

轻舟智航把特征进行融合之后还要做成多任务模型主要的出发点，是提供丰富且准确的环境感知结果，有效提升感知的精度和准确性；更高的算力资源利用率，通过共享主干网络的方式进行高效多任务统一计算，达到2/3的算力节省；更好地符合车企泛化需求；更适宜使用数据驱动的算法开发模式高效迭代解决实际应用的长尾问题。想要最大化利用算力。因为如果把每个任务都做成模型，算力是浪费掉的，通过合并特征的提取，能把算力的需求集成60%以上，实现拥有非常灵活的网络配置的网络模型。

城市中场景非常复杂，包括进出匝道、变道、无保护左转、窄路等等场景，都对感知的要求很高，对于规划的要求也会比高速场景高很多。为了应对国内复杂场景，轻舟智航在国内首次推出时空联合规划算法，相较于传统时空分离算法，时空联合算法是一次性求解空间和时间的结果，能更好的应对动态场景。

通过可视化方式解释原理就是，时空分离规划是先规划一个空间轨迹，然后在上面求解速度，几何空间会小很多，很多时候会求出一个最优解；而时空联合规划的空间会变大很多，可以在各种环境下求出最优解，虽然会带来求解时间相对变长的问题，但是轻舟智航通过大量的算法优化，包括性能优化、底层优化，现在已经做到了实时性，嵌入式的平台上依然可以实现对于延时的要求。

图源：嘉宾演讲材料

轻舟智航自研的预测算法模型通过了大量的数据训练，具有非常好的持续性，在车上的推理耗时只需要跑20ms以内，满足实时运算需求，并且在挑战赛中取得过很好的成绩，充分证明了模型能力。

基于此，就可以实现在复杂城市道路下的驾驶能力，包括城中村通行、行车博弈场景，以及复杂工况场景。

数据快速迭代的未来

无论是感知还是规划的迭代都离不开数据，轻舟智航的轻舟矩阵就是从数据平台到仿真平台的完整数据平台，包括数据的采集、收集、标注及训练，这里面采用大量的自动化标注方法，通过大模型的能力，得到更深的特征信息，同时可以充分利用过去和未来的时序信息，在当前生成更好的结果；也可以进行跨模态的自动化标注，利用更多的数据反向给视觉打上标签，这种方式是非常有效且高质量的。随着量产的进行，轻舟智航会更多转向视觉大模型开发。

对于如何利用数据闭环快速修复问题，轻舟智航会构建一个非常智能的、基于自然语言的数据挖掘系统，只需要告诉系统场景需求，就可以组合不同的场景，生成相关数据，并且在数据库中找出。因为每一个数据在入库时都会打标签，通过自然语言进行数据挖掘，将会具有非常高的效率。

（以上内容来自轻舟智航联合创始人、CTO侯聪于2023年5月18-19日在吉利2023智能汽车技术论坛—智能驾驶论坛发表的《如何打造更好用、消费者更爱用的高阶辅助驾驶解决方案》主题演讲。）

关键词：