【EV視界報(bào)道】如今在國內(nèi)，新能源汽車的發(fā)展已經(jīng)逐漸的進(jìn)入了下半場(chǎng)，而進(jìn)入這個(gè)下半場(chǎng)的“門票”，莫過于自動(dòng)駕駛的能力了。

在我們看來，自從高級(jí)別的自動(dòng)駕駛能力開始被量產(chǎn)，主機(jī)廠在這方面的投入也是不遺余力，力爭(zhēng)成為行業(yè)的翹楚。但這個(gè)領(lǐng)域不同于傳統(tǒng)造車，這里面的“玩家”已經(jīng)不再局限于傳統(tǒng)主機(jī)廠，軟件公司的加入，也帶動(dòng)了整個(gè)行業(yè)的快速發(fā)展，讓國內(nèi)的自動(dòng)駕駛研發(fā)能力成為了具有挑戰(zhàn)全球行業(yè)的勇氣，百度就是其中之一。

作為最早參與自動(dòng)駕駛研發(fā)的企業(yè)，百度早在2011年就提出了一件名為“一種數(shù)字地圖生成裝置及方法”的發(fā)明專利。自這件用以優(yōu)化地圖導(dǎo)航底層技術(shù)的專利開始，此后的時(shí)光中，10數(shù)件地圖導(dǎo)航與汽車駕駛地理坐標(biāo)相關(guān)發(fā)明專利相繼涌現(xiàn)。而這個(gè)時(shí)期可被視為百度自動(dòng)駕駛技術(shù)的萌芽期。到了2013年世界互聯(lián)網(wǎng)大會(huì)烏鎮(zhèn)峰會(huì)上，百度展示了自己改造的首輛自動(dòng)駕駛汽車，而之后的2015年，百度用一臺(tái)寶馬3系改裝車完成了國內(nèi)無人車首秀，并且從北京新高速到五環(huán)進(jìn)行了最高速度達(dá)100公里/小時(shí)的自動(dòng)駕駛演示。

所以有了前端的鋪墊，在國內(nèi)自動(dòng)駕駛的領(lǐng)域中，百度通過不斷地研發(fā)與推廣，早早的在自動(dòng)駕駛行業(yè)中占據(jù)了“領(lǐng)先”位置，因此就有了足夠的底氣與信心，并向行業(yè)證明了自身的技術(shù)實(shí)力，近日舉辦的百度Apollo Day就是很好的例子。

會(huì)“動(dòng)腦”的自動(dòng)駕駛

對(duì)于自動(dòng)駕駛來說，相比較在高速路段的駕駛，在城市中的運(yùn)用是最為考驗(yàn)技術(shù)的重要難關(guān)。一般來講，城市道路錯(cuò)綜復(fù)雜，你永遠(yuǎn)不知道什么時(shí)候會(huì)有電瓶車橫穿馬路；什么時(shí)候會(huì)有行人突然出現(xiàn)；什么時(shí)候會(huì)有慢行車擋路；什么時(shí)候會(huì)有其他車輛變道加塞。這種需要依靠自身經(jīng)驗(yàn)，無固定性的行駛場(chǎng)景，在自動(dòng)駕駛領(lǐng)域被稱之為Corner Case，也就是復(fù)雜場(chǎng)景，比如當(dāng)你駕車正要變道的時(shí)候，突然有車輛要從旁邊“加塞兒”進(jìn)來，而你會(huì)將如何處理？是退回原位？還是繼續(xù)變道？諸如此類無法確定走向的問題，都可以被稱為復(fù)雜問題。目前如果要在城市道路中開啟自動(dòng)駕駛的話，90%面對(duì)的是常規(guī)問題，而剩下的10%就是復(fù)雜場(chǎng)景了，這也就是自動(dòng)駕駛最為關(guān)鍵的所在。

相比較我們常見的自動(dòng)駕駛能力，百度Apollo安全性最大的優(yōu)勢(shì)就在故障處理策略上，在面對(duì)自動(dòng)駕駛中的不同場(chǎng)景，通過對(duì)仿真系統(tǒng)的完善，百度Apollo不僅具備即時(shí)處理安全問題的能力，還能不斷對(duì)其進(jìn)行云端調(diào)整。

這種調(diào)整是百度Apollo通過把"不確定因素"放入云端，仿真系統(tǒng)對(duì)其進(jìn)行模擬判斷，判斷標(biāo)準(zhǔn)有兩個(gè)——“知道不知道”與“安全不安全”，在云端不斷模擬之下，當(dāng)路上遇到相同情況的時(shí)候，這些模擬場(chǎng)景均會(huì)被調(diào)用，這種體系之下，安全性就會(huì)被逐步加強(qiáng)。

另外，在構(gòu)成自動(dòng)駕駛的基礎(chǔ)技術(shù)方面，包括自動(dòng)駕駛地圖、多模態(tài)感知、預(yù)測(cè)決策、自適應(yīng)規(guī)劃控制等四個(gè)方面，它們是構(gòu)成百度自動(dòng)駕駛技術(shù)的基石，也是本次百度Apollo Day上的重點(diǎn)。

高精地圖與大模型，雙管齊下的倍增器

說到自動(dòng)駕駛地圖，我們首先想到的莫過于高精地圖。但隨著行業(yè)的發(fā)展，越來越多的企業(yè)認(rèn)為高精地圖一定是過渡，云端的結(jié)合也只是一個(gè)輔助，所以就有了" 重感知，輕地圖" 的認(rèn)知。而作為高精地圖提供商之一的百度確不這樣認(rèn)為，并公開表示，對(duì)于 L4級(jí)自動(dòng)駕駛而言，要達(dá)到99.99%以上的成功率，地圖是不可或缺的底層能力，特別是在應(yīng)對(duì)道路標(biāo)識(shí)出現(xiàn)遮擋、污損、新舊重疊時(shí)，單靠實(shí)時(shí)感知是無法解決的。

不過，要想研發(fā)一套完整的高精地圖，需要的研發(fā)周期長(zhǎng)、成本高昂，所以這不是一般的企業(yè)能夠承受的。因此，百度Apollo的自動(dòng)駕駛地圖要完成“輕成本，重體驗(yàn)”的目標(biāo)。

首先在“輕成本”上，百度用自動(dòng)化數(shù)據(jù)融合讓地圖的成本大大降低，這主要是通過對(duì)所有地圖數(shù)據(jù)的收集、小塊處理并進(jìn)行幾何融合的方式，完成最終自動(dòng)駕駛地圖的形成，百度克服了包括塊狀地圖融合的精度、場(chǎng)景化的關(guān)聯(lián)、重疊部分的融合效率等等難點(diǎn)，最終達(dá)成了“輕成本”目標(biāo)。目前，在高精地圖層面，AI是降本增效的核心驅(qū)動(dòng)，百度高精地圖構(gòu)建自動(dòng)化率已達(dá)到96%，大幅解決了應(yīng)用成本高的問題。

而在“重體驗(yàn)”上，百度Apollo主要是針對(duì)一些在實(shí)際場(chǎng)景中，包括多次變道、突發(fā)限速等情況都會(huì)讓乘客的體驗(yàn)變差，這時(shí)候百度提出了“駕駛知識(shí)圖譜”，即基于百度地圖1200萬公里的領(lǐng)先路網(wǎng)覆蓋范圍及海量時(shí)空數(shù)據(jù)，結(jié)合數(shù)億司機(jī)的駕駛知識(shí)沉淀，構(gòu)建全路網(wǎng)級(jí)別的駕駛知識(shí)圖譜，而這個(gè)圖譜包括：行駛速度、變道時(shí)機(jī)、變道軌跡等等。這一層輸入，是自動(dòng)駕駛由笨拙變得順滑的關(guān)鍵。如此讓系統(tǒng)學(xué)習(xí)人類司機(jī)經(jīng)驗(yàn)，用駕駛知識(shí)圖譜為自動(dòng)駕駛搭建進(jìn)步的階梯。

那么，百度Apollo如何做到讓自動(dòng)駕駛逐步學(xué)習(xí)的呢？這里就要提到一個(gè)概念——大模型。

在自動(dòng)駕駛發(fā)展過程中，多傳感器的融合是達(dá)成目標(biāo)的必要條件，這其中算法成為了整個(gè)系統(tǒng)的核心內(nèi)容。在之前的百度Apollo自動(dòng)駕駛感知1.0中，系統(tǒng)是以激光雷達(dá)為主，加入環(huán)視、毫米波的后融合感知方案，后融合是以規(guī)則驅(qū)動(dòng)的，若出現(xiàn)一些特殊情況（小動(dòng)物、貨車外凸的貨物等），往往這種算法就會(huì)出現(xiàn)誤判，這肯定不符合自動(dòng)駕駛的要求。而隨后出現(xiàn)的感知2.0是多模態(tài)、前融合、端到端的方案為主；除此之外，補(bǔ)充以遠(yuǎn)距離的視覺感知以及近距離的魚眼感知，而在這其中，大模型發(fā)揮的作用包括數(shù)據(jù)挖掘、數(shù)據(jù)標(biāo)注等等。

百度Apollo的大模型技術(shù)能夠讓自動(dòng)駕駛在短距離、中等距離與遠(yuǎn)距離都能有不錯(cuò)的表現(xiàn)。大模型算法主要有兩個(gè)方面的新內(nèi)容，首先是有關(guān)新模型的判定，2D數(shù)據(jù)容易獲取，3D數(shù)據(jù)獲取相對(duì)困難?？梢岳?D標(biāo)注數(shù)據(jù)和3D標(biāo)注數(shù)據(jù)，迭代自訓(xùn)練的方法得到一個(gè)效果不錯(cuò)的感知大模型，再利用大模型對(duì)數(shù)據(jù)進(jìn)行3D的偽標(biāo)注，讓大模型下沉到小模型，并且在實(shí)際場(chǎng)景中大型模來幫助小模型解決自動(dòng)駕駛中的誤判，比如在道路上遇到對(duì)向?yàn)⑺囌跒⑺那闆r，大模型會(huì)判斷對(duì)向的灑水車，從而幫助車型判斷出“灑出的水”這個(gè)小模型，減少對(duì)“水”的誤判情況。隨著各個(gè)大模型的疊加，這種訓(xùn)練會(huì)越來越簡(jiǎn)單，越來越快，自動(dòng)駕駛算法在實(shí)時(shí)判斷也會(huì)更準(zhǔn)確。

另外，在自動(dòng)駕駛的過程中，車輛會(huì)遇到各種意想不到的場(chǎng)景，比如 羊群過馬路。解決罕見、長(zhǎng)尾場(chǎng)景，是數(shù)據(jù)閉環(huán)的價(jià)值。與感知、規(guī)控、決策的技術(shù)棧相比，大規(guī)模數(shù)據(jù)閉環(huán)的建設(shè)是行業(yè)里的嶄新命題。

數(shù)據(jù)閉環(huán)的前半是大量數(shù)據(jù)帶來的存儲(chǔ)和標(biāo)注的壓力，后半是大規(guī)模數(shù)據(jù)用于訓(xùn)練的計(jì)算量需求暴增。百度Apollo設(shè)計(jì)的數(shù)據(jù)閉環(huán)，核心是解決「高提純、高消化」的問題。

在數(shù)據(jù)提純上，百度的方案是利用車端小模型+云端大模型，做高效的挖掘和自動(dòng)化標(biāo)注；數(shù)據(jù)消化架構(gòu)，實(shí)現(xiàn)自動(dòng)化訓(xùn)練，具備聯(lián)合優(yōu)化和數(shù)據(jù)分布理解的能力，利用高純度的數(shù)據(jù)進(jìn)一步提升自動(dòng)駕駛系統(tǒng)的整體智能水平。除此之外，訓(xùn)練、推理以及數(shù)據(jù)分布在數(shù)據(jù)消化過程中，形成：數(shù)據(jù)-模型-指標(biāo)的消化反饋機(jī)制，進(jìn)一步提升數(shù)據(jù)消化的整體效率和效果。

 技術(shù)共生路線，昆侖芯片即將助力百度

百度的自動(dòng)駕駛路線為 L4/L2+ 技術(shù)共生路線，是行業(yè)第一家同時(shí)具備L4 Robotaxi技術(shù)和量產(chǎn)L2+輔助駕駛方案的公司，百度自動(dòng)駕駛技術(shù)專家王亮認(rèn)為，百度賦能汽車智能化的信心和底氣源于十年自動(dòng)駕駛技術(shù)沉淀。目前，技術(shù)棧層面已實(shí)現(xiàn)L4與L2+智駕產(chǎn)品視覺感知方案統(tǒng)一、技術(shù)架構(gòu)統(tǒng)一、地圖統(tǒng)一、數(shù)據(jù)打通及基礎(chǔ)設(shè)施共享。L4將持續(xù)為L(zhǎng)2+智駕產(chǎn)品提供先進(jìn)的技術(shù)遷移，L2數(shù)據(jù)反哺也將助力L4泛化能力提升。同時(shí)，王亮也強(qiáng)調(diào)高精地圖是保障L2+城市級(jí)智駕產(chǎn)品高安全、體驗(yàn)好的必要條件。

除此之外，在軟件上的建樹，硬件方面也成為了近期自動(dòng)駕駛行業(yè)的另一個(gè)焦點(diǎn)。眾所周知，隨著世界風(fēng)云的改變，芯片已經(jīng)成為決定行業(yè)生存的關(guān)鍵之一。在百度Apollo Day技術(shù)開放日上，昆侖芯科技CEO歐陽劍透露，百度自研AI芯片昆侖芯2代已完成無人駕駛場(chǎng)景端到端性能適配，這也將持續(xù)夯實(shí)百度Apollo軟硬一體優(yōu)勢(shì)。

其實(shí)，百度自研的昆侖芯片已經(jīng)量產(chǎn)了兩代，實(shí)現(xiàn)數(shù)萬片的商業(yè)化部署。第三、第四代產(chǎn)品都在研發(fā)中，三代芯片預(yù)計(jì)明年量產(chǎn)，四代芯片后年量產(chǎn)。

昆侖芯片采用的XPU-R架構(gòu)，通過7nm先進(jìn)工藝，能夠達(dá)到128TFLOPS FP16的強(qiáng)大算力，完全滿足自動(dòng)駕駛的需求，除此之外，昆侖芯二代還擁有32GB的高速閃存以及512GB/s的內(nèi)存帶寬，并且支持虛擬化，芯片間互聯(lián)和視頻編解碼，是非常完備的AI芯片。而對(duì)于行業(yè)來說，昆侖芯片也具有著以下幾點(diǎn)優(yōu)勢(shì)：首先昆侖二代AI芯片已經(jīng)在互聯(lián)網(wǎng)，工業(yè)質(zhì)檢、智慧交通智慧金融等場(chǎng)景均有實(shí)際部署，也證明了該芯片的可行性；其二是昆侖芯片已與多款通用處理器、操作系統(tǒng)、AI框架完成端到端的適配；其三昆侖芯片專門為開發(fā)者提供了全方位的軟件工具包，讓大家都能更簡(jiǎn)單的對(duì)昆侖芯片系統(tǒng)進(jìn)行獨(dú)立個(gè)性化的開發(fā)與定制。

目前昆侖芯二代已經(jīng)在百度的Robotaxi系統(tǒng)上進(jìn)行了完整的適配，并開始道路測(cè)試。

 告別堆料，ANP3.0讓自動(dòng)駕駛“眼光發(fā)亮”

在本次百度Apollo Day技術(shù)開放日，重頭戲莫過于百度ANP3.0自動(dòng)駕駛方案了，它將在國內(nèi)率先支持復(fù)雜城市道路場(chǎng)景，并且銜接融通高速和泊車場(chǎng)景。

相比于某些品牌的“堆料”做法，硬件上百度選用了包括500+ TOPS AI算力得到Nvidia Drive Orin-X，max視距~400m的環(huán)視8MP攝像頭、1,536,000 points/s的SOTA半固態(tài)激光雷達(dá)。在系統(tǒng)的構(gòu)成上，ANP3.0將以視覺方案為主，將激光雷達(dá)作為安全冗余來做支持。

ANP3.0所搭載的第二代純視覺感知系統(tǒng)Apollo Lite++通過Transformer把前視特征轉(zhuǎn)到BEV，在特征層面對(duì)相機(jī)觀測(cè)進(jìn)行前融合后，直接輸出三維感知結(jié)果，并融合時(shí)序特征實(shí)現(xiàn)運(yùn)動(dòng)估計(jì)Learning化。

可以說，百度視覺感知方案Apollo Lite是世界唯三、中國唯一支持城市道路的純視覺，自動(dòng)駕駛的感知系統(tǒng)；LiDAR則是由百度Apollo十年深耕，算法理解、實(shí)踐經(jīng)驗(yàn)和數(shù)據(jù)儲(chǔ)備全面領(lǐng)先，成熟可靠的激光雷達(dá)方案。在兩種系統(tǒng)的加持下，百度自稱是“國內(nèi)唯一真‘冗余’的環(huán)境感知系統(tǒng)”。通過Transformer把前視特征轉(zhuǎn)到BEV，在特征層面對(duì)相機(jī)觀測(cè)進(jìn)行前融合后，直接輸出三維感知結(jié)果，并融合時(shí)序特征實(shí)現(xiàn)運(yùn)動(dòng)估計(jì)Learning化。

模型設(shè)計(jì)層面，基于transformer結(jié)構(gòu)，實(shí)現(xiàn)時(shí)空特征融合。之后，在空間融合階段將位置編碼變換從全局BEV空間轉(zhuǎn)換到局部相機(jī)坐標(biāo)系，消除相機(jī)內(nèi)外參差異帶來的差異。時(shí)序上盡可能多的融合主車運(yùn)動(dòng)與多幀信息，提升障礙物檢測(cè)穩(wěn)定性。同時(shí)基于時(shí)序特征，障礙物的速度、意圖、未來軌跡預(yù)測(cè)等關(guān)鍵信息都可以進(jìn)行端到端的輸出。另外，對(duì)后處理的多相機(jī)融合依賴更低，算力需求更輕，泛化性更好。

目前ANP3.0已進(jìn)入北上廣深多地泛化測(cè)試階段，將在2023年夏天隨著第一個(gè)客戶車型上市與大家見面。

寫在最后

可以說，百度Apollo Day技術(shù)開放日首次對(duì)外全面展示了其智能駕駛的技術(shù)路線，并讓我們了解到了百度在自動(dòng)駕駛系統(tǒng)感知、預(yù)測(cè)決策、規(guī)劃控制，以及數(shù)據(jù)閉環(huán)、地圖、算力等全鏈條技術(shù)方案，更深層次的也讓我們真正了解到了未來的無人駕駛會(huì)是什么樣子。相信，隨著技術(shù)的發(fā)展，中國無人駕駛的商業(yè)化進(jìn)程正逐步從點(diǎn)連成線，特別是在消費(fèi)端，中國消費(fèi)者對(duì)自動(dòng)駕駛的接受度也越來越高，而這對(duì)于我們向發(fā)達(dá)國家“彎道超車”起著至關(guān)重要的進(jìn)步。 因此，百度能否在這“下半場(chǎng)”發(fā)展中再次引領(lǐng)行業(yè)，未來的發(fā)展又將發(fā)生怎樣的變革？我們拭目以待。