3328
佐思汽研發(fā)布《2023年自動駕駛數(shù)據(jù)閉環(huán)研究報告》。
目前，自動駕駛已進入3.0階段。不同于2.0階段基于人工規(guī)則的軟件驅(qū)動，3.0階段自動駕駛功能的迭代以大數(shù)據(jù)、大模型驅(qū)動為核心，感知方式是多模態(tài)傳感器聯(lián)合輸出結(jié)果，而信息融合方式則從后融合逐步向中融合及前融合演進。
在數(shù)據(jù)能力建設(shè)上，企業(yè)的焦點已轉(zhuǎn)移至數(shù)據(jù)閉環(huán)的效率與成本，并在數(shù)據(jù)合規(guī)和數(shù)據(jù)安全的前提下解決更多Corner Cases（極端情況如交通事故、惡劣天氣條件或復(fù)雜路況），加速用戶體驗從“疲勞緩解”階段向“場景化舒適體驗”發(fā)展。其中主機廠著力提升的場景應(yīng)用主要集中在城區(qū)、城市高架以及高速自動駕駛上。
在高速場景中，用戶可以安心啟用自動駕駛功能，自動駕駛系統(tǒng)可以精確舒適地引領(lǐng)上下匝道、車道居中保持、大曲率高速過彎、擁擠路段平衡跟車停車、智能選擇最佳車道、車道內(nèi)橫向躲避并超越慢車、智能識別避讓故障及緩慢車輛等。例如，小馬智行NOA方案（見下圖）能夠靈活應(yīng)對高速以及城市交通場景，在自主變道、上下匝道、定速巡航、車道居中、躲避障礙物等場景中表現(xiàn)優(yōu)秀。
在城市場景中，蔚來NOP+、華為NCA、小鵬XNGP等城市NOA輔助駕駛功能紛紛落地，車輛功能的場景泛化能力持續(xù)提升。比如阿維塔搭載的華為智駕系統(tǒng)ADS2.0，能夠在狹窄城市街道成功穿越兩輛卡車的夾擊（見下圖），規(guī)劃策略與人類駕駛決策水平持平，甚至超越。
總之，自動駕駛系統(tǒng)在自主變道、躲避障礙物等場景中的表現(xiàn)愈加優(yōu)秀，人的接管率越來越低，而汽車智能化競爭的背后是數(shù)據(jù)在車端云端閉環(huán)中的高效流轉(zhuǎn)。比如百度智能云自動駕駛數(shù)據(jù)閉環(huán)方案提供全周期的自動駕駛數(shù)據(jù)運營服務(wù)與自動駕駛工具鏈平臺，能夠解決數(shù)據(jù)獲取、加工、使用過程中的難題。
百度自動駕駛數(shù)據(jù)閉環(huán)解決方案
來源：百度智能云
01、自動駕駛3.0階段開啟，企業(yè)加碼建設(shè)或完善數(shù)據(jù)閉環(huán)體系的各個環(huán)節(jié)
自動駕駛3.0階段，本質(zhì)就是以數(shù)據(jù)驅(qū)動為核心，持續(xù)提升數(shù)據(jù)挖掘效率和利用效率。這一階段，車輛測試數(shù)據(jù)規(guī)?？蛇_到1億公里以上，這對數(shù)據(jù)閉環(huán)中的采集、標注等環(huán)節(jié)構(gòu)成挑戰(zhàn)。對此，車企通過提升影子模式的靈活采集邏輯、零原型仿真等手段來加速數(shù)據(jù)處理效率，為算法迭代、模型訓(xùn)練及部署等做好準備。
下面通過數(shù)據(jù)閉環(huán)的關(guān)鍵環(huán)節(jié)，即數(shù)據(jù)采集、數(shù)據(jù)標注、仿真測試等方面為例，來看汽車企業(yè)及數(shù)據(jù)閉環(huán)方案商的提效行動。
數(shù)據(jù)采集
目前，數(shù)據(jù)采集可以通過道路采集車、量產(chǎn)車、云端仿真、車主數(shù)據(jù)貢獻等方式來實現(xiàn)。其中，影子模式在采集車內(nèi)車外動/靜態(tài)數(shù)據(jù)時，效率相對更高。車企設(shè)置的算法觸發(fā)邏輯更加靈活、更加精準，比如小鵬在具備數(shù)采能力車輛上設(shè)置超300個觸發(fā)信號，系統(tǒng)可判斷當(dāng)前怎樣的Corner Case是對系統(tǒng)有用的，然后上傳。上汽飛凡在車端設(shè)置了非常多的Triggered Event，觸發(fā)這些條件后，采集多模態(tài)數(shù)據(jù)并回傳數(shù)據(jù)，在效率上，三個月內(nèi)就獲得了近 1200 萬個 clips 數(shù)據(jù)回傳。還有智協(xié)慧同數(shù)采系統(tǒng)通過云端低代碼工具vStudio使用各種算子輕松搭建觸發(fā)算法。整套車云協(xié)同的方案，支持觸發(fā)算法一鍵下發(fā)車端，無需繁雜的OTA流程，算法迭代效率高。智協(xié)慧同影子模式向2.0階段演進，助力構(gòu)建觸發(fā)場景庫、人機對比、AB模型對比，并在邊緣計算的加持下，能夠?qū)崿F(xiàn)未知異常場景挖掘等，實現(xiàn)大幅降本增效。
數(shù)據(jù)標注
數(shù)據(jù)標注是自動駕駛數(shù)據(jù)閉環(huán)中最關(guān)鍵的環(huán)節(jié)之一。當(dāng)前，如何不斷提升對采集到的多模態(tài)高價值數(shù)據(jù)進行高效的自動化標注，是傳統(tǒng)標注公司及數(shù)據(jù)閉環(huán)方案商關(guān)注的焦點。
為更好賦能車企，傳統(tǒng)標注公司正陸續(xù)研發(fā)自己的自動化數(shù)據(jù)標注平臺，提升數(shù)據(jù)標注的效率及標注的質(zhì)量；同時，這些企業(yè)也開始與各類智算中心合作，在大模型加持下持續(xù)完善標注平臺能力，并降低標注成本。
以海天瑞聲為例，其自研的DOTS-AD自動駕駛標注平臺能夠支持多維度、全方位自動駕駛標注任務(wù)，數(shù)據(jù)標注效率提升高達8倍。再比如曼孚科技的MindFlow SEED數(shù)據(jù)服務(wù)平臺通過AI+RPA驅(qū)動自動駕駛數(shù)據(jù)標注規(guī)?；慨a(chǎn)，將綜合人效平均提升30%，數(shù)據(jù)生產(chǎn)成本平均降低40%。
數(shù)據(jù)閉環(huán)方案商毫末智行在駕駛場景識別能力上，基于毫末 DriveGPT 所建立的 4D Clips 駕駛場景識別方案，可以使得單張圖片的標注成本降到0.5元，是目前行業(yè)平均成本的1/10。毫末正在將圖像幀及 4D Clips 自動駕駛場景識別服務(wù)向行業(yè)開放使用，目前不少標注公司已經(jīng)展開與毫末智行的合作，比如數(shù)據(jù)堂、海天瑞聲、澳鵬、云測數(shù)據(jù)、星塵數(shù)據(jù)，企業(yè)間的強強合作必將大幅降低行業(yè)使用數(shù)據(jù)的成本，提高數(shù)據(jù)質(zhì)量。
仿真測試
云仿真平臺建設(shè)是企業(yè)工具鏈能力之一。仿真設(shè)備的購置及維護，又構(gòu)成了一定的成本壓力，但在自動駕駛研發(fā)過程中，相比先給出部件原型來驗證功能，需要較少原型或零原型（Zero Prototype）的虛擬仿真，其成本更為劃算，仿真投入幾乎是必選項。
仿真有幾種形式，包括MiL（模型在環(huán)）、SiL（軟件在環(huán)）、HiL（硬件在環(huán)）、DiL（駕員在環(huán)）、ViL（整車在環(huán)）, 不同的企業(yè)根據(jù)需求，在各自的研發(fā)周期的不同階段，對仿真形式的需求也不盡相同。目前眾多車企在利用仿真工具，進行各類功能驗證，加快新車型的研發(fā)周期及上市時間，比如VI-grade的產(chǎn)品就被BBA、福特、本田、豐田、上汽、一汽、廣汽、蔚來等車企所采用。
02、數(shù)據(jù)閉環(huán)生態(tài)構(gòu)建中，企業(yè)加速打造“數(shù)智/數(shù)據(jù)底座”能力
數(shù)據(jù)、算法、算力是自動駕駛技術(shù)的三大基石，數(shù)據(jù)的數(shù)量和質(zhì)量決定著算法能力的上限，而算力又是數(shù)據(jù)處理的載體。軟件和硬件的一體化意味著算法和域控/芯片適配的“順暢性”。目前行業(yè)內(nèi)，少數(shù)企業(yè)如Tesla已構(gòu)建了“數(shù)據(jù)+算法+算力”的完整智能生態(tài)體系，實現(xiàn)了數(shù)據(jù)的100%掌控。為實現(xiàn)對數(shù)據(jù)的控制力，主機廠及軟件算法企業(yè)均在追趕。
智算中心建設(shè)
超算中心初期投入較高，主機廠及Tier1對搭建AI計算中心的預(yù)算普遍超過億元。例如特斯拉超級計算機平臺Dojo將于2023年7月投入生產(chǎn)；2024年特斯拉在Dojo上的投入將超過10億美元，以推進超級計算機與神經(jīng)網(wǎng)絡(luò)訓(xùn)練。
盡管如此，在自動駕駛領(lǐng)域具有長期規(guī)劃的車企或技術(shù)供應(yīng)商，都在搭建自己的超算中心，以掌握穩(wěn)定的算力資源，縮短開發(fā)周期，加快自動駕駛產(chǎn)品的上市。例如，2022 年 8 月小鵬汽車成立自動駕駛 AI 智算中心“扶搖”，由小鵬和阿里聯(lián)合出資打造。該中心可將自動駕駛算法的模型訓(xùn)練時間提速 170 倍，且未來還具備10~100 倍的算力提升空間。
自動駕駛廠商超算中心建設(shè)情況
來源：佐思汽研《2023年自動駕駛數(shù)據(jù)閉環(huán)研究報告》
“數(shù)智/數(shù)據(jù)底座”能力建設(shè)
智能汽車的全生命周期需要數(shù)據(jù)來驅(qū)動，而基于數(shù)據(jù)打造的車云全鏈路能力底座正是一些自動駕駛方案商努力做的事。比如，智協(xié)慧同ExceedData車云一體計算架構(gòu)結(jié)合其車載高性能時序數(shù)據(jù)庫，構(gòu)建了智能汽車的數(shù)據(jù)底座，重新定義了汽車數(shù)據(jù)智能的成本與效率，成本總計可下降85%。該數(shù)據(jù)底座方案獲得包括一汽、上汽、上汽零束、華人運通、東風(fēng)嵐圖、北汽、吉利等一線車企的高度認可，量產(chǎn)定點了10個以上車型。
智協(xié)慧同全棧產(chǎn)品
來源：智協(xié)慧同
福瑞泰克具備軟硬一體平臺化開發(fā)和量產(chǎn)交付能力，已打通了“規(guī)模數(shù)據(jù)獲取-數(shù)據(jù)處理體系-自動化迭代”的數(shù)據(jù)閉環(huán)鏈路，其ODIN智能駕駛數(shù)智底座支持量產(chǎn)的大規(guī)模數(shù)據(jù)閉環(huán)系統(tǒng)，既包括福瑞泰克大規(guī)模量產(chǎn)數(shù)據(jù)基礎(chǔ)，也有部署于國家超算中心算力平臺，并全面形成了支持算法演進的完整數(shù)據(jù)閉環(huán)體系，可同步完成感知算法的迭代演進與規(guī)控算法的閉環(huán)驗證。ODIN數(shù)智底座包括自研域控制器、傳感器、自動駕駛算法以及數(shù)據(jù)閉環(huán)系統(tǒng)作為四大支柱體系，目前合作車企品牌已超過40家，合作車型項目超過100款。
03、BEV+Transformer賦能端到端感知決策一體化
自動駕駛能力的增強是更多數(shù)據(jù)+更好算法+更高算力聯(lián)合優(yōu)化的結(jié)果，更是感知、決策、規(guī)控技術(shù)進步的必然。
面對各種復(fù)雜的場景，尤其是Corner Case對自動駕駛的感知和決策能力提出了更高的要求。BEV技術(shù)通過提供全局視角來增強自動駕駛系統(tǒng)的感知能力。Transformer 模型可以用于提取多模態(tài)數(shù)據(jù)中的特征，如激光雷達點云、圖像、雷達數(shù)據(jù)等。通過對這些數(shù)據(jù)進行端到端的訓(xùn)練，Transformer 能夠自動學(xué)習(xí)到這些數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和相互關(guān)系，從而有效識別和定位環(huán)境中的障礙物。
BEV+Transformer，可以構(gòu)建一個端到端的自動駕駛系統(tǒng)，實現(xiàn)高精度的感知、預(yù)測和決策。比如商湯基于多模態(tài)大模型，可做到數(shù)據(jù)的感知閉環(huán)和決策閉環(huán)。商湯感知決策一體化的端到端自動駕駛解決方案UniAD，使車道線的預(yù)測準確率提升了30%，預(yù)測運動位移的誤差降低了近40%，規(guī)劃誤差降低了近30%。在 AI 決策方面，商湯聯(lián)合上海人工智能實驗室推出了OpenDILab決策AI平臺。決策 AI 平臺也可以用到自動駕駛當(dāng)中，去實現(xiàn)規(guī)劃和控制。
商湯絕影感知決策一體化
來源：商湯絕影
此外， 覺非科技也具備“感知-決策-數(shù)據(jù)”閉環(huán)能力，其核心競爭壁壘在于算法和數(shù)據(jù)之間的聯(lián)動和飛輪效應(yīng)。軟件層面上，覺非的核心技術(shù)路徑是融合計算能力，將自車位置與姿態(tài)相關(guān)的空間數(shù)據(jù)、重地圖或輕地圖的靜態(tài)數(shù)據(jù)以及感知類傳感器數(shù)據(jù)進行實時融合與實時運算，并應(yīng)用于自動駕駛的感知系統(tǒng)、定位系統(tǒng)、路徑規(guī)劃系統(tǒng)或記憶建圖系統(tǒng)。
覺非科技基于BEV的數(shù)據(jù)閉環(huán)融合智駕解決方案
來源：覺非科技
下載ECAD模型
