智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
表貼式電源模塊TES5-2411WI TES5-2412WI
表貼式電源模塊,TES5-2422WI,TES5-2421WI,TES5-2423WI,TES5-2413WI品牌
TRACOPOWER
在智駕科技MAXIEYE創始人周圣硯看來，自動駕駛行業的第一增長曲線主要基于企業的算法、技術和經驗，在L2向L3突破的階段，企業需要在原本的算法基礎上，以數據驅動的方式進入第二個增長曲線。
2022年上半年，ADAS新車上險量達416.4萬輛，滲透率超過45%。從技術研發走向量產階段，智能駕駛系統拿到了駕照，成為了可以上路的新手司機，基于數據閉環進行場景拓展，則是智能駕駛系統從新手向“老司機”轉變的必經之路。
冗余vs臃腫：“堆料”能實現自動駕駛嗎？
2019年，華為宣布進軍汽車領域之后，蘋果、小米相繼加快在智能汽車領域的布局，手機廠商跨界“造車”，印證了智能汽車和智能手機技術發展邏輯的相似性。2021年，安信證券就指出，智能手機與智能汽車作為移動互聯網浪潮下劃時代的產物，皆遵循著“交互的變革—架構的升級—生態的演化”這一發展路徑。
在手機行業大為火熱的性能參數指標對比，也自然而然落在了智能汽車上，智能座艙和智能駕駛成為汽車玩家們“堆料”以彰顯系統性能的重點區域。
知名車企的頂配車型往往具備上千TOPS的算力預埋；高清攝像頭、毫米波雷達、超聲波雷達、激光雷達等傳感器全套配置，然而，根據法規落地進度，中國預計2025年實現乘用車在高速公路、交通擁堵等場景下的L3級自動駕駛，在代客泊車等場景實現L4級自動駕駛。
在法規尚未落地前，部署上車的頂配級部件主要起到“硬件預埋”的作用，并不能真正落實到終端用戶感受上，此外，專家指出，不合理的傳感器組合也會帶來信號傳輸之間的相互干擾，在功耗散熱上的隱患也需要考慮在內。
“我們好像走向了自動駕駛的誤區，大家就好像在進行軍備競賽一樣，不斷地堆砌硬件，這實際上反映了現實的自動駕駛系統和理想中自動駕駛系統之間的差距。”
周圣硯表示，不管是企業還是消費者，都希望自動駕駛系統擁有“老司機”式的應變能力和可靠性，要實現自動駕駛系統的升維，不能僅僅依賴技術的突破，還需要持續的數據累積和閉環。
自動駕駛的升維邏輯如何定義？
要理解自動駕駛升維的邏輯，不妨類比人類認識和理解世界的邏輯。
人類會通過視覺、聽覺、嗅覺、味覺、觸覺去摸索和探察周圍世界，會利用邏輯思維進行分析和總結，進而創造了力學、聲學、電學等不同的學科，抽象出事物運行的基本規律，利用規律進一步測量和試圖理解整個世界。
自動駕駛系統則是通過傳感器類比人類的五感，采用攝像頭、激光雷達、毫米波雷達、超聲波雷達、IMU慣性導航單元等探測汽車及汽車周圍事物的狀態，結合衛星地圖，利用深度神經網絡和算法進行分析，利用拓撲建構模型，經由執行器和控制系統實現自動駕駛的全套操作。
本質上，人類和機器理解世界的邏輯是一樣的，要想讓汽車智能系統很好地理解世界，就需要為其提供足夠的數據養料以構建更精準的模型，這也正是自動駕駛系統升維的邏輯所在：數據迭代閉環、算法及技術突破。
MAXIEYE如何在量產中部署數據閉環？
從自動駕駛的視角出發，積累數據幾乎等同于不斷拓寬系統的運行場景邊界，除了一般場景(common case)的數據，邊界的數據(corner case)更為關鍵，從而實現在算法不變的情況下，讓自動駕駛系統的設計運行范圍能夠向暴雨、雨霧、以及其他極端場景拓展。
如何獲得邊界案例？周圣硯認為，在量產產品中部署數據閉環不失為一種有效方法，設計好的數據收集機制，比如在人類駕駛的情況下，后臺運行的影子系統可以分析人類的駕駛決策與行為，基于回傳數據，企業就可以為這些場景積累相應的技術算法，在明確系統邊界的情況下，商業使用和數據增量并行，確保系統持續迭代。
基于自研智能駕駛系統MAXIPILOT®+傳感器+T-BOX組合解決方案，MAXIEYE已經走在構建量產車輛數據閉環系統的前列。
其中，MAXIEYE在車端部署了33種觸發機制，典型有功能觸發、駕駛員異常行為觸發、系統觸發、感知觸發等。以功能觸發為例，這一機制會將AEB等功能啟動前后5-10秒的場景視頻經由MAXIPILOT®進行壓縮，回傳至服務器并進行復盤分析。
感知觸發主要是針對傳感器融合精度，將不同傳感器之間測量目標的速度誤差數據進行觸發。周圣硯介紹，“MAXIEYE的團隊會把視覺檢測的目標速度與毫米波雷達進行比對，并將有價值的視頻流回傳回來，進行視覺與毫米波雷達的精度對標。”
值得一提的是，MAXIEYE構建的數據閉環工具在回傳之前就會在車端完成脫敏處理，針對例如人臉、車牌等隱私信息在車端進行清洗。
除了車端觸發機制的部署，MAXIEYE還會服務主機廠搭建云端索引，將縱向控制、橫向控制等細分技術路徑與車道偏移、壓線等具體事件進行交叉對應，方便工程師進行檢索與監測。周圣硯特別提到，目前MAXIEYE已積累的量產里程數據達100,000,000公里。
自動駕駛系統低成本升維之路：數據眾包+場景庫
“開發下一代領航輔助駕駛系統時，能否用低階系統對高階系統提供一定的數據支撐和幫助？”
針對這一供應商與車企在共同思考的問題，MAXIEYE給出的回答是：從數據的維度出發，在量產低階智能駕駛系統部署數據閉環，采用“成本減法”和數據眾包的方式拓寬運行范圍（邊界案例與關鍵案例），為高階智能駕駛提供“場景庫”。
周圣硯提出，“高階自動駕駛或者領航輔助駕駛的關鍵點不在于道路中的大量一般案例（common case），而在于解決‘路口’問題。”
何為“路口”問題？簡單而言，就是通過觸發機制，將汽車經過路口前后5秒的場景視頻進行記錄、回傳與分析，實際上也泛指在汽車總體道路行駛里程中占比較小，但復雜度和技術難度極高的關鍵案例。
周圣硯表示，這一方案在行業內普遍施行的主要難點不在于技術，而在于智能駕駛系統Tier 1技術鏈的封閉性，數字閉環的部署必須打通全棧技術鏈，從而幫助主機廠建立從低階智能駕駛系統轉換至高階的升維邏輯。
這也正是MAXIEYE的優勢所在，作為技術方案商，MAXIEYE打通了從核心技術、產品到服務的全棧自研創新，能夠運用覆蓋感知、規劃到控制的全棧視角解決問題，采用商乘雙驅動的商業模式，可以將數據采集、研究成果覆蓋至更廣大的用戶群體。
值得一提的是，MAXIPILOT® 1.0自2021年發布之后，就已在合創、合眾等品牌多款車型上實現量產，支持NOM領航輔助駕駛的MAXIPILOT®1.0 PLUS也將在2022年內實現量產。日前，MAXIEYE又獲廣汽傳祺L2級ADAS量產項目定點，定點車型將標配MAXIPILOT® 1.0全速智能巡航系統。
實際上，通過規模效應和數據驅動實現降本增效，本身即是業界與學界公認的可行路徑。周圣硯表示，在數據多樣性不足的初始階段，深度學習網絡模型需要很強的泛化能力(指模型經過訓練后，應用到新數據并做出準確預測的能力)，進而催生了對高算力的需求。一旦“數據庫”搭建完畢，行業內的“算力熱”也會得到一定的緩解，關鍵是系統成本可以實現一定程度地下探，最終達成向產品、C端用戶、OEM客戶的多維賦能。
“實現人人可享的智能駕駛”是MAXIEYE的企業愿景，周圣硯希望，基于這種全棧創新、數據驅動的方式搭建“場景庫”，MAXIEYE可以助力主機廠智能駕駛系統的降本增效，在行業內實現規模效益，最終達成正向循環。
浙公網安備 33010602000006號
智能制造網小程序
微信公眾號
