發布時間:2020.04
隨著國家11部委聯合出臺《智能汽車創新發展戰略》,“車-云-路”協同方案正式成為智能駕駛的“中國路徑”。可以預見的是,重數據與強融合的發展方式,將成為“中國路徑”的核心策略。
近日,覺非科技CEO李東旻就智能駕駛“中國路徑”的演繹與發展在雷鋒網做了分享。
1
基于后深度學習的覺非科技方案
清華大學人工智能研究院院長張鈸院士提出,整個自動駕駛的落地需要進入后深度學習時代。所謂后深度學習,就是通過“車、云、路協同”的方式,將經驗類的,具有較好穩定性、可靠性的數據以及邊緣推理算法,再加實時感知數據聯合在一起,進行驅動,發展成解釋性比較強,可依賴的人工智能技術。
因此,覺非科技希望發展出基于后深度學習時代的內容,把一些穩定性比較高的數據跟實時傳感器相融合實現更可靠的自動駕駛。
覺非科技做過一個演示,后深度學習加上高精地圖,就能讓一輛普通的車輛實現顛覆式變化。
一輛未經任何改裝的普通車輛,僅在車輛后視鏡下面架一個手機,手機通過USB線連接到后視鏡里汽車的CAN總線上。通過這根USB線,即可實現手機控制這輛普通汽車的所有感知過程。這是需要用戶花4萬到5萬才能實現的高級輔助駕駛功能,包括沿車道行駛、高速公路并道等。
從技術角度而言,這是怎么實現的?在手機里面存儲數據和感知算法,尤其是融合感知算法。脫離硬件本身,手機里面存儲的數據具備了一個零到無窮遠的超視距感知能力。然后把實時感知數據加上車道線的高精度地圖數據,同時把車輛本身的運行數據(慣導設備、GPS信號)實時狀態相融合,能夠就實現一個魯棒性和安全性都非常之高的解決方案。
就像給這輛車繪制了一個看不見的鐵軌,讓車沿著非常安全穩定的鐵軌行使,不受惡意攻擊的影響。
在這條路徑上,覺非科技與合作伙伴宇通客車一起合作了兩項方案。
第一個方案是AR交互系統,部署在一個L4級別的無人駕駛的小巴上。在車內22寸的液晶屏上面,乘客能夠清晰地看到車輛是在怎么感知周圍環境的。不論是公交車、行人、自行車還是其他的移動物體,都可以準確的在界面上顯示出來;同時也會向乘客展示車輛的行進方向、路徑規劃、目標物體的測距。
第二個方案是雙方合作創新的工作模式,面向快速公交車輛實現全場景的融合感知。全場景融合感知,就是在不論刮風下雨還是重度霧霾等異常惡劣天氣情況下,快速公交車都能夠實現360度無死角的進行感知。
其中會用到很多傳感器,基于這套感知硬件,覺非科技把自己核心的技術比如道路的語義分割、圖像與激光點云融合在一起,形成一個典型的多傳感器融合技術。
多傳感器融合能力可以通過攝像頭對物體進行識別,也可以通過激光雷達對物體進行測距,但不依賴于某一個傳感器硬件。
目前,國內在政策層面已經制定了C-V2X的落地白皮書。到2025年,一半的新車將會具備C-V2X功能。現在每年2000多萬新車銷售,其中至少一半的車有這個功能,具備巨大的市場潛力。通過覺非科技的路徑來改造車,能夠實現比較好的車云路協同。
2
覺非科技的車云路協同
覺非的整體車云路協同軟硬件一體化架構,是經過實踐總結出來的結果。這個架構最上層的部分是基礎設施。核心層面包括定位、通訊、路側設施三個基礎設施。
覺非科技的定位,是面向整個智能出行產業打造一個數據引擎, 形成“雙輪驅動”的模式。一方面針對運營場景端,通過高精度數字化能力進行賦能。另一方面,針對智能終端,通過車端傳感器數據、路端傳感器數據與高精地圖數據進行有效的時空同步與融合,把知識驅動與數據驅動結合起來,提供可靠、精準的智能化解決方案,能夠有效保證自動駕駛車輛的安全性。
覺非科技的數據引擎進入市場以后,解決了自動駕駛產業的很多痛點。比如感知在不完全依賴于激光雷達的前提下,做到激光雷達和攝像頭在亞毫秒之間的同步,彌補了單車智能模式的一些天然不足。
總體來看,覺非科技有4個技術上的優勢:數字化的道路引擎、多元數據歸一化引擎,跨平臺、跨終端的道路推理引擎,以及通過云端跟車端之間建立起來大數據分發引擎。
李東旻認為,從技術到量產落地需要具備的充要條件有四點。
第一點,在產業上一定要有需求,有痛點。過去很多的自動駕駛方案提供的大多是錦上添花的功能。消費者看乘用車的時候,最終還是要看安全。
第二點,在經濟層面,不管是技術、硬件還是軟件,方案一定要可規模化部署。
第三點,在競爭層面,對于很多創業型公司來說,需要建立自己的競爭優勢。互聯網時代一直在講閉環的迭代,就是發布的技術、產品要能夠通過客戶用戶,將反饋和數據收集回來。
最后一點是技術層面,一定要提供高可靠性的解決方案。
3
用中臺戰略掘金新戰場
《智能汽車創新發展戰略》中明確設定了:建設國家智能汽車大數據云控基礎平臺的新目標。這樣的數據基礎平臺,不僅關乎交通的運轉效率,同時也關乎未來的交通安全。因此在各國的戰略規劃中,一直都是重中之重。
實現這一美好愿景的基礎,是對各種交通數據的采集、處理,在智能汽車的應用中,還會涉及高精地圖、高精定位等系統化數據,可以給自動駕駛系統與車輛,提供更確定性的道路交通指示,幫助其進行更安全、可靠的決策規劃。
覺非科技是目前自動駕駛產業中,少有的能提供成熟解決方案的技術創新型公司,致力于成為智能駕駛的“數據引擎”,提供支撐運營場景智能化與數字化的數據引擎中臺,也就是依賴對現實道路高精度數字化能力,提供定制化區域的高精地圖制圖、高精度定位、私有云更新等服務,提供精準、安全、可靠的全場景智能駕駛與智慧城市解決方案,推動整個智慧出行行業的高效發展。
覺非科技的數據引擎有兩個特點,第一是跨終端平臺的部署便捷性,第二個是與底層硬件解耦的靈活性,這也是作為數據中臺的角色而言必須具備的特點。>
而這種“中臺思路”,對于產業而言,也將會成為未來的趨勢。
據創業邦報道,在技術算法差異性日益縮小的情況下,覺非科技從海量數據端切入,為客戶定制化提供了完整的引擎解決方案。
首先是數字道路標準化引擎,該產品依靠高精度組合數據采集道路信息,經過自動化制圖與數據編譯,以及高效的質檢質控,可為客戶定制使用;其次是多源數據歸一化引擎,該產品將車載、路端、云端三端數據進行融合計算,通過多傳感器聯合標定達到高精定位時空同步的效果;進而是跨平臺環境感知推理引擎,可融合全場景環境感知數據和高精定位數據,通過嵌入式邊緣計算能力實現,同時覺非科技可提供環境渲染與仿真驗證平臺,跨平臺適配更多客戶,打造行業標準;最后是智能分發大數據引擎,可為客戶搭建公有與私有數據回源和分發平臺,可進行電子圍欄與虛擬數據標簽的標定,并實現分鐘級駕駛行為和道路事件分析。
從技術與場景上,覺非科技目前已經搭建了基于“車-云-路”模式的軟硬件架構,同時一直堅持用多傳感器加高精地圖的融合計算方法,專注解決自動駕駛車輛的感知與規劃兩個核心部分。
通過車端傳感器數據、路端傳感器數據與高精地圖數據進行有效的時空同步與融合,把知識驅動與數據驅動結合起來,提供對應的融合感知與規劃模塊,能夠有效保證自動駕駛車輛的安全性及ODD規模化擴展,即“強數據、重融合”的思路。
成立三年,覺非科技團隊已有70人規模,研發成員占比70%。目前,公司正攜手宇通客車、華為、中國移動、清華大學車輛與運載學院等產業伙伴,深耕技術創新及產品建設,同時已成為Arm人工智能生態聯盟委員單位、中國移動5G精準定位聯盟成員,與產業伙伴共同推動中國路徑“車-云-路”模式下的量產與落地。
合作問詢
