纵横时空辅助 L4出身如何做好辅助驾驶系统,轻舟智航:好用,能用,爱用

11/27 21:22:38 来源网站:辅助卡盟网

这种“思考”模式,其实也更符合人类驾驶的习惯,因此可直接利用人类驾驶数据不断进行模型训练,更快发现和解决算法存在的各种问题,有利于PNC能力的长期演进。

在预测层,轻舟自研的预测模型Prophnet ,可实现长达10秒的意图+轨迹的预测,平均误差仅为3.73秒。这个成绩在国内居于领先水平。早在2021年,就已在号称「自动驾驶世界杯」赛事上斩获冠军,如今已率先应用于实车。

数据驱动:闭环自动化

数据驱动,一直作为轻舟智航的强标签,也是技术高效迭代,长期发展的基础。此次城市NOA方案仍旧一以贯之。

尤其在PNC模块——业内数据驱动尚未大规模应用的「盲区」,轻舟就有两个典型性应用:数据挖掘和算法评测。

首先,建立了驾驶数据仓库,可自动对实际驾驶数据,以及影子模式下人类驾驶数据打上标签,从而有利于模型的高效训练和优化。然后,基于挖掘来的数据,通过仿真测试来评测现有的算法模型并修正。如果新模型效果得好,再用于实车上,以此形成一个数据闭环。

异时空纵横三国梦txt_纵横时空辅助_纵横时空东胜

感知系统、PNC、数据驱动,构成了轻舟城市NOA方案的三个关键要素。

如果说,感知系统和数据已成为业界公认的基本能力——数据是基础,感知是核心。那么PNC板块,就是轻舟智航区别于其他厂商的独特性所在——

一反业界常用的「时空分离」的思维定势,同时考虑时间和空间来规划轨迹,这样在与动态障碍物的交互时,会像「老司机」一样选出最佳行程轨迹。

这种优势,同样也是轻舟“一颗激光雷达”的底气所在。

轻舟认为,城市道路上汽车最常受到干扰的是前向静态物体和低速物体。换言之,潜在交互场景主要出现在前方or侧前方。

这时候一颗前向120度的激光雷达纵横时空辅助,结合时空联合规划算法,就可以快速响应。即便看不到后方,通过时序和空间融合算法,对扫过去的区域进行记忆,从而做到与侧后向的纯视觉信息补充与融合。

可以这样总结轻舟城市NOA的基本主张:基于数据、成于感知、精于PNC。

不过虽然喊话一颗激光雷达,但正如前面所强调的,这套城市NOA方案的架构灵活性很强,可以适配车企纯视觉或多激光雷达的方案需求。

而且正是基于这样的灵活性和适应性,部署成本最低可至1万元。相比于传统主机厂靠自我实现数字化转型动辄的大量投入,这的确是一笔性价比的量产支出。

毫无疑问,对于L4技术和自动驾驶系统方案降维应用到辅助驾驶,轻舟对于自身的机会和优势再清楚不过,但选择开启面向该引擎的转型,依然是一个深思熟虑后的结果。

在这次技术的分享中,轻舟再次分享了抉择和思考。

轻舟为什么选择城市NOA?

轻舟智航选择城市NOA,有着天时地利人和的考量。

天时方面 ,用轻舟智航创始人、CEO于骞的话说,就是自动驾驶行业正在迎来发展的黄金拐点——

尤其是高阶辅助驾驶的市场需求。

随着技术的成熟和成本的下降,辅助驾驶系统正在成为乘用车的行业标配,逐渐下沉到低端车型。消费者们也更加关心智能车的相关技术:能否减轻驾驶疲劳、能否解放双手、安全性和可靠性(易车研究院《自动驾驶潜在用户洞察报告(2021)》)。

到2025年,乘用车辅助驾驶渗透率将达到65%,L2级和更高级辅助驾驶进入普及期。(艾瑞咨询《汽车产业变革浪潮——中国智能驾驶行业研究报告》)

异时空纵横三国梦txt_纵横时空东胜_纵横时空辅助

轻舟认为,辅助驾驶的用户价值,正在从能用、好用,逐渐走向爱用。

过去几年谈及辅助驾驶,无非是完成ACC、AEB等“半自动化”驾驶能力,在良好路况条件下实现基本的高速NOA,即处于能用的阶段。

之后随着感知开始融合,认知依赖于人工规则,开始在小规模区域实现城市NOA点对点自动驾驶,接管率更低,达成良好的高速NOA体验,这就是好用的阶段。

现在随着感知多传感器融合的深入,认知方面也开始数据驱动,智能驾驶更加普及和下沉,可实现较大ODD范围内的城市NOA点对点自动驾驶,这就是辅助驾驶的终极价值——爱用 。

    暂无相关资讯
纵横时空辅助 L4出身如何做好辅助驾驶系统,轻舟智航:好用,能用,爱用