轻舟智航:搞定城市 NOA,成本仅需一万元?

要问谁是智能汽车上最亮眼的仔,今年这个大奖非激光雷达莫属。

目前,造车新势力头部「蔚小理」三家均已推出了带有激光雷达的产品。在这为数不多默契的背后,原因也很直接——激光雷达搭配视觉摄像头,宛如给智能汽车的环境感知能力吃了一剂灵丹妙药。

大补药虽好,贪杯的代价则是更高的成本,关于这一点,在那些把激光雷达当做可选配置车型的售价上表现得尤为明显。

那么一起来猜猜,带有一颗激光雷达的城市 NOA 领航辅助驾驶方案,成本最低能做到多少?

轻舟智航说了个数,一万元。

剑指量产

低成本的结果源于「不堆料」的理念。

虽然身为 L4 公司,轻舟智航似乎显得格外落地务实。他们有句口号,「一颗激光雷达也可实现 L4 级体验的城市 NOA」,并将这套城市 + 高速 NOA 方案命名为 DBQ V4。

而之前所说的「一万元」成本,指的正是 DBQ V4 的标准版,它由 1 个激光雷达 + 11 个摄像头 + 5 个毫米波雷达,搭配双地平线征程 5 芯片的 256 TOPS 算力平台而组成。

「我们认为在自动驾驶领域就是堆料是一个相对来讲这种简单粗暴的方式,并不能够给消费者和我们的客户带来最直接的价值,我们非常擅长在这种非常受限的计算算力情况下发挥出自动驾驶的能力」。

轻舟智航 CEO 于骞这样说到。

在他们看来,城市 NOA 相较于高速 NOA 会遇到更复杂的场景,加一颗能精确捕捉位置、形态、大小、运动状态等信息的激光雷达是非常有必要的。

轻舟智航 CTO 侯聪说,「但是再多一颗的话,第二颗的边际收益会大幅地减少」。

因此他们认为 DBQ V4 标准版一颗激光雷达的配置是性价比的最优解。

当然了,如果客户不差钱想追求更极致的环境感知能力,轻舟智航表示 DBQ V4 也不差事儿,在现在这套方案上,它最多能支持 5 颗激光雷达

更多的配置类型往往意味着更大的软件适配成本,对于这点,以软件算法为核心竞争力的轻舟智航表达出了巨大的信心。

他们表示,这套方案的系统泛化能力很强,对于同一个模型,不需要重新训练算法,仅仅用相应数据进行一次调优,即可适配 1 个,2 个,一直到 5 个激光雷达的硬件方案。

这种泛化能力还表现在能适应传感器不同安装位置和不同型号,也只需稍加调整,就能快速适配不同车型的定制方案。

低成本标配 + 可裁剪方案 + 快速适配能力,我从 DBQ V4 的这些特性中,读到的全是关于「量产」的潜台词。

不看广告看疗效

理论终归是差点感官刺激的意思,那么它的实际表现如何?轻舟智航带来了 7 个复杂场景下的实测。

1. 雨天行驶。

雨天的难点在于,雨水对激光雷达的精准判断造成干扰,还会阻挡摄像头视线,路上的车道标志线也会因为更强的反光导致识别难度加剧。从 DBQ V4 的表现来看,这不过是道开胃菜。

连续的匝道变换也没啥压力。

2. 夜间大货车阻挡视线

夜间视线不佳 + 大货车左右包夹,这种情况很多真人司机也会有点紧张。系统通过减速把自己从大货车的夹缝中退出来以获得更完整的周围车况。

3. 绕行临停。

变道绕行临停车辆的操作执行得非常果断。

4. 加塞、别车。

面对这种场景,测试车辆还是扮演了一个「好好先生」的形象,都做了主动减速避让。这种操作算不上有多「老司机」,但从安全角度出发,你也不好责怪它什么。

5. 人车混杂的路口。

这是一个标准的无保护左转了,即便多次被其他车辆加塞打断,还是安全通过。

6. 隧道行驶。

在长距离的隧道内行驶,GPS 信号当然就不要想了,但 DBQ V4 仍保持了限速上限前进。

7. 停车楼行驶。

自行驶上 7 层的停车楼并完成停车。

智能驾驶进阶前夜

现如今,L4 公司主动放下身段来做 L2+、L3 方案几乎快成了一种潮流。

坦白讲,这当中,一方面是为了生存,L4 的大规模商用终究还是需要更长的时间来解决更多 Cornor Case 的长尾效应,而 L2+、L3 级的量产交付则离得更近一些;另一方面,真正有算法、技术积累的 L4 公司调过头来做相对更低阶的智能驾驶,也更容易形成降维打击,这种打击包括成本以及功效两方面。

从初步接触来看,轻舟智航的这套方案是有这类潜质的。

成本这边,所谓更好的算法,从某种程度上说就是以更低的算力资源完成相同的目标。换句话说,好的算法能用性能更低的硬件实现同样的 L2++ 级智驾效果;或者用同样的硬件实现更高一级的智驾效果。而轻舟智航的「一万元」、「不堆料」,差不多是能读到这层意思。

功效这边,上面 7 个复杂场景的表现摆在眼前了,我只提一个我个人印象比较深刻的例子。在遇到临停车辆时,DBQ V4 的变道决策做得非常迅速,但实际上,判断前方车辆是临时停车,还是正常减速行驶,这种场景理解对于人类来说不难,对于机器来说就不一样了。不知道这算是个例还是有普遍意义,还是要等后续的更多场景体验。

当然,疑问同样也还是存在。比如第七个上停车楼的案例,轻舟智航在这里是使用了停车楼内部的地图数据的,但要问全国停车楼地图数据的收据完善率有多少,答案可能就不是那么乐观了。而如果是需要用户先让车辆学习一遍停车楼的轨迹,就又无法和现在的竞品拉开区别。

但当兜兜转转绕回性价比这件事上,别忘了,这是一套成本「一万元」的解决方案,这样的表现还要什么自行车?

很多人都在说,2022 年是智能汽车突破 L2 的前夜,而我们作为这个行业的观察者,相比于个例点的突破,我们同样期待看到行业平均水平的普遍提升。低成本高可用方案大概是这种心愿的正解。

到那时,我们再来研究研究,「一万元」到底还要什么样的自行车。

原创文章,作者:超级充电站,如若转载,请注明出处:https://www.cydao.com/admin/9231.html

分享本页
返回顶部