亚洲好看精品自拍,日本视频在线小说

作為具備軟硬件一體化自動(dòng)駕駛研發(fā)與量產(chǎn)能力的科技公司，宏景智駕引領(lǐng)了“行泊一體”的行業(yè)技術(shù)風(fēng)潮。近期公司核心產(chǎn)品單 SoC 行泊一體解決方案已全場(chǎng)景跑通，可實(shí)現(xiàn)高速導(dǎo)航輔助駕駛，成為“行業(yè)卷王”。在推進(jìn)量產(chǎn)的同時(shí)，宏景智駕已在布局 BEV 感知、輕高精地圖甚至去高精地圖的智駕方案，同時(shí)也在打造 4D BEV 感知真值系統(tǒng)產(chǎn)品，賦能更多車企進(jìn)行相關(guān)技術(shù)開發(fā)。近期，宏景智駕在汽車科技媒體平臺(tái) HiEV 上進(jìn)行了主題為《如何打造極致“品價(jià)比”的輕地圖 ADAS 產(chǎn)品》的線上分享。分享要點(diǎn)如下：

宏景智駕 BEV 去高精地圖技術(shù)展示
宏景智駕輕地圖 ADAS 產(chǎn)品，打造極致“品價(jià)比”
宏景智駕 Hyper-GTMax 如何附能車企高階感知自研能力？

以下為線上分享的全程回放：

同時(shí)，我們還整理了本期線上分享問(wèn)答環(huán)節(jié)的內(nèi)容，主講人與連線嘉賓展開深度交流，并進(jìn)行了答疑。1. 將BEV輕地圖能力降維到20T+算力芯片上嘉賓提問(wèn)：當(dāng)實(shí)時(shí)感知的結(jié)果跟本地的 SD Pro Map（比標(biāo)精地圖精度更高）有差異的話，我們的邏輯策略是什么樣的？宏景智駕：首先，宏景目前的開發(fā)重心還是高性價(jià)比的行泊一體產(chǎn)品。所以我們?cè)诟咚偕厦娌捎玫氖?SD 地圖，不是 SD Pro 的方案。在高速上 SD 地圖就可以實(shí)現(xiàn) BEV+去地圖的方案。因?yàn)槲覀冊(cè)诟兄说拈_發(fā)是不分高速和城市的。在城市里面很多地方的拓?fù)涫欠浅＠щy的，所以目前拓?fù)涞哪K還沒有非常成熟之前，在這種比較復(fù)雜的路段，我們還是以圖商提供的為準(zhǔn)。嘉賓提問(wèn)：目前我們對(duì) BEV 的最低算力有評(píng)估嗎？宏景智駕：我們目前可以把 6V 的 BEV 方案，在 20TOPS+ 的芯片上實(shí)現(xiàn)目標(biāo)檢測(cè)和地圖檢測(cè)的能力。嘉賓提問(wèn)：宏景的 4D 真值系統(tǒng)相當(dāng)于是給車廠搭建了一套地圖采集的設(shè)備么？宏景智駕：它其實(shí)不是地圖采集。它更多的是，比如我們希望用一段多個(gè)圖像的 30 秒數(shù)據(jù)，針對(duì)下游的任務(wù)，比如目標(biāo)檢測(cè)、局部地圖的一些元素檢測(cè)，包括一些 Occupancy 的檢測(cè)提供它的真值系統(tǒng)。因?yàn)闃?gòu)建這些真值是非常麻煩的，很多時(shí)候車企想快速完成感知的 0 到 1 的能力的構(gòu)建的時(shí)候，往往取決于它要怎么把這個(gè)數(shù)據(jù)構(gòu)建出來(lái)。所以我們應(yīng)客戶需求做出了這套真值系統(tǒng)。嘉賓提問(wèn)：宏景的方案跟其他家比，技術(shù)差異化主要在哪里？宏景智駕：第一，我們其實(shí)已經(jīng)做了大量的基于 HD Map 的量產(chǎn) NOA（導(dǎo)航輔助駕駛）的落地。要去掉高精地圖，首先要了解在量產(chǎn) NOA 地圖里的一些點(diǎn)，去地圖的時(shí)候就更有信心，這個(gè)過(guò)程中的積累能更好地幫我們知道什么時(shí)候該如何解決某些問(wèn)題。第二，目前 BEV 輕地圖的方案主要還是用在一些比較貴的車型上。我們希望能夠把 BEV 輕地圖的能力，通過(guò)技術(shù)降本的方式提供給車廠和消費(fèi)者。這也是我們跟其它公司一個(gè)比較大的不同，我們能夠把這種 BEV 輕地圖的能力降維放到 20TOPS+ 的芯片上，能實(shí)現(xiàn)差不多的功能，體驗(yàn)上也非常優(yōu)秀。我們主打的是最高的“品價(jià)比”。嘉賓提問(wèn)：要做到 BEV 輕地圖的方案，算法上是如何考量的，是否要采用 Transformer 類型網(wǎng)絡(luò)？宏景智駕：首先回到商業(yè)維度，我感覺城市 NOA 的落地，并不一定是大芯片+Transformer 就一定能實(shí)現(xiàn)的，更多的是整個(gè)功能做出來(lái)是怎么樣的？體驗(yàn)如何？?jī)r(jià)格如何？這是一個(gè)點(diǎn)。第二，從技術(shù)維度上，因?yàn)檎麄€(gè) BEV 模型有很多個(gè)模組，包括比如 2D 轉(zhuǎn) 3D 模塊、時(shí)序、檢測(cè)模塊，在一些功能模塊上面，我認(rèn)為是不是 Transformer 都無(wú)所謂，只要能夠完成這個(gè)功能就可以。無(wú)論是 Transformer 或者 CNN（卷積神經(jīng)網(wǎng)絡(luò)）都可以。在檢測(cè)上面使用 Transformer 的方式，其實(shí)能帶來(lái)表征的一些優(yōu)化。從芯片的角度說(shuō)，用這種支持 Transformer 的芯片，對(duì)于算法的選擇上是有很多的幫助的。對(duì)我們來(lái)說(shuō)做 BEV 地圖的檢測(cè)，如果只是用傳統(tǒng)的 CNN，想去地圖是非常困難的，因?yàn)樗蟹浅６嗪裰氐暮筇幚怼?/span>所以我們現(xiàn)在整個(gè) BEV 在車端算法的核心，是在輸出端能夠直接輸出點(diǎn)集加上局部的拓?fù)洌@個(gè)輸出的表征其實(shí)是非常重要的。這也是為什么我們?cè)?20TOPS＋的芯片上能夠做出來(lái)跟 Transformer 效果差不多的線，它并不是通過(guò)大量的復(fù)雜的后處理來(lái)得到的，而是直接從模型里面出的。嘉賓提問(wèn)：您認(rèn)為 BEV 的難度以及壁壘在哪里？宏景智駕：我認(rèn)為算法壁壘、數(shù)據(jù)壁壘，或者說(shuō) BEV 究竟能不能應(yīng)用到一個(gè)非常好的產(chǎn)品上面，其實(shí)都有壁壘。舉個(gè)例子，從算法開發(fā)的角度來(lái)說(shuō)，BEV 其實(shí)也有一些不同的功能模塊，比如 BEV 下的 3D 目標(biāo)檢測(cè)這個(gè)功能，從整個(gè)數(shù)據(jù)的構(gòu)建到標(biāo)注到最后的輸出，這個(gè)難度會(huì)稍微小一點(diǎn)。但是 BEV 輕地圖的這個(gè)功能，要完成非像素級(jí)別對(duì)應(yīng)的數(shù)據(jù)的構(gòu)建，其實(shí)要花的時(shí)間和整個(gè)數(shù)據(jù)構(gòu)建的難度會(huì)更難。第二，數(shù)據(jù)的壁壘肯定是最大的。擁有越來(lái)越多高質(zhì)量的數(shù)據(jù)，BEV 感知的性能就越好，迭代周期就越快。所以到 BEV 的階段，需要有非常強(qiáng)的數(shù)據(jù)構(gòu)建的能力，包括自動(dòng)標(biāo)注都是非常重要的。第三，如何基于 BEV 打造一個(gè)好的產(chǎn)品也是一種壁壘。2. 要實(shí)現(xiàn)城市NOA必須去高精地圖觀眾提問(wèn)：現(xiàn)在大家可能會(huì)感受到，去地圖后的成本并沒有降太多，而且體驗(yàn)相比于傳統(tǒng)高精地圖的體驗(yàn)還會(huì)差一些，您怎么看這個(gè)問(wèn)題？宏景智駕：我認(rèn)為這個(gè)問(wèn)題一方面取決于感知的成熟度，另一方面取決于體驗(yàn)?zāi)懿荒艹掷m(xù)做得更好，還有一方面取決于客戶的接受度。宏景目前還是腳踏實(shí)地的希望先從高速做起，在高速上基于我們非常成熟的行泊一體的量產(chǎn)的系統(tǒng)，能把高精地圖和高精定位模組去掉。然后在感知開發(fā)端，其實(shí)不論城市和高速我們都會(huì)積累，所以我們也不會(huì)那么快一定要在城市里面完全不依賴高精地圖。目前階段我們的重心還是在高速上去完成具備性價(jià)比產(chǎn)品的打造。從價(jià)格方面，我非常贊同“一個(gè) ADAS 系統(tǒng)應(yīng)該在車價(jià)的 3% - 5% 的區(qū)間”這種說(shuō)法，如果我們要讓 10 萬(wàn)的車能滿足這樣的功能，那是不是要把整個(gè)系統(tǒng)成本壓到這個(gè)區(qū)間，主機(jī)廠才愿意買單，才能有更多人愿意買單。這個(gè)時(shí)候我們一定是希望通過(guò)更好的技術(shù)降本去完成。通過(guò) BEV 輕地圖的方式，在現(xiàn)在這種比較成熟的行泊一體的里面做到體驗(yàn)不降，甚至上了 BEV 之后體驗(yàn)還能更好，同時(shí)能降低成本，把這個(gè)能力給到更多的低價(jià)的車型，更多的消費(fèi)者手里，這是我們的愿景。觀眾提問(wèn)：想問(wèn)一下目前在跟主機(jī)廠交流的過(guò)程當(dāng)中，主機(jī)廠的態(tài)度，是不是對(duì)去地圖的訴求真的很強(qiáng)烈？還是主機(jī)廠的訴求只是降本？并不特別關(guān)心怎樣通過(guò)技術(shù)去實(shí)現(xiàn)這個(gè)功能。宏景智駕：我覺得這個(gè)可以分成兩個(gè)點(diǎn)。第一點(diǎn)，現(xiàn)在比較熱的城市 NOA的功能，它的去地圖其實(shí)并不是一個(gè)降本的方案，因?yàn)楦呔貓D在城市里面要保持這個(gè)東西非常困難，所以它更多是從技術(shù)角度的考慮，要實(shí)現(xiàn)城市 NOA，必須具備去地圖的能力。現(xiàn)在，我們?cè)诟咚?NOA 上去地圖的能力，相對(duì)來(lái)說(shuō)實(shí)現(xiàn)的方式會(huì)比城市稍微簡(jiǎn)單一點(diǎn)，它只要能夠把各種匝道、各種困難的場(chǎng)景攻克了，能夠達(dá)到這樣的功能，其實(shí)從降本的層面，對(duì)于這個(gè)主機(jī)廠來(lái)說(shuō)他們還是非常樂(lè)意見到這樣的產(chǎn)品推出。只要能保證產(chǎn)品體驗(yàn)足夠優(yōu)秀，還比別人便宜，是非常有競(jìng)爭(zhēng)力的。還有一點(diǎn)，這種新系統(tǒng)里面它有一個(gè)核心點(diǎn)，就是它會(huì)把這個(gè) BEV 的感知架構(gòu)給拿出來(lái)，整個(gè)數(shù)據(jù)架構(gòu)可以逐漸地從高速往城市這樣去走，是一個(gè)體系化的升級(jí)和更新。觀眾提問(wèn)：相比傳統(tǒng)技術(shù)，BEV 技術(shù)下的標(biāo)注有哪些新的規(guī)則和新的技術(shù)?宏景智駕：以 BEV 地圖舉例，規(guī)則層面肯定還是看算法下游的一些定義，包括后面需要的哪些功能來(lái)做 BEV 地圖的一些標(biāo)注，要識(shí)別哪一些元素，之間它需要有一個(gè)關(guān)聯(lián)關(guān)系，這個(gè)關(guān)聯(lián)關(guān)系是怎么樣的？這是一個(gè)維度。另外從技術(shù)的角度，它會(huì)比傳統(tǒng)的更復(fù)雜一點(diǎn)。因?yàn)槿绻朐?6V 上面直接標(biāo) BEV 地圖，基本上不太可能，所以必須要能夠有場(chǎng)景重建能力的模塊，在這個(gè)場(chǎng)景重建的基礎(chǔ)上去做完標(biāo)注，標(biāo)完的數(shù)據(jù)還得跟圖像級(jí)別的像素對(duì)應(yīng)起來(lái)。這個(gè)地方對(duì)于整個(gè)系統(tǒng)的時(shí)間同步，傳感器的標(biāo)定，整個(gè)基礎(chǔ)能力都是非?？简?yàn)的，才能得到 4D 對(duì)應(yīng)好的這種真值 Clip 來(lái)做 BEV 訓(xùn)練，不然構(gòu)建出來(lái)的數(shù)據(jù)對(duì)齊程度不高，這個(gè) BEV 訓(xùn)練出來(lái)結(jié)果會(huì)有很大的問(wèn)題。觀眾提問(wèn)：在擁堵場(chǎng)景下，BEV 怎么做到實(shí)時(shí)建圖，比如一個(gè)拓?fù)浣Y(jié)構(gòu)被周圍車輛遮擋住了，怎么解決這個(gè)問(wèn)題？宏景智駕：這是一個(gè)非常難的點(diǎn)，我覺得解決了這個(gè)問(wèn)題之后，就能在高速上把 BEV 地圖去掉了?，F(xiàn)在我們的解決方案，首先整個(gè) BEV 并不是單幀的，它是帶時(shí)序的。因?yàn)檎麄€(gè)地圖元素是一個(gè)靜態(tài)的信息，所以只要曾經(jīng)看到過(guò)，就能記住。BEV 地圖跟傳統(tǒng)的所見即可得的這種車道線檢測(cè)對(duì)比，它有一定的預(yù)測(cè)和推理能力。很多時(shí)候我數(shù)據(jù)標(biāo)的時(shí)候真值為一個(gè)路口，或者一個(gè)匝道口，其實(shí)有時(shí)候像素里面沒有看到，它其實(shí)就有局部的預(yù)測(cè)能力。這是一個(gè)點(diǎn)，在感知端需要更好地解決這個(gè)問(wèn)題。如果目標(biāo)車輛真的被各種大車擋住了什么都看不見，這時(shí)候我們需要更多的規(guī)控端和后端，需要用到一些車流的信息，因?yàn)檐嚵鞯男畔⒑芏鄷r(shí)候跟中心線是息息相關(guān)的，所以我們也會(huì)重點(diǎn)參考比如歷史的車流信息，這其實(shí)對(duì)于我們 BEV 地圖檢測(cè)是有些幫助的。當(dāng)然如果說(shuō)極端場(chǎng)景下，還是需要人工接管的。

往期精選

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。舉報(bào)投訴