12月19日，Nullmax首席科學家成二康博士應邀出席2023全球自動駕駛峰會（GADS 2023），在自動駕駛BEV感知技術論壇上發(fā)表《BEV-AI技術架構 – 量產(chǎn)方案演進》主題報告，透過Nullmax量產(chǎn)方案演進路線圖，深度剖析BEV-AI技術架構的構建思路、部署優(yōu)化成果以及前沿創(chuàng)新方向。

此外，成博士還參與了圓桌Panel環(huán)節(jié)，與多位青年學者和技術專家深度交流，碰撞出精彩紛呈的自動駕駛前沿技術與應用思考火花。

做「多數(shù)中的極少數(shù)」

Nullmax全景式展現(xiàn)量產(chǎn)方案演進路線

從2016年成立至今，Nullmax手握全球領先的感知能力與工程化技術，成為了全球極少數(shù)具備感知量產(chǎn)能力的公司之一。多平臺獨家方案極具市場競爭力，量產(chǎn)交付進程位居一線?，F(xiàn)場，成博士重點介紹了Nullmax產(chǎn)品技術與量產(chǎn)方案的演進路線，從1.0至3.0的不同階段規(guī)劃。

作為漸進式路線引領者，Nullmax已在1.0階段取得了領先且扎實的技術積累，成功在行車、泊車領域推出了廣受認可的量產(chǎn)解決方案，全棧自研且不依賴第三方技術。作為“量產(chǎn)高玩”，Nullmax也是極少數(shù)在高、中、低端芯片上都已實現(xiàn)量產(chǎn)交付的企業(yè)，包括TI TDA4及英偉達Orin等主流芯片。

在今年順利收官的2.0階段，Nullmax產(chǎn)品加速進化，賦能更大規(guī)模的量產(chǎn)落地。成博士表示，預計到2025年，Nullmax“真無圖”智駕方案可實現(xiàn)視覺感知生成在線地圖，不僅將真正擺脫度眾包地圖及高精的依賴，更將憑借業(yè)內(nèi)領先的工程化能力，將一個“更高階的形態(tài)”應用在“更具性價比的域控”上，讓廣大用戶獲得優(yōu)質、高效的城市級別自動駕駛行泊一體體驗。

展望3.0新階段，Nullmax將在推進量產(chǎn)的同時，進一步發(fā)力新一代技術研發(fā)，力求在自動駕駛大模型以及更多產(chǎn)品化的形態(tài)構思上取得突破。例如通過生成式的世界模型，以及Foundation Model + Prompt Learning，還有大量學習人類的駕駛行為，去打造下一代智駕技術。

立足于清醒且穩(wěn)健的1.0-3.0發(fā)展戰(zhàn)略，Nullmax不僅精準洞察市場需求，率先構筑技術壁壘，更是通過扎實積累持續(xù)領跑，為未來激活科技突破，擁抱更大商業(yè)潛能做足準備。

揭秘“基建工程”關鍵—

BEV-AI平臺化技術架構

在演進過程中，Nullmax所打造的BEV-AI技術架構發(fā)揮了關鍵性作用，推動Nullmax產(chǎn)品持續(xù)進化及高效量產(chǎn)落地，為「現(xiàn)代化」的全場景行泊一體應用提供了至關重要的技術支撐。

現(xiàn)場，成博士首先詳盡介紹了Nullmax為何多年前便從底層邏輯出發(fā)，思考構建可支撐平臺化的BEV技術架構。為滿足不斷擴大的量產(chǎn)落地需求，早在2020年，Nullmax團隊便開始思考Transformer在自動駕駛感知領域的應用，率先提出可形變的multi-camera（多相機）的注意力機制去構建BEV空間，從而快速達到輸入和輸出的映射，實現(xiàn)了同時適配不同相機、不同安裝位置、不同F(xiàn)OV的映射。通過多年迭代發(fā)展，Nullmax全新升級的BEV-AI技術架構通過支持所有平臺、所有產(chǎn)品且適配任意傳感器配置，能夠滿足不同客戶需求，并大幅提量產(chǎn)效率。

成博士同時分享了Nullmax在如何優(yōu)化部署B(yǎng)EV上的思考與成果，以落地為導向，將BEV-AI技術架構高效部署到嵌入式芯片，尤其是中低算力的嵌入式芯片。Nullmax團隊在研究中發(fā)現(xiàn)，通過構建稀疏BEV空間的靜態(tài)和動態(tài)元素，和圖像空間進行關聯(lián)，可幫助在部署端優(yōu)化，大度提升計算效率。此外，成博士還介紹了Nullmax團隊希望通過BEV 技術架構，更好地發(fā)揮圖像空間信息優(yōu)勢，賦能量產(chǎn)項目交付，預告將有多個創(chuàng)新研究成果即將與大家見面。

結語

硬件不挑剔，性能更拔尖，開發(fā)夠高效，迭代超快速，Nullmax的這套BEV-AI架構同時支持Transformer與CNN技術架構，涵蓋了從感知到Planning的技術全鏈。在支持不同量產(chǎn)需求的同時，該架構亦在飛速進化中，能夠將所有數(shù)據(jù)都高效利用起來，將來自低成本傳感器的海量行為數(shù)據(jù)集進行數(shù)據(jù)驅動的仿真，打造端到端可訓練的自動駕駛棧，助力Nullmax從“量變”走向“智變”，漸進式地實現(xiàn)L4的落地。

審核編輯：劉清