智行者科技發(fā)布基于***的“重感知、輕地圖”智駕解決方案

今年4月份，智行者宣布成功獲得某頭部車企量產(chǎn)定點合作，成為國內(nèi)首家基于***的軟硬件一體高階自動駕駛系統(tǒng)方案供應(yīng)商。

時隔半年，智行者發(fā)布首個基于***的“重感知、輕地圖”的智能駕駛解決方案，標(biāo)志著智行者在核心技術(shù)方向的又一次躍遷。

目前，智行者輕地圖方案已在自研的域控制器A200上部署實現(xiàn)，得益于A200的量產(chǎn)質(zhì)量保證，該方案已穩(wěn)定運行半年。A200是智行者推出的以國產(chǎn)大算力SoC和安全MCU為核心芯片的高性價比域控制器，其中SoC主要負(fù)責(zé)感知模型神經(jīng)網(wǎng)絡(luò)的高效處理，MCU主要負(fù)責(zé)車輛控制、安全監(jiān)控等。

感知方案基于BEV框架，利用BEV特征融合方法完成目標(biāo)檢測、車道線、可行駛區(qū)域分割等任務(wù)。在該感知框架中，智行者采用基于BEV Queries的方法，通過將BEV Query的空間位置投影到各個視角，通過注意力機(jī)制對相關(guān)視角信息進(jìn)行融合得到該Query的特征。同時，針對感知系統(tǒng)的空間碎片化問題，設(shè)計了一個時序特征融合模塊，將歷史時刻的BEV特征和當(dāng)前時刻的BEV特征融合得到最終時空特征。基于該融合特征，系統(tǒng)可實現(xiàn)人車目標(biāo)檢測、路面標(biāo)線檢測、可行駛區(qū)域分割、標(biāo)志牌檢測識別等多個感知任務(wù)。

在感知方案中，模型的工程化部署尤為重要。智行者充分利用***的強(qiáng)大計算能力與多核心架構(gòu)，將計算任務(wù)進(jìn)行適當(dāng)?shù)姆峙浜筒⑿刑幚恚⒃谀Ｐ途群托手g進(jìn)行平衡設(shè)計，以提高感知模型的計算效率?；诙嗉壛魉O(shè)計，對BEV感知模型的算子進(jìn)行了DSP移植，將通用算力釋放到模型的其他部分。這種優(yōu)化設(shè)計可以提高感知模型的運行效率并降低計算延遲，使得模型能夠在實時場景下快速響應(yīng)和處理感知數(shù)據(jù)。目前基于BEV的感知框架能夠以20Hz以上幀率穩(wěn)定運行，保證了對環(huán)境的實時感知和準(zhǔn)確判斷。

基于BEV感知模型輸出的動靜態(tài)環(huán)境信息，智行者進(jìn)一步融合了導(dǎo)航地圖的先驗信息，提出了能夠端到端重構(gòu)自動駕駛車輛周圍道路環(huán)境拓?fù)湫畔⒌腡opology Flow模型。該模型不僅以BEV感知模型輸出的靜態(tài)車道線和道路標(biāo)識為輸入，還融合了動態(tài)障礙物的行駛軌跡和標(biāo)準(zhǔn)導(dǎo)航地圖的結(jié)構(gòu)化信息，對感知盲區(qū)和更遠(yuǎn)范圍的道路拓?fù)浣Y(jié)構(gòu)進(jìn)行推理預(yù)測。

Topology Flow模型旨在輸出下游規(guī)控模塊所需要的地圖環(huán)境信息，除車道中心線和車道拓?fù)潢P(guān)系，還輸出各種地圖的關(guān)鍵點信息，重構(gòu)出常規(guī)高精地圖中存在的各種虛擬道路和標(biāo)識，實現(xiàn)從有圖方案無縫銜接到輕地圖方案。

以下為智行者輕地圖方案高速NOA功能的實車路測展示。當(dāng)前輕地圖方案可以從容處理高速巡航、超車換道、上下匝道、智慧避讓等功能。同時，對他車近距離切入、大曲率轉(zhuǎn)彎等特殊場景也能夠平穩(wěn)應(yīng)對。憑借技術(shù)的迭代與升級，為乘客提供媲美有圖方案的乘車體驗。

憑借領(lǐng)先的技術(shù)優(yōu)化和豐富的工程經(jīng)驗，智行者可為客戶提供模塊化的全棧軟硬件解決方案，包括：標(biāo)準(zhǔn)化的視覺感知、激光感知、匹配定位模型；面向智能駕駛的中間件軟件，協(xié)助客戶快速進(jìn)行功能開發(fā)；車規(guī)級高性價比的域控制器；基于圖形化的數(shù)據(jù)采集、數(shù)據(jù)挖掘、模型訓(xùn)練與測評的數(shù)據(jù)閉環(huán)平臺等。