智行者聯(lián)合清華完成國內(nèi)首套全棧式端到端自動駕駛系統(tǒng)的開放道路測試

近日，智行者與清華大學車輛學院李克強院士、李升波教授領(lǐng)導的研究團隊，完成了國內(nèi)首套全棧式端到端自動駕駛系統(tǒng)的開放道路測試。依托車路云一體化智能網(wǎng)聯(lián)駕駛架構(gòu)，該團隊研發(fā)的端到端自動駕駛系統(tǒng)涵蓋了“感知-預測-決策-規(guī)劃-控制”等全鏈路環(huán)節(jié)，從今年1月份率先啟動了城市工況的開放道路驗證，經(jīng)過近4個月的內(nèi)部測試，完成了各項性能的綜合評估。這一工作為L3級及以上高級別自動駕駛系統(tǒng)的落地應用奠定了堅實的基礎。

系統(tǒng)開發(fā)中，智行者主要貢獻在于感知模型的構(gòu)建與預訓練，并與清華大學等單位共同完成了實車平臺的搭建與開放道路測試。

目前，處于L1、L2級智能駕駛系統(tǒng)主要依賴“模塊分解”的設計思路，盡管部分模塊（如感知、預測等）已經(jīng)初步神經(jīng)網(wǎng)絡化，但是決策、規(guī)劃、控制等模塊仍然嚴重依賴人工規(guī)則和在線優(yōu)化，缺乏利用數(shù)據(jù)進行閉環(huán)迭代的能力，這導致行車過程的智能性仍然不足。同時，模塊間不可避免地存在較大信息損失，且各模塊的優(yōu)化目標存在一定沖突，不利于自動駕駛過程的綜合性能提升。

與之相比，以全模塊神經(jīng)網(wǎng)絡化為特征的“端到端”自動駕駛系統(tǒng)，因模塊與模塊之間的信息傳遞可依賴高維度特征向量，且神經(jīng)網(wǎng)絡具有充分的訓練自由度，最大程度地減少了傳感器到執(zhí)行器之間的信息損失，使得全棧模塊具備利用數(shù)據(jù)閉環(huán)進行快速更新的能力，這為高級別自動駕駛的智能性提升提供一條全新的技術(shù)路徑。

面向這一技術(shù)發(fā)展趨勢，清華大學與智行者團隊自2018年開始瞄準端到端自動駕駛領(lǐng)域進行深耕，重點突破決策、規(guī)劃與控制領(lǐng)域的神經(jīng)網(wǎng)絡設計與訓練難題。團隊先后提出了面向高級別自動駕駛的集成式?jīng)Q控（IDC）開發(fā)框架，研發(fā)了綜合性能國際領(lǐng)先的數(shù)據(jù)驅(qū)動強化學習算法（DSAC），首創(chuàng)了時空分離的交通參與者行為預測模型（SEPT），設計了具有動作平滑特性的控制型神經(jīng)網(wǎng)絡架構(gòu)（LipsNet），開發(fā)了自主知識產(chǎn)權(quán)的最優(yōu)控制策略近似求解器（GOPS），以螞蟻搬家的精神逐一解決了端到端自動駕駛面臨的一系列核心難題。

以此為基礎，今年年初清華大學與智行者團隊成功研制了首個從傳感器原始數(shù)據(jù)到執(zhí)行器控制指令的全棧神經(jīng)網(wǎng)絡化自動駕駛系統(tǒng)，并率先完成了城市工況開放道路的實車測試驗證。

從感知到控制的全鏈路端到端自動駕駛系統(tǒng)原理圖

清華大學與智行者在這一研究工作中，形成了校企之間緊密配合、通力協(xié)作的聯(lián)合攻關(guān)團隊，共同完成了系統(tǒng)功能集成、性能評估迭代等后期任務。本研究獲得國家“十四五”重點研發(fā)計劃、國家自然科學基金以及清華大學自主科研計劃支持。