2023年5月9日-10日，在2023捷途汽車電子架構與智能駕駛論壇上，輕舟智航聯合創始人、COO汪堃表示，電動化大勢已成，智能化逐鹿群雄，為消費者帶來更具吸引力的智能化功能將成為核心競爭力。
(資料圖)
輕舟智航將堅持標配化、標準化、大眾化和革新化，在輔助駕駛的用戶價值方面，達成良好的高速NOA體驗并實現較大ODD范圍內的城市NOA點對點自動駕駛。
汪 堃 | 輕舟智航聯合創始人、COO
以下為演講內容整理：
輕舟智航是2019年成立的自動駕駛解決方案公司，核心團隊來自于Waymo、特斯拉、英偉達、Facebook、百度等世界頂級自動駕駛公司和科技公司，研發人員占比高達80%，研發人員中碩博占比近80%，擁有5年以上相關行業經驗的員工占比超過60%。
公司從硅谷起家，現在主要在國內發展，技術基礎是自動無人駕駛的前瞻技術，并基于此推出產品。
輕舟智航對智能化趨勢的思考
下圖是輕舟的“雙擎戰略”，左邊是動力引擎，將前瞻技術落地在L4級別的相關產品方案，包括在全國落地10個城市的無人小巴；右邊是創新引擎，把前瞻技術用在量產解決方案上，目前也在與一些主機廠進行量產規模化落地，打造L2+級的解決方案。下邊是技術底座，即自動駕駛超級工廠，包括數據回傳和數據閉環的輕舟矩陣，迭代技術的進步和產品方案的生成。
圖源：輕舟智航
電動化大勢已成，智能化逐鹿群雄，對此我們也提出了輕舟的小四化：
第一入門體驗的標配化，我們希望將智駕較基礎的功能更快速地部署到各個車上，能將之標配化到產品端。
第二中端體驗的標準化是把高速NOA相關的產品功能，推向更標準化的體驗，用戶知道功能上車后應該有怎樣的期待。
第三高端體驗的大眾化，把更高級的功能通過技術的發展進步不僅用在高端車型上，中低端車型也可以體驗到城市NOA產品。
第四極致體驗的格式化，將創新性的技術，包括從L4級的技術可以降維到L2級，為大眾帶來產品的體驗。
智能輔助駕駛解決方案的能力升級
下圖是產品功能圖我們圈出了不同級別智駕功能覆蓋的場景，在高速上定速巡航和軌道保持輔助駕駛是常見的L2功能，高速NOA屬于L2+，并會增加自動變道，高速閘道分流、合并，智慧避讓等功能。城市更復雜，包括在城市地面道路的紅綠燈入口、U Turn掉頭、窄道通行以及泊車場景等。
圖源：輕舟智航
我們認為輔助駕駛，用戶的價值在于更好用和更愛用。更好用指滿足基礎的高速NOA體驗，并實現部分城區NOA的點對點駕駛，司機接管率更低，提供更安心、更信賴的管家式體驗。更愛用指實現較大ODD范圍內的城市NOA點對點自動駕駛，達到更樸實的自動駕駛，讓開車像打車一樣輕松，讓司機對輔助駕駛形成依賴，更加輕松地享受駕駛過程。
在剛剛過去的上海車展上，中端車型的主流智駕方案大致分為兩類：一類是基于激光雷達的方案，另一類以視覺為主。大致的配置以計算芯片為例，主要是以Orin和地平線為主。
圖源：睿思齊咨詢
輕舟智航的智能輔助駕駛解決方案
基于市場需求，輕舟提出了兩套解決方案，一套是包括高速和城市NOA的1L11V5R解決方案，支持單/雙征程5芯片，要做到高性價比，需要要優化單雙J5，傳感器也是優化方向。第二套性價比更高，基于6V1R以高速NOA+L2功能為主的解決方案，該方案是較傳統的前視、后視和四個環視的相機，當前主要在單J5芯片上實現。
下面是簡單的配置圖，輕舟率先成為基于國產大算力高性能“征程5” 芯片的城區自動駕駛解決方案提供商之一，與地平線強強聯手，搭載首個實現前裝量產的國產百TOPS大算力芯片，打造從能用、好用、到愛用的量產智能駕駛方案 。
圖源：輕舟智航
同時輕舟的全棧算法也高度適配兼容了英偉達Orin DRIVE 平臺，在2022年英偉達GTC大會上也得到了官方對雙方合作的認可，下圖中間是輕舟基于英偉達雙Orin方案的展示圖。
圖源：輕舟智航
領先的工程化能力加速輕舟產品落地
為什么輕舟能做到用戶體驗良好的產品？本質在于解決方案的特點：基于數據；成于感知；精于PnC。
首先講感知，我們提出超融合概念，即多傳感器時序穿插融合，包括Lidar、Radar、Camera的輸入，時序化可以把過去的傳感器輸入融合到網絡中，從而更準確的輸出。整個大模型叫OmniNet，基于BEV的特征空間，加上多傳感器融合，最后是通過共享主干網絡Backbone，融合多傳感器特征，加上時序特點，輸出多個感知任務的模型。
下圖中，左邊是BEV結果，可以看到鳥瞰圖象識別的車。這是一顆激光雷達識別的效果，能到150米-200米的視覺感知結果，中途的結果都可以直接輸出，包括2D車道線、全景、深度估計的效果、分割的效果。最后可以得到多任務互補，得到最終感知結果，給到歸控進行決策和規劃。
圖源：輕舟智航
下圖左側是把Lidar去掉后，網絡設計依然可以支持輸出，整個鳥瞰圖下對6個攝像頭的輸入后，車的視覺輸出，包括在高速路和快速路、對不同的車道線的輸出等都可以在網絡上輸出。
圖源：輕舟智航
在城市道路的輸出，包括深度、視覺障礙物的檢測、分割、車道線的幾何都可以用到視覺中，解決危機障礙物的檢測；在隧道中，其感知輸出結果一樣穩定。
OmniNet提供豐富且準確的環境感知結果，能夠有效提升感知的精度和準確性；同時遵循更好利用車載芯片算力的設計，用輸入輸出的方式優化任務性能，比單任務的算力要節省1/4-1/5。感知模型還可以根據不同傳感器配置，只要最終配置和數據搜集過程中做新的確定，就可以適配整個車型，可以做到高速適配和低切移成本，達到高性價比的初衷。
除感知外，輕舟還推出了行業公認更優的時空聯合算法。普通的或行業慣用的方法是時空分離算法，即把路徑和速度分開優化的過程。比如紅色是自車，要做超車或變道的過程，會先規劃路徑，在路徑下再規劃不同時間采取什么樣的速度通過。劣勢是如果路徑規劃后發現車超不過去，可能采取的行動就是先剎車再避讓，或者變道失敗。
圖源：輕舟智航
時空聯合優化的優點是車預測的模型也加入其中，不單單考慮自車的路徑，還會把對方的行動路徑考慮進去，綜合考慮后再做加速度，再超車，可以解決更多復雜場景。
當然好的規劃也離不開好的預測模型，我們自研的預測模型ProphNet，在自動駕駛領域世界杯Argroverse 國際預測挑戰賽是獲得了2021年冠軍，2022年獲得了季軍。整個預測算法達到了10秒的預測長度，可以支持數百個目標，推理的耗時小于20毫秒。針對J5平臺也進行了優化，特別對于中國路口出入模型的準確率可以達到90%以上。
除了算法、感知、歸控和預測，數據效率也是至關重要的一環，因為它決定了算法迭代的效率。數據平臺，標注平臺，訓練平臺，仿真平臺，所有的算法都在平臺上快速流轉，去迭代算法效果。我們也構建了一套屬于閉環的工具鏈，從實車測試、仿真測試、數據處理，到實際仿真場景以及虛擬仿真場景，包括標注數據的訓練都在這個工具鏈里快速解決。
圖源：輕舟智航
我們能達到一周內快速部署和訓練出一個新模型，同時在平臺上挖掘出更多的同類數據，快速提高corner case的解決能力。
（以上內容來自輕舟智航聯合創始人、COO汪堃于2023年5月9日-10日在2023捷途汽車電子架構與智能駕駛論壇發表的《如何打造更好用、消費者更愛用的智能駕駛解決方案》主題演講。）
