3768
作者 | 張祥威，編輯 | 德新
深度學(xué)習(xí)逐漸取代基于規(guī)則的研發(fā)方式，這一趨勢正在自動駕駛賽道愈演愈烈。
11月29日，智駕科技MAXIEYE發(fā)布BEV平臺架構(gòu)——青云Hyperspace，并面向行業(yè)開放BEV感知標準件，以及發(fā)布輕地圖NOA量產(chǎn)方案和行泊合一高階域控產(chǎn)品。
MAXIEYE的思路與特斯拉等頭部智駕玩家一致。如今BEV+Transformer已經(jīng)成為主流的自動駕駛技術(shù)路徑，也是眾多車企關(guān)注的核心能力。
青云BEV架構(gòu)是MAXIEYE在三年前找到的解題思路。
據(jù)MAXIEYE創(chuàng)始人兼CEO周圣硯介紹，從最初的幾十人，到迅速投入上百人，再到后來全公司三百多人全力以赴，公司在L2的基礎(chǔ)上，用了兩年時間打磨真值系統(tǒng)、數(shù)據(jù)閉環(huán)等能力，也就是養(yǎng)「雞」，剩下一年多讓這只雞可以生蛋，也就是推出基于BEV的諸多產(chǎn)品。
基于深度學(xué)習(xí)的自動駕駛時代正在加速趕來，這家本土智駕公司無形中開始與特斯拉、華為、小鵬等智駕玩家同場競技。
面對海量Corner Case，MAXIEYE兩年養(yǎng)「雞」
還有幾天，MAXIEYE將是一家成立七年的公司，這家公司發(fā)展歷程中有兩個重要節(jié)點：
以2020年為界，之前四年布局的是L2賽道，推出了LCC、AEB等功能方案；
2020年之后，布局L2+，基于BEV架構(gòu)，推出了高速無圖NOA、城市記憶行車等功能方案。
也正是在布局L2+初期，團隊發(fā)現(xiàn)基于規(guī)則的CNN去處理道路場景下的問題時，陷入了Corner Case的「汪洋大?！埂?/p>
周圣硯回憶，「基于傳統(tǒng)CNN圖像檢測做L2產(chǎn)品，算法框架包括前處理、后處理、規(guī)劃都相對比較完整。這個過程中，我們遇到了很多Corner Case，工程師用一些經(jīng)驗、先驗知識，把一些誤差約束住，但我們逐漸發(fā)現(xiàn)，這種通過打補丁的方式，是不可能做到L4的?！?/p>
以「車道居中」功能為例，平面道路時還好，如果遇到上下坡，就需要做一些補丁去修復(fù)，才能保證一致性。當車輛通過減速帶，發(fā)生顛簸又會讓傳感器映射的后處理模型超出容忍邊界，需要打很多補丁。
類似的Corner Case不勝枚舉。團隊開始轉(zhuǎn)換思路，內(nèi)部立項一個名為“上帝視角下的真值系統(tǒng)”項目，這是一種類BEV架構(gòu)的底層技術(shù)棧，由20多人主導(dǎo)推進。
半年后，特斯拉在2021年的AI Day發(fā)布了BEV架構(gòu)，MAXIEYE團隊驚喜地發(fā)現(xiàn)，兩家的技術(shù)思路是一致的，于是直接將BEV算法團隊從20人迅速增加到100人，這在當時比較少見。要知道，許多公司直到今年，才開始搭建真值系統(tǒng)。
今天市場上的「無圖城市NOA」、「無圖高速NOA」，在周圣硯看來，都屬于「蛋」，要獲得這些蛋，首先得養(yǎng)「雞」，也就是打磨真值系統(tǒng)等在內(nèi)的能力。
這家公司用兩年時間做了幾件事：搭建真值系統(tǒng)，以及基于真值系統(tǒng)的數(shù)據(jù)標注，4D結(jié)構(gòu)化的場景重建和仿真。
在BEV下，真值標注的結(jié)果是視頻序列，而不再是之前的一張張圖片。此前，標注100萬張圖片，L2就可以量產(chǎn)。基于BEV后，100萬張圖片轉(zhuǎn)換成視頻，才兩個小時不到。強數(shù)據(jù)依賴的BEV，對于數(shù)據(jù)的標注精度、數(shù)據(jù)標注效率提出了很強的要求。
最終，MAXIEYE推出的青云BEV架構(gòu)，可實現(xiàn)道路拓撲橫縱向精度的顯著提升，橫向拓撲精度5公分，縱向拓撲精度誤差1‰，穩(wěn)定性趨近于真值。
這個精度相當于什么水平？周圣硯解釋，「和高精地圖相比，基于BEV橫向5公分，比高精地圖的精度還要高?？v向拓撲精度誤差1‰，指的是在前方100米處發(fā)現(xiàn)換道的分叉點，這個分叉點，前后不會差10公分，這是千分之一的精度，完全夠做無圖（去高精地圖）方案了，因為它比高精地圖+高精定位兩個的組合的精度還要高?！?/p>
青云BEV架構(gòu)，以及技術(shù)底座
青云BEV架構(gòu)包括三大網(wǎng)絡(luò)：道路拓撲、目標軌跡、占用空間。
其中，利用拓撲元素，加上組合導(dǎo)航算法，青云BEV架構(gòu)可支持一次性完成自動化建圖記憶，奠定記憶共享技術(shù)實現(xiàn)的基礎(chǔ)。
三大網(wǎng)絡(luò)下，MAXIEYE還形成了一套技術(shù)底座，包含真值系統(tǒng)、4D場景構(gòu)建、數(shù)據(jù)自動化處理能力等。
多位熟悉特斯拉的人士告訴HiEV，「拋開數(shù)據(jù)標注團隊，特斯拉的自動駕駛團隊大概在兩三百人左右?！?/p>
作為對比，MAXIEYE用一支300多人的團隊，在能力側(cè)搭建了一套包含真值系統(tǒng)的創(chuàng)建、4D的場景還原等的體系能力，可見這支團隊的能力之扎實。
據(jù)MAXIEYE官方介紹，其發(fā)布的海市MAXI-DI數(shù)據(jù)智能體系，包含量產(chǎn)數(shù)據(jù)閉環(huán)MAXI-DATA、真值系統(tǒng)MAXI-TRUTH SYSTEM、MET-TOOL全流程閉環(huán)測試開發(fā)工具鏈，以及仿真極限場景構(gòu)建。
量產(chǎn)數(shù)據(jù)閉環(huán)系統(tǒng)涵蓋了包括功能觸發(fā)、駕駛行為觸發(fā)、系統(tǒng)觸發(fā)、感知觸發(fā)四大模塊 - 30余種觸發(fā)機制，例如典型的AEB功能觸發(fā)回傳，可有效針對極限場景收集價值數(shù)據(jù)，打通車端-云端數(shù)據(jù)通路和算法迭代-OTA的應(yīng)用閉環(huán)。
目前，這套數(shù)據(jù)閉環(huán)系統(tǒng)已實現(xiàn)超3億公里的駕駛場景數(shù)據(jù)積累。
針對自研深度學(xué)習(xí)算法的訓(xùn)練需求，MAXIEYE搭建和開發(fā)了MAXI-TRUTH SYSTEM真值系統(tǒng)，實現(xiàn)4D場景構(gòu)建、自動化數(shù)據(jù)處理和訓(xùn)練，這為青云BEV算法架構(gòu)提供了高效的底層技術(shù)支持。
MET-TOOL是MAXIEYE為服務(wù)于客戶高效、敏捷開發(fā)需求研發(fā)的開發(fā)工具鏈，覆蓋智能駕駛系統(tǒng)從原型開發(fā)、實車測試、功能量產(chǎn)的全流程閉環(huán)，支持分級閉環(huán)測試、代碼調(diào)試和數(shù)據(jù)回灌等功能。
官方稱，MET-TOOL全流程閉環(huán)開發(fā)工具鏈，可將客戶量產(chǎn)項目研發(fā)效率提高20倍，測試效率提升至少10倍，大大縮短項目量產(chǎn)上線周期。
?基于青云BEV，重構(gòu)全平臺產(chǎn)品
基于青云BEV架構(gòu)，MAXIPILOT 2.0平臺隨之發(fā)布。
這是一套BEV重構(gòu)的全系產(chǎn)品方案，覆蓋從單V（牧童Monotogo解決方案）到多V（5V、6V、9V及以上-跨越低中高算力的行泊合一域控方案）的全平臺解決方案矩陣，滿足城市L2增強、高速NOM（Navigate on MAXIPILOT）、城區(qū)NOM、行泊合一、記憶行泊車全場景應(yīng)用。
借鑒當下流行的車型版本分級方式，MAXIPILOT 2.0 分為Lite、Pro、MAX三個版本。
其中，Lite主打城市增強L2方案，依托青云BEV技術(shù)解決當下L2體驗不連續(xù)的產(chǎn)品痛點，例如L2系統(tǒng)在路口場景容易退出/道路拓撲變化體驗不佳等。
Lite包含BEV一體機和MDU20域控兩種產(chǎn)品形態(tài)，覆蓋20萬元以下車型細分市場實現(xiàn)智慧化升級，支持極高性價比的輕地圖高速NOM（Navigate on MAXIPILOT）應(yīng)用落地。
Lite版也是行業(yè)內(nèi)唯一支持BEV部署的前視一體機高性價比算力平臺方案，定位覆蓋日常行車70%以上場景的千元級別產(chǎn)品，基于單個BEV一體機數(shù)據(jù)閉環(huán)，足以驅(qū)動關(guān)鍵路口/特殊道路拓撲等場景數(shù)據(jù)獲取，可以幫助車廠客戶高效開城。
MAXIPILOT 2.0 Pro基于5R6V的傳感器配置，單SOC實現(xiàn)行泊高度合一，是中算力平臺又一性價比之選，支持實現(xiàn)高速地圖NOM、記憶行泊車等智慧化功能方案。
MAXIPILOT 2.0 Pro支持占用空間網(wǎng)絡(luò)部署，支持輸出BEV特征抽取后的特征地圖（DREM-Deep learning REM），以數(shù)據(jù)合規(guī)方式上傳云端，通過記憶地圖共享實現(xiàn)高效開城。
MAXIPILOT 2.0 MAX主推nR9V的傳感器配置方案，能夠更好地應(yīng)對城區(qū)復(fù)雜交互環(huán)境。同時方案可選裝前向激光雷達，作為城區(qū)視覺冗余的多重保障。
MAXIPILOT 2.0 MAX的亮點在于，方案可以通過復(fù)用2.0 Lite和2.0 Pro積累的海量價值數(shù)據(jù)，實現(xiàn)成本可控、節(jié)奏可控的開城。
而在2.0 Pro上的數(shù)據(jù)閉環(huán)，則可以支撐面向下一代端到端的技術(shù)新范式。上述產(chǎn)品之外，MAXIEYE還發(fā)布了“啟明星計劃”，面向全行業(yè)開放BEV感知標準件。
青云BEV架構(gòu)感知標準件，支持軟硬解耦，實現(xiàn)標準化工具鏈、標準化規(guī)控接口、標準化ISP。通過敏捷的算法移植能力，可支持在6個月內(nèi)實現(xiàn)高效跨平臺開發(fā)需求。面向智慧出行產(chǎn)業(yè)鏈上下游合作伙伴，提供應(yīng)用場景多元化、產(chǎn)品形態(tài)多元化、合作模式多元化的感知平臺接口，加速高階智能化產(chǎn)品的應(yīng)用繁榮。
為了滿足車廠客戶對芯片戰(zhàn)略和平臺戰(zhàn)略的差異化訴求，MAXIEYE基于行車芯片、行泊芯片、艙駕芯片等硬件平臺，實現(xiàn)敏捷嵌入式開發(fā)和功能層深度定制化，這可以讓車廠大幅降低項目開發(fā)成本、提升開發(fā)效率，保障方案兼容性、連續(xù)性和可擴展性。
同時，青云BEV感知標準件可滿足車廠海外芯片和國產(chǎn)化芯片的橫向布局。目前，MAXIEYE已經(jīng)開發(fā)了全國產(chǎn)化芯片L2一體機，主打科技平權(quán)下的高性價比。
?高速、城市NOA競爭的本質(zhì)，是基于BEV的數(shù)據(jù)競爭
MAXIEYE的L2產(chǎn)品，已經(jīng)在諸多乘用車上量產(chǎn)應(yīng)用，包含哪吒V、廣汽傳祺ES9、廣汽傳祺GS8、廣汽傳祺E8、合創(chuàng)V09、合創(chuàng)A05、廣汽埃安S、廣汽埃安S MAX、廣汽埃安Y、昊鉑HT、昊鉑GT等車型。
這讓MAXIEYE的量產(chǎn)數(shù)據(jù)閉環(huán)系統(tǒng)，積累了超兩年前裝部署經(jīng)驗。有了前期的數(shù)據(jù)基礎(chǔ)，高速、城市NOA的競爭，本質(zhì)上將是一場基于BEV的全新的數(shù)據(jù)競爭。
一是建立BEV架構(gòu)。特斯拉、華為、小鵬等幾家頭部公司，已經(jīng)向行業(yè)證明了「BEV+Transformer」是通往自動駕駛終局的解法。高速和城市NOA的競爭，本質(zhì)上也是基于這條技術(shù)路線的追逐。放下傳統(tǒng)CNN檢測算法執(zhí)念，基于BEV底層重構(gòu)，才能解決不斷出現(xiàn)的Corner Case，為端到端自動駕駛的到來打下堅實基礎(chǔ)。MAXIEYE發(fā)布的青云架構(gòu)，是本土智駕公司的一次硬核發(fā)聲。華為、小鵬已經(jīng)在推送無圖城市NOA，特斯拉FSD預(yù)計很快也將在國內(nèi)開放。車企要么自建BEV能力，要么依賴MAXIEYE這樣的公司，才不至于在智駕時代掉隊。
二是獲得大量數(shù)據(jù)。高階智駕是一場BEV+Transformer下的數(shù)據(jù)競爭，這一點從技術(shù)邏輯上可以得到證明。
MAXIEYE提出的一個思路是：「記憶共享=城市NOA」周圣硯告訴HiEV，「基于深度學(xué)習(xí)做城市記憶行車，記憶行車的關(guān)鍵是建圖成功率，從公司到家，我們可以保證兩次建圖就能完成，不需要行業(yè)里宣傳的一周建圖完畢。時間太長的建圖，消費者的體驗度不高。而且，我們是本地化建圖，自動化的，存儲在域控制器上，不上云，這樣的話，可以幫車廠解決合規(guī)問題?！?/p>
所謂記憶共享，將記憶行車作為城市NOA關(guān)聯(lián)起來，共享車輛記憶下的「圖」。
與基于規(guī)則的記憶行車不同，基于BEV的記憶行車，是采用深度學(xué)習(xí)的思路，效率、穩(wěn)定性、魯棒性都會更好，不需要像基于規(guī)則那樣在后期需要人工去調(diào)整算法。
MAXIEYE的記憶行車基于5R6V方案，成本大概幾千元，比主流的高階智駕硬件方案更加便宜。搭載了方案后，哪怕車沒有使用記憶行車，后臺的影子系統(tǒng)也實時記憶經(jīng)過的道路。
「在記憶共享下，如果有1萬輛車在同一個城市，每個人從家到公司的路線都不一樣，高頻使用的話，一個月就能把城市NOA做出來?！怪苁コ幷f，作為供應(yīng)商，公司搭了技術(shù)底座，需要車廠加入進來，一同把采圖這件事做好。
理論上，這與特斯拉、華為、小鵬的思路相似。
行業(yè)所談的「無圖」，只是去掉了高精度地圖，并非真正的無圖，城市NOA必須要用到「圖」，只不過這張圖是車企自己構(gòu)建的，是通過海量車主眾包出來的圖。其「制圖」速度很快，更新頻率也很快，可以達到秒級更新。車廠有了一張自己定義下的圖之后，城市NOA才能大面積落地。
這也是為何，青云BEV架構(gòu)可以具備高精度、毫秒級的建圖能力。
周圣硯的計劃是，在做完高速無圖NOA和城市記憶行車后，下一件就會推進端到端研發(fā)?，F(xiàn)在做的所有事情，BEV、激光雷達、目標識別，目標都是為車前的這根軌跡在服務(wù)，所有的深度學(xué)習(xí)也都是為其服務(wù)。
自動駕駛研發(fā)的深層邏輯，是正由工程、算法驅(qū)動轉(zhuǎn)為數(shù)據(jù)、智能驅(qū)動，這一點會在接下來表現(xiàn)得愈加清晰，這會淘汰一大批還無法建立真BEV能力體系的玩家。
下載ECAD模型
