作者 | 張祥威

編輯 | 德新

行泊一體的話題熱度不減。 

近日，宏景智駕核心產(chǎn)品單SoC行泊一體解決方案已全場景跑通，可實現(xiàn)高速導航輔助駕駛。 

在推進量產(chǎn)的同時，宏景智駕也在布局BEV感知、輕高精地圖甚至去高精地圖的智駕方案，同時也在打造4D BEV感知真值系統(tǒng)產(chǎn)品，賦能更多車企進行相關技術(shù)開發(fā)。 

宏景智駕在HiEV進行了主題為《如何打造極致“品價比”的輕地圖ADAS 產(chǎn)品》的線上分享，要點如下： 

宏景智駕BEV去高精地圖技術(shù)展示；

宏景智駕輕地圖ADAS產(chǎn)品，打造極致“品價比” ；

宏景智駕 Hyper-GTMax 如何附能車企高階感知自研能力？

以下為線上分享問答環(huán)節(jié)的內(nèi)容整理。 

一、將BEV輕地圖能力降維到20T級算力芯片上

Q：當實時感知的結(jié)果跟本地的SD Pro Map（比標精地圖精度更高）有差異的話，我們的邏輯策略是什么樣的？ 

A：首先，宏景目前的開發(fā)重心還是高性價比的行泊一體產(chǎn)品。所以我們在高速上面采用的是SD地圖，不是SD Pro的方案。在高速上SD地圖就可以實現(xiàn)BEV+去地圖的方案。因為我們在感知端的開發(fā)是不分高速和城市的。 

在城市里面很多地方的拓撲是非常困難的，所以目前拓撲的模塊還沒有非常成熟之前，在這種比較復雜的路段，我們還是以圖商提供的為準。 

Q：目前我們對BEV的最低算力有評估嗎？ 

A：我們目前可以把6V的BEV方案，在20TOPS+ 的芯片上實現(xiàn)目標檢測和地圖檢測的能力。 

Q：宏景的4D真值系統(tǒng)相當于是給車廠搭建了一套地圖采集的設備么？ 

A：它其實不是地圖采集。它更多的是，比如我們希望用一段多個圖像的30秒數(shù)據(jù)，針對下游的任務，比如目標檢測、局部地圖的一些元素檢測，包括一些Occupancy 的檢測提供它的真值系統(tǒng)。 

因為構(gòu)建這些真值是非常麻煩的，很多時候車企想快速完成感知的0到1的能力的構(gòu)建的時候，往往取決于它要怎么把這個數(shù)據(jù)構(gòu)建出來。所以我們應客戶需求做出了這套真值系統(tǒng)。 

Q：宏景的方案跟其他家比，技術(shù)差異化主要在哪里？ 

A：第一，我們其實已經(jīng)做了大量的基于HD Map的量產(chǎn)NOA（導航輔助駕駛）的落地。要去掉高精地圖，首先要了解在量產(chǎn)NOA地圖里的一些點，去地圖的時候就更有信心，這個過程中的積累能更好地幫我們知道什么時候該如何解決某些問題。 

第二，目前BEV輕地圖的方案主要還是用在一些比較貴的車型上。我們希望能夠把BEV輕地圖的能力，通過技術(shù)降本的方式提供給車廠和消費者。這也是我們跟其它公司一個比較大的不同，我們能夠把這種BEV輕地圖的能力降維放到20TOPS+ 的芯片上，能實現(xiàn)差不多的功能，體驗上也非常優(yōu)秀。我們主打的是最高的“品價比”。 

Q：要做到BEV輕地圖的方案，算法上是如何考量的，是否要采用Transformer類型網(wǎng)絡？ 

A：首先回到商業(yè)維度，我感覺城市NOA的落地，并不一定是大芯片+Transformer就一定能實現(xiàn)的，更多的是整個功能做出來是怎么樣的？體驗如何？價格如何？這是一個點。 

第二，從技術(shù)維度上，因為整個BEV模型有很多個模組，包括比如2D轉(zhuǎn)3D模塊、時序、檢測模塊，在一些功能模塊上面，我認為是不是 Transformer 都無所謂，只要能夠完成這個功能就可以。無論是Transformer或者CNN（卷積神經(jīng)網(wǎng)絡）都可以。在檢測上面使用Transformer的方式，其實能帶來表征的一些優(yōu)化。 

從芯片的角度說，用這種支持Transformer的芯片，對于算法的選擇上是有很多的幫助的。對我們來說做BEV地圖的檢測，如果只是用傳統(tǒng)的CNN，想去地圖是非常困難的，因為它有非常多厚重的后處理。 

所以我們現(xiàn)在整個BEV在車端算法的核心，是在輸出端能夠直接輸出點集加上局部的拓撲，這個輸出的表征其實是非常重要的。這也是為什么我們在20TOPS＋ 的芯片上能夠做出來跟Transformer效果差不多的線，它并不是通過大量的復雜的后處理來得到的，而是直接從模型里面出的。 

Q：您認為BEV的難度以及壁壘在哪里？ 

A：我認為算法壁壘、數(shù)據(jù)壁壘，或者說BEV究竟能不能應用到一個非常好的產(chǎn)品上面，其實都有壁壘。 

舉個例子，從算法開發(fā)的角度來說，BEV其實也有一些不同的功能模塊，比如BEV下的3D目標檢測這個功能，從整個數(shù)據(jù)的構(gòu)建到標注到最后的輸出，這個難度會稍微小一點。但是BEV輕地圖的這個功能，要完成非像素級別對應的數(shù)據(jù)的構(gòu)建，其實要花的時間和整個數(shù)據(jù)構(gòu)建的難度會更大。 

第二，數(shù)據(jù)的壁壘肯定是最大的。擁有越來越多高質(zhì)量的數(shù)據(jù)，BEV感知的性能就越好，迭代周期就越快。所以到BEV的階段，需要有非常強的數(shù)據(jù)構(gòu)建的能力，包括自動標注都是非常重要的。 

第三，如何基于BEV打造一個好的產(chǎn)品也是一種壁壘。 

二、要實現(xiàn)城市NOA，必須去高精地

Q：現(xiàn)在大家可能會感受到，去地圖后的成本并沒有降太多，而且體驗相比于傳統(tǒng)高精地圖的體驗還會差一些，您怎么看這個問題？ 

A：我認為這個問題一方面取決于感知的成熟度，另一方面取決于體驗能不能持續(xù)做得更好，還有一方面取決于客戶的接受度。 

宏景目前還是腳踏實地的希望先從高速做起，在高速上基于我們非常成熟的行泊一體的量產(chǎn)的系統(tǒng)，能把高精地圖和高精定位模組去掉。 

然后在感知開發(fā)端，其實不論城市和高速我們都會積累，所以我們也不會那么快一定要在城市里面完全不依賴高精地圖。目前階段我們的重心還是在高速上去完成具備性價比產(chǎn)品的打造。 

從價格方面，我非常贊同“一個ADAS系統(tǒng)應該在車價的3% - 5% 的區(qū)間”這種說法，如果我們要讓10萬的車能滿足這樣的功能，那是不是要把整個系統(tǒng)成本壓到這個區(qū)間，主機廠才愿意買單，才能有更多人愿意買單。這個時候我們一定是希望通過更好的技術(shù)降本去完成。 

通過BEV輕地圖的方式，在現(xiàn)在這種比較成熟的行泊一體的里面做到體驗不降，甚至上了BEV之后體驗還能更好，同時能降低成本，把這個能力給到更多的低價的車型，更多的消費者手里，這是我們的愿景。 

Q：想問一下目前在跟主機廠交流的過程當中，主機廠的態(tài)度，是不是對去地圖的訴求真的很強烈？還是主機廠的訴求只是降本？并不特別關心怎樣通過技術(shù)去實現(xiàn)這個功能。 

A：我覺得這個可以分成兩個點。第一點，現(xiàn)在比較熱的城市NOA的功能，它的去地圖其實并不是一個降本的方案，因為高精地圖在城市里面要保持這個東西非常困難，所以它更多是從技術(shù)角度的考慮，要實現(xiàn)城市NOA，必須具備去地圖的能力。 

現(xiàn)在，我們在高速NOA上去地圖的能力，相對來說實現(xiàn)的方式會比城市稍微簡單一點，它只要能夠把各種匝道、各種困難的場景攻克了，能夠達到這樣的功能，其實從降本的層面，對于這個主機廠來說他們還是非常樂意見到這樣的產(chǎn)品推出。只要能保證產(chǎn)品體驗足夠優(yōu)秀，還比別人便宜，是非常有競爭力的。 

還有一點，這種新系統(tǒng)里面它有一個核心點，就是它會把這個BEV的感知架構(gòu)給拿出來，整個數(shù)據(jù)架構(gòu)可以逐漸地從高速往城市這樣去走，是一個體系化的升級和更新。 

Q：相比傳統(tǒng)技術(shù)，BEV技術(shù)下的標注有哪些新的規(guī)則和新的技術(shù)? 

A：以BEV地圖舉例，規(guī)則層面肯定還是看算法下游的一些定義，包括后面需要的哪些功能來做BEV地圖的一些標注，要識別哪一些元素，之間它需要有一個關聯(lián)關系，這個關聯(lián)關系是怎么樣的？這是一個維度。 

另外從技術(shù)的角度，它會比傳統(tǒng)的更復雜一點。因為如果想在6V上面直接標BEV地圖，基本上不太可能，所以必須要能夠有場景重建能力的模塊，在這個場景重建的基礎上去做完標注，標完的數(shù)據(jù)還得跟圖像級別的像素對應起來。這個地方對于整個系統(tǒng)的時間同步，傳感器的標定，整個基礎能力都是非常考驗的，才能得到4D對應好的這種真值Clip 來做BEV訓練，不然構(gòu)建出來的數(shù)據(jù)對齊程度不高，這個BEV訓練出來結(jié)果會有很大的問題。 

Q：在擁堵場景下，BEV怎么做到實時建圖，比如一個拓撲結(jié)構(gòu)被周圍車輛遮擋住了，怎么解決這個問題？ 

A：這是一個非常難的點，我覺得解決了這個問題之后，就能在高速上把BEV地圖去掉了。現(xiàn)在我們的解決方案，首先整個BEV并不是單幀的，它是帶時序的。因為整個地圖元素是一個靜態(tài)的信息，所以只要曾經(jīng)看到過，就能記住。 

BEV地圖跟傳統(tǒng)的所見即可得的這種車道線檢測對比，它有一定的預測和推理能力。很多時候我數(shù)據(jù)標的時候真值為一個路口，或者一個匝道口，其實有時候像素里面沒有看到，它其實就有局部的預測能力。這是一個點，在感知端需要更好地解決這個問題。 

如果目標車輛真的被各種大車擋住了什么都看不見，這時候我們需要更多的規(guī)控端和后端，需要用到一些車流的信息，因為車流的信息很多時候跟中心線是息息相關的，所以我們也會重點參考比如歷史的車流信息，這其實對于我們BEV地圖檢測是有些幫助的。當然如果說極端場景下，還是需要人工接管的。 

返回第一電動網(wǎng)首頁 >