长城眼里没有“蔚小理”,只有特斯拉

4月19日,长城汽车旗下的自动驾驶公司毫末智行,发布搭载HPilot3.0的“毫末城市NOH”功能。毫末智行联合创始人&CEO顾维灏表示:“这将是中国首个大规模量产的城市辅助驾驶导航系统。”

顾维灏在现场还表示,“我们的产品方案具有更大的适应性,可以扩展到更大规模的城市中为用户服务,而不是仅仅停留在几个城市的范围。届时,我们的产品将会覆盖高速、城市道路、停车场等全场景。在城市NOH上,我们的产品力领先特斯拉在中国的表现。”

毫末智行联合创始人&CEO顾维灏

不过,毫末还没有机会与特斯拉在同一市场正面竞争。目前,特斯拉最强的完全自动驾驶功能FSD(FullSelf-Drive)只在美国进行大规模内测,国内特斯拉仅支持增强版自动驾驶辅助功能(EAP)。

然而,对于特斯拉FSD未来在中国本土可能发起的新挑战,顾维灏向虎嗅表示:“我们有信心赢”。而当被问到与“蔚小理”相比,毫米的NOH在什么水平时,顾维灏的回答是:“我们没有看太多的方面,我们觉得特斯拉做得是相对比较好的。”

长城眼里没有“蔚小理”,只有特斯拉

显然,毫末眼里没有“蔚小理”,一心想要追特斯拉。

走特斯拉的路

12年前,长城就开始玩自动驾驶了。

早在2010年,长城汽车就在内部进行了ADAS(辅助驾驶)系统的研究。2015年,自主研发的智能驾驶系统,在长城内部的一个科技节上进行了动态演示,同年9月首款搭载ADAS系统的哈弗H9上市。2017年2月,长城汽车董事长魏建军,首次向外界宣布一个叫“i-pilot”的智慧领航系统。

这一命名方式,是师从特斯拉。最早在2013年,埃隆·马斯克引用了飞机上的自动驾驶仪Autopolit一词,用于描述特斯拉的自动驾驶技术。后来的蔚来也学着取了个名字叫NOP——NIOPolit。当然,如今长城汽车旗下的产品上,换用了新的智慧领航命名,叫“NOH——NavigationonHPilot”。

这个H,指的就是毫末智行的毫。

长城的NOH与蔚来的NOP、小鹏的NGP类似,都是起了一个洋气的名字。但从功能层面来讲,大家都是基于导航进行高级别辅助驾驶。虽然马斯克曾极力反对用缩写的方式来描述事物,但为了营造一种技术的独特性,国内厂商们还是流行采用这种缩写的功能描述方式。

对于普通消费者而言,去了解这些名字背后的技术细节,势必需要一定的学习成本。那么能够体现这些技术差异的点,就在于——能支持哪些场景下高级别辅助驾驶?

去年,大家都在争夺“高速”赛道,推出基于高精地图开发的高速导航辅助驾驶功能。实现量产交付的,目前包括特斯拉、蔚小理,以及长城的毫末。然而,伴随着今年的激光雷达和大算力芯片的量产加速,大家开始涌入“城市”赛道,一个劲的想在城市道路上解放驾驶员。

毫末官方对城市NOH给出的表述是:

该系统可根据导航提供的行驶路线,在城市环境中实现自动变道超车、红绿灯识别与控车、复杂路口通行、无保护左右转等主要功能,同时也可应对车辆近距离切入、车辆阻塞占道、交叉路口、环岛、隧道、立交桥等复杂的城市交通场景。

看似简单的几个场景,但真要逐一攻破,确实相当复杂。

至少,华为就被难倒了。最早把城市辅助驾驶吹上天的,是极狐阿尔法S华为Hi版。去年,仅用一段路测视频,就成功完成破圈营销的华为高阶自动驾驶ADS系统,在城市里自由穿梭、轻松躲避外卖小哥。然而,原计划去年12月份开始交付的Hi版车型,至今仍杳无音信。

在被问及毫末的NOH和华为的ADS相比谁更强时。顾维灏打趣的说道:“华为还没有量产,我们都是跟量产的比。”而聊到小鹏时,他说,“也要看小鹏最后量产出来是什么水平,应该说我们还可以。”在与国内这些厂商的技术路线的竞争上,顾维灏始终在强调一个说法:重感知。

重感知,所对应的另一条路线是,重地图。上述这两家厂商都是采用了重地图的路线——基于红绿灯在高精地图的位置,在感知上做预瞄,然后再进行识别。因为,如果有高精度地图的辅助,车辆可以很好的找到当前道路、车道所对应的红绿灯信息。甚至可以通过V2X的方式,获取红绿灯倒计时。

但最大的问题,就在于高精地图的鲜度问题。因为,城市的道路数据庞大,这导致了采集量大、更新周期也长。要知道,中国城际高速公路和城市快速路等等加起来也就30万公里,但全国的城市道路有近1000万公里。

“现在高精地图更新,还是用的比较人工的方式,靠采集车上路采集,每周能有一次就不错了。”某自动驾驶公司业内人士告诉虎嗅。

如果不完全依赖高精地图辅助,靠单车智能在城市里进行高级别辅助驾驶,最核心需要解决的一个问题就是——如何让车看懂红绿灯?因为,红绿灯识别有四个典型难点:一是小目标检测、二是状态会实时发生变化、三是形态各地差异很大、四是绑路困难(如何把红绿灯与对应的道路进行绑定)。

在此前的一段长达11.2公里的毫末城市NOH功能体验中,车辆对红绿灯的感知全程都未出现过失误。尤其是,当车辆前方视野范围内,出现多个不同形态的红绿灯时。毫末的NOH,能够精准的找到车辆所对应的红绿灯,将信息显示在屏幕上,并最终执行正确的动作。

比如下图所示,一条直路上有两个红绿灯,一个在左侧位置的竖排红绿灯,一个在右侧远处的横排红绿灯。对于人来说,可以不费吹灰之力地作出判断,但对于车来说,并不简单。

这里,其实就用到了特斯拉一直在走的一条技术路线——深度学习。顾维灏提出,“要解决红绿灯识别的问题。首先,需要大量的数据用来训练学习。通过图像合成和迁移学习,加快技术的迭代,是数据能够快速获取积累的方法。其中,真实数据和合成数据混合训练问题,是主要的技术难题。”

毫末设计了一个针对红绿灯检测及绑路的“双流”感知模型,将红绿灯检测和绑路问题分解成两个通道。毫末智行技术总监潘兴解释道:“当输入一张图片,之后会有一个分支,它去处理红绿灯检测问题,在图像上把红绿灯检出来。还有另外一个分支,会通过一个注意力的机制,学习出来一个FeatureMap,表达了这个红绿灯和车辆所在的道路结构的关系。”

最后,利用注意力机制(Transformer)将二者结合,输出绑路后的目标车道红绿灯通行状态。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表爱味之家立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.iweizhijia.com/n/17149.html

如若内容造成侵权/违法违规/事实不符,请联系爱味之家进行投诉反馈,一经查实,立即删除!