“你的頭腦就是你的牢籠，但是如何突破自己的大腦呢？”人們經(jīng)常用這句話(huà)來(lái)審視自我的局限，但在2022年的智能駕駛行業(yè)，這也是所有智能駕駛“大腦”需要回答的一個(gè)問(wèn)題。

在人類(lèi)世界中，出生以后，我們首先通過(guò)大量的經(jīng)驗(yàn)學(xué)習(xí)、邏輯分析，建立自己的知識(shí)體系，成為一個(gè)獨(dú)立的個(gè)體。但在積累到達(dá)一定程度后，往往會(huì)開(kāi)始認(rèn)識(shí)并反思自己的局限，并激勵(lì)自己通過(guò)拓寬認(rèn)知的邊界和思維上的突破，擁抱更廣闊而美好的世界，達(dá)到全新的高度和境界。這是人類(lèi)學(xué)習(xí)和進(jìn)步的方式。

在智能駕駛領(lǐng)域中，通過(guò)對(duì)大量數(shù)據(jù)和豐富出行場(chǎng)景的不斷學(xué)習(xí)，變得“越來(lái)越聰明”，不斷實(shí)現(xiàn)系統(tǒng)性能的突破，這是機(jī)器智能的方式。

過(guò)去幾年，智能駕駛經(jīng)歷了從無(wú)到有的過(guò)程，從技術(shù)原型的積累到初代產(chǎn)品上車(chē)，從L0-L1級(jí)的基礎(chǔ)安全性能到L2++級(jí)的智慧化體驗(yàn)，隨著高階智能駕駛落地需求越來(lái)越迫切，數(shù)據(jù)驅(qū)動(dòng)和場(chǎng)景閉環(huán)的重要性也凸顯出來(lái)。

為什么說(shuō)智能駕駛將進(jìn)入數(shù)據(jù)驅(qū)動(dòng)的時(shí)代？

數(shù)據(jù)如何在場(chǎng)景中實(shí)現(xiàn)流轉(zhuǎn)？

場(chǎng)景閉環(huán)又如何把當(dāng)下的量產(chǎn)落地和未來(lái)高階方案串聯(lián)起來(lái)？

近日，智駕科技MAXIEYE創(chuàng)始人周圣硯在2022 年度（第四屆）高工智能汽車(chē)市場(chǎng)峰會(huì)發(fā)表主題演講，圍繞《自動(dòng)駕駛升維：量產(chǎn)，數(shù)據(jù)，場(chǎng)景閉環(huán)》進(jìn)行了觀(guān)點(diǎn)闡述，通過(guò)剖析智能駕駛面臨的難題，與行業(yè)同仁探討數(shù)據(jù)驅(qū)動(dòng)的“解題”方案。

第一，實(shí)現(xiàn)可靠穩(wěn)定的系統(tǒng)性能難。智能駕駛誕生的初衷，是讓出行更加安全、舒適、便捷。但最近因智能駕駛導(dǎo)致的交通事故，一定程度引發(fā)了大家的質(zhì)疑和擔(dān)憂(yōu)。智能駕駛系統(tǒng)的安全可靠，人機(jī)交互的邊界規(guī)則等成為不可回避的問(wèn)題。

“這是智能駕駛理想和現(xiàn)實(shí)的差距。”周圣硯表示，在用戶(hù)理想的認(rèn)知中，智能駕駛是沒(méi)有約束、無(wú)限制的，但現(xiàn)階段可規(guī)?；瘧?yīng)用的輔助駕駛，本質(zhì)上還是人機(jī)共駕，需要用戶(hù)對(duì)智能駕駛的“漸進(jìn)式”成長(zhǎng)有充分的理解。

作為技術(shù)服務(wù)提供商要做到的是，無(wú)論行業(yè)處于哪個(gè)階段，都需要確保在相應(yīng)的功能及使用場(chǎng)景的范疇內(nèi)，提供安全可靠的產(chǎn)品。場(chǎng)景邊界之外是人開(kāi)，場(chǎng)景邊界之內(nèi)是機(jī)器去開(kāi)。場(chǎng)景邊界之外需要鉤子算法去獲取下一代產(chǎn)品升級(jí)所需要的數(shù)據(jù)和場(chǎng)景。但過(guò)去行業(yè)浪費(fèi)了大量數(shù)據(jù)場(chǎng)景，屬于智能駕駛的場(chǎng)景庫(kù)積累才剛剛起步。

第二，極致性?xún)r(jià)比和規(guī)?；慨a(chǎn)難。一晃眼智能駕駛產(chǎn)業(yè)已經(jīng)發(fā)展了多年，但在實(shí)際上車(chē)中，真正的規(guī)?；艅倓傞_(kāi)始。在中國(guó)乘用車(chē)所有價(jià)位車(chē)型銷(xiāo)量中，15萬(wàn)元以下車(chē)型銷(xiāo)量占比遠(yuǎn)超50%，但這超過(guò)50%的價(jià)位車(chē)型L2級(jí)智能駕駛滲透率，比市場(chǎng)平均水平低了10個(gè)百分點(diǎn)，反應(yīng)了當(dāng)前智能駕駛尚未很好地滲透大眾消費(fèi)市場(chǎng)。

立足大眾消費(fèi)市場(chǎng)，背后的規(guī)?；慨a(chǎn)面臨一個(gè)現(xiàn)實(shí)問(wèn)題：性能和價(jià)格的平衡?！坝煤芨叩某杀咀鲆惶紫到y(tǒng)，消費(fèi)者很難接受，對(duì)基于規(guī)?；慨a(chǎn)實(shí)現(xiàn)大量數(shù)據(jù)積累，意義并不大。”但如果沒(méi)有規(guī)?；蛨?chǎng)景，上述的第一個(gè)難題同樣難以解決。

第三，高階智能駕駛落地難。在自動(dòng)駕駛分級(jí)中，到今天能夠真正在開(kāi)放場(chǎng)景中落地的智能駕駛，依然在L3級(jí)以下。基于漸進(jìn)式升維路線(xiàn)從下往上走，依賴(lài)基于規(guī)模化L2的場(chǎng)景和數(shù)據(jù)基礎(chǔ)，才能實(shí)現(xiàn)高階應(yīng)用的突破。

三大難題共同指向數(shù)據(jù)和場(chǎng)景：在量產(chǎn)系統(tǒng)邊界明確的前提下，建立用戶(hù)認(rèn)知，通過(guò)數(shù)據(jù)驅(qū)動(dòng)下一代產(chǎn)品升級(jí)；基于有效場(chǎng)景和數(shù)據(jù)的挖掘?qū)崿F(xiàn)極致的系統(tǒng)性能，以高性?xún)r(jià)比實(shí)現(xiàn)人人可享的規(guī)?；?，再由人人提供的數(shù)據(jù)驅(qū)動(dòng)迭代；在良好的用戶(hù)認(rèn)知和動(dòng)態(tài)迭代中，實(shí)現(xiàn)高階智能駕駛升維。

可靠系統(tǒng)和高階方案的實(shí)現(xiàn)，對(duì)數(shù)據(jù)積累和場(chǎng)景閉環(huán)提出了“加法的”需求——盡可能多地上車(chē)。

在規(guī)?；慨a(chǎn)中打通數(shù)據(jù)閉環(huán)后，更重要的是建立獲取邊界數(shù)據(jù)的有效觸發(fā)機(jī)制?！懊つ渴占罅砍Ｒ?guī)的場(chǎng)景，對(duì)系統(tǒng)意義并不大。我們希望在不增加硬件成本的前提下，獲取更多邊界數(shù)據(jù)，邊界數(shù)據(jù)意味著下一代系統(tǒng)邊界性能的突破?！?/p>

目前MAXIEYE已經(jīng)在1R1V高性?xún)r(jià)比算力平臺(tái)的MAXIPILOT1.0量產(chǎn)方案中，部署了數(shù)據(jù)閉環(huán)和33種觸發(fā)機(jī)制（觸發(fā)機(jī)制還在持續(xù)增加中），包含功能觸發(fā)、駕駛員行為觸發(fā)、系統(tǒng)觸發(fā)、感知觸發(fā)等類(lèi)型，實(shí)現(xiàn)邊界數(shù)據(jù)場(chǎng)景的高效利用。

比如AEB功能觸發(fā)前后幾秒，MAXIPILOT會(huì)將場(chǎng)景視頻、車(chē)身信息、系統(tǒng)參數(shù)信息等關(guān)聯(lián)信息閉環(huán)回傳，進(jìn)行復(fù)盤(pán)和分析；而感知觸發(fā)的目的，是將同一目標(biāo)的不同傳感器檢測(cè)數(shù)據(jù)做全面的精度對(duì)標(biāo)，大幅提高感知精度，為高階系統(tǒng)落地進(jìn)行技術(shù)積累。

目前MAXIEYE通過(guò)量產(chǎn)系統(tǒng)已經(jīng)積累超過(guò)1億公里真實(shí)場(chǎng)景數(shù)據(jù)?！皵?shù)據(jù)回傳之前在車(chē)端完成脫敏，通過(guò)算法部署把人臉、車(chē)牌等信息在車(chē)端清洗掉?！?/p>

MAXIPILOT量產(chǎn)系統(tǒng)AEB觸發(fā)視頻

“看到這些AEB觸發(fā)場(chǎng)景，同事們感觸很深，自己做出的產(chǎn)品實(shí)實(shí)在在避免了潛在交通事故的發(fā)生，摩托車(chē)橫穿的那個(gè)緊急制動(dòng)，甚至救了一家三口?！?/p>

在數(shù)據(jù)回傳中，MAXIEYE開(kāi)發(fā)了配套工具鏈。通過(guò)工具可以看到實(shí)時(shí)感知結(jié)果、實(shí)時(shí)融合結(jié)果、實(shí)時(shí)路徑規(guī)劃顯示，以及給油門(mén)剎車(chē)發(fā)出的控制信號(hào)。有價(jià)值的場(chǎng)景數(shù)據(jù)會(huì)到后端進(jìn)行網(wǎng)絡(luò)校驗(yàn)，將更準(zhǔn)確的結(jié)果不斷更新到量產(chǎn)車(chē)中，在場(chǎng)景閉環(huán)中實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的智能駕駛。

“能不能用低階系統(tǒng)為高階系統(tǒng)賦能？”這是車(chē)廠(chǎng)合作伙伴提出的命題，也是MAXIEYE升維的思路所在，即用低階的“成本減法”和眾包方式重建關(guān)鍵場(chǎng)景地圖的“場(chǎng)景減法”，為高階智能駕駛鋪路。

高階領(lǐng)航輔助駕駛量產(chǎn)中，城市地面和路口等場(chǎng)景一直是難以突破的瓶頸所在。通過(guò)基于用戶(hù)車(chē)輛的眾包數(shù)據(jù)，解決路口等關(guān)鍵場(chǎng)景的信息重建，可支持高階系統(tǒng)典型場(chǎng)景的敏銳迭代。

眾包數(shù)據(jù)實(shí)現(xiàn)路口等關(guān)鍵場(chǎng)景的信息重建

伴隨MAXIEYE全系產(chǎn)品部署數(shù)據(jù)閉環(huán)和相關(guān)協(xié)議棧、技術(shù)棧。換句話(huà)說(shuō)，就是在不同的傳感器系統(tǒng)方案中，除了數(shù)據(jù)流量不同，都可以用通用的工具鏈賦能車(chē)廠(chǎng)客戶(hù)搭建完整的數(shù)據(jù)機(jī)制。

此外，MAXIEYE正加速部署BEV技術(shù)架構(gòu)，這種端到端的智能駕駛系統(tǒng)開(kāi)發(fā)，將大幅減少感知目標(biāo)特征的信息損失，減少對(duì)經(jīng)驗(yàn)邏輯依賴(lài)的同時(shí)，真正實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的自學(xué)習(xí)，釋放數(shù)據(jù)和場(chǎng)景閉環(huán)的更大價(jià)值。

審核編輯：劉清