「Robotaxi，就是 L4，我們還是堅信肯定會實現。」

面對近來自動駕駛的質疑，輕舟智航聯合創始人、CTO 侯聰給出了明確的回答，在他看來有福特、大眾加持的 Argo 之所以會淪落到關閉的境地，主要是因為路線選擇的問題。

「像早期很多創業公司，他們是直接通往 L4，如果沒有一個持續強有力的資金支持的話，確實存在很大的問題，這也是 Argo 做不下去的一個原因。」

「作為一家創業公司怎么去實現最終的產品？我們目前可以認為是一種漸進式的，先做城市 NOA，在這個基礎之上不斷獲得數據的閉環以及現金流的閉環，讓我們能直接去迭代技術，最終實現 L4 落地。」

輕舟智航是這么說的，更是這樣做的。

早在今年 5 月，輕舟智航便發布了「雙擎」戰略，以公開道路 L4 級自動駕駛能力為動力引擎，提升技術能力的深度，持續深入研發和驗證 L4 級自動駕駛能力；

以前裝量產規模化落地為創新引擎，拓寬場景應用的寬度，讓技術得到更廣泛的應用。

形成了「擇高處立、向寬處行」的技術發展路徑，這要比 Argo 死磕 L4 的做法更切實可行。

就目前來看，自動駕駛的理想何時能夠達成還是個未知數，在通往理想的道路上，以 L2 量產的姿態切入「升級打怪」，逐步實現對 L4 的落地才是明智之舉。

為了能夠達成這樣的目標，為了能夠消除更多消費者對自動駕駛的顧慮，輕舟智航正式將其自動駕駛解決方案「Driven-by-QCraft」命名為「輕舟乘風」，它涵蓋車載軟件、車載硬件和數據自動化閉環等多個方面，可以提供輕舟智航最前沿的感知、PNC 等能力，能夠為消費者帶來更安全、便捷的體驗。

01、城市 NOA 的速度競賽

城市 NOA 是智能汽車行業接下來最關鍵的競爭點，毫不夸張的說，誰能夠在城市 NOA 領域取得主動權，誰就能在很大程度上引領行業的發展。

先來看幾組數據。

8 月 1 日，在第九屆國際智能網聯汽車技術年會上，國家工業和信息部裝備工業一司副司長郭守剛表示：

「2021 年，我國 L2 級輔助駕駛乘用車新車市場的滲透率達到 23.5％，今年上半年更是提升到了 30％。」

另據艾瑞咨詢《汽車產業變革浪潮——中國智能駕駛行業研究報告》預測，到 2025 年乘用車輔助駕駛滲透率將達到65%，L2 級和更高級輔助駕駛進入普及期。

輔助駕駛系統正在快速普及，這是不爭的事實，但目前絕大多數自動駕駛僅限于在 10% 的高速場景使用，一旦進入城區，自動駕駛的體驗遠遠達不到消費者的預期。

而隨著更多消費者在高速場景中養成使用輔助駕駛的習慣，對城市輔助駕駛的需求便越來越旺盛，城市 NOA 便能很好地解決這樣的需求。

城市 NOA 是指可以在城市、高速、快速路場景范圍內，提供點到點的智能輔助駕駛系統，需要具備窄路通行、環島行駛、公交車站避讓、掉頭行駛、非機動車和行人禮讓、無保護左轉、自動繞障、擁堵路段通行、泊車等多種功能，還要能夠解決大量的 Corner Case 場景。

就目前而言城市 NOA 還面臨著以下難題：

• 傳感器和計算需要符合車規級，由此帶來的成本、功耗限制，需要通過更強的算法框架優化和工程化能力來解決；

• 面對更廣泛的 ODD 使用場景，需要通過更高效的數據利用，以數據驅動實現更強泛化性；

• 針對城市中各種復雜的交通參與者互動和博弈場景，需要在確保安全性的前提下，進行預測、規劃和控制，實現更高行車效率。

一邊是看得見的市場需求，另一邊是難以解決的行業難題，這就不難理解，為什么小鵬受盡折磨，但仍然死磕城市 NGP 了，畢竟這是其將來能夠奪取更多市場份額核心競爭力。

02、輕舟智航做好城市 NOA 的底氣

行業趨勢頗為明朗，但扎堆進入 L2 級輔助駕駛領域也成為一眾自動駕駛公司的首選，除了采用「雙擎驅動」的輕舟智航之外，文遠知行等自動駕駛公司也將目光投向了 L2 級輔助駕駛領域。

在越發內卷的行業格局當中，如何快速突圍也成了諸多自動駕駛公司需要面臨的首要問題，而建立技術壁壘便是輕舟智航給出的答案。

與目前諸多企業在傳感器信息融合上，采用前融合（數據級融合）、中融合（特征級融合）和后融合（目標級融合）的方案不同，輕舟智航獨創了超融合感知算法「前中后穿插融合」，通過激光雷達、毫米波雷達、視覺等多傳感器融合，感知模型可在不同階段充分利用不同傳感器信息，讓不同傳感器優勢互補，避免單模信息丟失，取得更優的傳感器融合結果，從而可以更準確更精細地感知動靜態物體及狀態信息。

更為值得一提的是，為了助力加速城市 NOA 前裝量產，輕舟智航基于「超融合」感知方案，首次將時序多模態特征融合的大模型(OmniNet) 部署在量產平臺上，以一個神經網絡即可實現視覺、激光雷達、毫米波雷達在BEV（Bird’s Eye View）空間和圖像空間上輸出多任務結果。

OmniNet 取名自omnipotent，象征「無所不能的感知融合能力」，將作為輕舟智航的感知主模型，支持核心感知功能。

相較傳統方案，OmniNet 在實際應用中可節省 2/3 的算力資源，并擁有更高的感知融合精度和模型迭代效率，而且可以低成本適配不同廠家的傳感器配置，更輕量、更高效、更靈活地滿足城市 NOA 的量產需求。

用輕舟智航的話說，OmniNet 擁有感知更精準、車端更適配、迭代更高效的三大優勢。

除了在感知方案上最大程度地實現與不同廠商之間的匹配之外，在硬件匹配上輕舟智航也提出一顆激光雷達即可實現城市 NOA 的可行性方案，在業內「硬件互卷」的行業背景下，輕舟智航一顆激光雷達實現城市 NOA 有著明顯的成本優勢，擁有更大的市場想象空間。

之所以輕舟智航能有這樣的底氣，主要得益于其擁有超融合感知的能力。

雖說在行車過程中前向 120 度的激光雷達看不到后方，但通過時序和空間融合算法，將前向激光雷達掃過的區域會在系統時刻進行記憶，并在車往前行進后將記憶區域的點云數據，與側向后向的純視覺信息進行補充和融合，從而保證對前后向區域的充分認知，實現對絕大多數場景的覆蓋。

即擁有出眾實力，又極具成本優勢，輕舟智航這樣貼近市場的打法，讓更多的車企看到了快速普及城市 NOA 的希望。

據悉，輕舟智航已經拿到了多個車企的定點，用不了多久搭載城市 NOA 輔助駕駛系統的車型，就會同一眾消費者見面。

03、時空聯合規劃算法，應對復雜城市路況的殺手锏

如果說基于「超融合」的 OmniNet 感知模型，讓更低成本、更好效果的城市 NOA 出行成為可能，那輕舟智航自研的「時空聯合規劃算法」就是應對國內復雜城市路況的利器。

在實現城市 NOA 的道路上，PNC 是決定自動駕駛系統是否安全、舒適的關鍵。

PNC 全稱 Planning and Control，是自動駕駛當中規劃和控制的統稱，在車端涵蓋導航、預測、決策、規劃、控制等核心模塊，以及 HMI、環境感知、地圖定位等支持模塊。

PNC 的離線模塊可以收集、查詢、測試數據，訓練模型，通過仿真分析模型和算法效果，最后再將模型和算法效果反哺給車端模塊。

就目前而言，業內普遍采用的是「時空分離規劃」，也就是把「對軌跡的規劃」拆分成兩個子問題，即路徑規劃（path planning）和速度規劃（speed planning）。

路徑規劃對應于橫向控制，即方向盤；速度規劃對應于縱向控制，即剎車或油門，這種決策機制也就是通常所謂的「橫縱分離」。

而輕舟智航則采用「立體化思維」解決這一問題，自研「時空聯合規劃算法」同時考慮空間和時間來規劃軌跡，而不是先單獨求解路徑，在路徑基礎上再求解速度從而形成軌跡。

將「橫縱分離」，升級為「橫縱聯合」，能直接在 x-y-t（即平面和時間）三個維度的空間中直接求解最優軌跡。

這種策略能夠讓車輛在面臨動態障礙物的交互時，提前把握最好的時機，選出最佳行車軌跡，更流暢地完成車輛間的博弈，并且不會出現反復急剎的情況。

不僅如此，在多車道行駛時，車輛還可以通過判斷前方車流量和車速，靈活地變道選擇更快的路線，而不會「死板地」跟著前車緩行。

隨著時空聯合規劃算法的日益成熟，還能實現對鬼探頭、逆行等復雜城市狀況的應對，讓車輛不拘泥于固定路線，根據「超融合」算法提供的有利信息，實施計劃最佳的行車路徑，能夠最大程度避免交通事故發生的同時，給消費者以「老司機」般的駕乘體驗，更適合國內復雜的道路狀況。

這所有的一切并非一蹴而就的，早在 2020 年，輕舟智航便推出了第一代專注城市復雜交通場景的自動駕駛解決方案「Driven-by-QCraft」，在這兩年多的時間當中持續升級，今年 5 月，輕舟智航正式推出了最新一代的車規級前裝量產自動駕駛方案，助力車企實現城市 NOA 方案的全面落地。

現如今，輕舟智航正式將自動駕駛解決方案「Driven-by-QCraft」命名為「輕舟乘風」，標志著其已經做好了應對復雜城市路況考驗的準備。

隨著搭載「輕舟乘風」輔助駕駛系統車型的問世，輕舟智航也將正式獲得自我造血、量產上市的能力，為 L4 級自動駕駛變成現實打下基礎。

返回第一電動網首頁 >