用drupal做的网站,国外网站服务器免费,网站登录不了怎么办,网页开发兼职一直以来#xff0c;高阶智驾的「规模化普及」何时到来#xff0c;硬件的「军备竞赛」和系统「降本增效」长期处于博弈状态。 其中#xff0c;作为关键环节之一#xff0c;传感器配置以及相应的感知算法技术迭代升级是最具看点的部分。以特斯拉、百度Apollo为代表的纯视觉技…一直以来高阶智驾的「规模化普及」何时到来硬件的「军备竞赛」和系统「降本增效」长期处于博弈状态。 其中作为关键环节之一传感器配置以及相应的感知算法技术迭代升级是最具看点的部分。以特斯拉、百度Apollo为代表的纯视觉技术路线阵营玩家在此轮博弈中优势凸显。 01 第一性原理看技术演进 众所周知高阶智驾的最大争议就是激光雷达。 比如特斯拉CEO埃隆·马斯克一直坚定地反对激光雷达甚至多次在公开场合贬低激光雷达比如“激光雷达毫无意义对于自动驾驶汽车来说没有必要”。 而特斯拉对“第一性原理”坚持人类驾驶员在执行驾驶任务的时候主要依靠视觉另外加上两个耳朵也成为行业内真正意义上第一个在量产车上实现“纯视觉”高阶智能驾驶方案的车企。 尤其是近年来BEVTransformer这种全新感知范式的上车已经得到行业的普遍认同再加上时序信息以及Occupancy Network占用网络的推出进一步增强视觉的3D感知性能提升。 而更为关键的是高阶智驾的普及需要足够的性价比优势。相比而言激光雷达即便目前已经实现500美元的量产交付但对于车企来说还不够。 事实上激光雷达厂商并不想快速降价。 按照速腾聚创最新发布的港股材料今年上半年ADAS激光雷达的交付价格仍高达3700元。而车企普遍的规模化上车预期是300甚至100美元。 不过按照该公司的说法激光雷达的定价也受到了市场竞争和车企议价能力每年下调1-5%的影响但预计未来不会出现显著下降。 显然这意味着车企和Tier1需要做好应对方案。毕竟在白热化竞争的终端市场任何一家车企都要优先考量成本。 实际上众所周知目前国内市场已经交付的、具备城市场景NOA的车型基本上都是采用激光雷达的配置方案再加上高精度地图、高精度定位等其余配置整套系统成本大幅增加。 如果按照此前国内某Tier1推出的8000元级「高性价比」城市全场景无图NOH产品方案额外增加一颗前向激光雷达整体成本至少增加近40%。 而在市场端行业仍在等待新的方案。 高工智能汽车研究院最新发布数据显示2023年1-9月中国市场不含进出口乘用车前装标配软硬件NOA交付新车37.73万辆同比上年同期增长151.20%。 不过在前装搭载率方面也仅仅不到3%2.55%。这意味着在触及10%拐点之前市场依然存在各种不确定性比如方案配置。 激光雷达的支持者认为“激光雷达会越来越便宜接下来的传感器融合会有激光雷达真正的L3、L4需要激光雷达。” 但质疑者强调“推动城市NOA落地的情况下各家配置激光雷达的车型是否能用好激光雷达需要实际验证。” “激光雷达可在短期内迅速提升系统表现但存在上限而长期来看纯视觉在系统成本、迭代速度、数据闭环甚至向端到端发展都具备优势。”极越公司相关负责人表示。 今年10月份极越01正式开启交付这款现象级智能电动车型搭载的正是百度Apollo City Driving Max的纯视觉高阶智能驾驶系统。 这是全球唯二、国内首款可量产并实现交付的纯视觉城市高阶智驾解决方案并抢先特斯拉FSD在国内城市场景量产落地。 在高工智能汽车研究院看来增加一种传感器的问题不仅仅是硬件成本的增加还有大量的软件算法开发和适配尤其是主被动传感器的融合一直是不稳定的状态。 实际的行业状态是「此前很长一段时间因为纯视觉方案具有局限性所以很多玩家不得已加入激光雷达。」 此外一直以来视觉感知的底层技术研发真正参与的企业并不多。早期的博世、Mobileye由于交付的都是软硬方案不管是Tier1还是车企并没有在感知技术上有过多的投入。 「相比于规控前端感知一直是技术洼地。」在高工智能汽车研究院看来类似特斯拉、百度Apollo这样的企业在行业内并不多见。 02 源头数据规模化竞争关键 而视觉感知技术的沉淀还需要大量的真实数据支持。 比如前特斯拉AI总监Andrej Karpathy表示模型不管是小模型还是大模型需要数据来驱动模型决定上限而数据帮助模型到达这个上限。 尤其是BEVTransformer的导入在百度看来BEV将视觉测距精度从“普通卷尺”升级到了“游标卡尺”的新高度占用网络技术的引进又为感知系统进化出了昆虫复眼将全天候周边环境尽收眼底。 事实上相比于特斯拉的影子模式国内大部分车企的有效数据采集规模以及数据质量还有不小的差距。相比而言Robotaxi是更好的补充。 这种策略也在被更多的车企所效仿。 比如今年小鹏汽车巨资收购了滴滴智能汽车开发业务资产同时借助滴滴的网约车平台能够产生的数据比现有私家车更大更丰富能够对自动驾驶模型带来更质变的影响。 在此之前小鹏也推出了Robotaxi的首款硬件零改装量产车。按照小鹏的官方表态小鹏G9 Robotaxi可以和量产车辆双线并行共同加入训练体系极大提升训练数据的来源、体量及场景丰富度。 而更早实现这套闭环逻辑的就是百度Apollo即便是在全球范围内这也是到目前为止独一无二的存在。 根据百度今年Q3财报显示萝卜快跑已在包括北京、武汉、重庆、深圳等十余个试点城市提供超过410万自动驾驶出行服务订单自动驾驶安全运营测试里程累计已超7800万公里。 而Robotaxi的高精传感器从数据源头上形成了差异化竞争力按照百度的说法真值数据质量与行业平均水平拉开了「8K超清与标清」的代际差距数据精度持续刷新行业天花板。 最关键的是纯视觉方案的实现离不开高品质训练数据。而随着中国市场开始启动L3/L4级自动驾驶量产车的上路准入这种趋势愈加明显。 在具体的技术持续升级方面百度Apollo在Apollo Lite框架基础上用4D BEV Transformer全新升级第二代纯视觉感知系统“快、准、稳“地预测道路参与者的时空位姿轨迹。 同时配合业内最前沿的占用网络OCC技术百度Apollo能够对静态环境做端到端实时重建可以获取比激光雷达点云分辨率更高的三维结构信息。 从实际交付表现来看也是印证了百度Apollo纯视觉技术的领先性。 在高速场景百度Apollo推出行泊一体产品Apollo Highway Driving Pro并在新岚图FREE实现量产。数据显示新岚图FREE的行泊车智驾功能激活率高达83.74%高速NOA总里程达33万公里其中NOA每千公里接管次数为2.02次/千公里高速NOA单次最长行驶里程为364公里。 针对城市复杂道路场景百度Apollo也推出了Apollo City Driving Max。作为国内唯一实现交付的纯视觉高阶智驾解决方案Apollo City Driving Max已经跑通了泊车、高速、城市全域场景实现与「有激光雷达」同样好的产品体验BOM成本更低让整车更有价格争力。 目前百度Apollo City Driving Max已经在极越01实现量产。极越官方社交账号发布的一段城市领航辅助驾驶路试视频显示一台搭载百度Apollo纯视觉高阶智驾解决方案的极越01“一镜到底”跑完了上海陆家嘴-外滩-南浦大桥等路段全程零接管从容应对各种复杂路况。 而在极越官方发布的OCC占用网络技术演示视频中基于百度Apollo的量产技术方案汽车机器人的视觉世界里可以实时重建还原3D场景——比如系统用体素清晰展示了栏杆、绿植、路障等标准障碍物同时还精准识别出了施工中的工程车、树木中的路灯等异形障碍物。 这意味着通过百度Apollo的BEVTransformerOCC的方案车辆可以减少漏检、误检并弥补视觉所不具备的空间高度信息替代了激光雷达并大幅提升了泛化能力。 在高工智能汽车研究院看来高阶智驾的终局比拼已经进入最为关键的周期。无论是城区NOA还是L3/L4级自动驾驶谁能在系统成本最优的前提下实现规模化落地将决定谁能留到最后。
