自动驾驶奇点即将到来，从算法角度城市NOA谁能更胜一筹？
2023年上海经信委5月中旬表示：上海将进一步深化与特斯拉的合作，推动自动驾驶、机器人等功能板块在沪布局。广大网友猜测特斯拉的FSD即将进入中国；
2023年6月29日小鹏G6发布会上，何小鹏向广大小鹏车主宣布XNGP已经在上海、深圳、广州、北京等一线城市开通点到点的城市NGP，适用车型为G9及P7i Max版，还有刚上市的G6 Max版。预计年底开放50个城市，2024年底开放200个城市，覆盖中国大部分二三线城市；
2023年4月16日，华为举办了2023智能汽车解决方案大会，推出了最新一代智驾系统ADS 2.0，ADS 2.0可实现无图商用辅助驾驶，目前基于高精度地图已经开放上海、广州、深圳和杭州，预计今年第三季度推出无图方案，且计划年底在开放45个城市。
2023年6月17日，首届理想家庭科技日在理想汽车常州智能制造基地举行，理想汽车开发的AD MAX3.0在本月即将开启城市NOA内测;预计年底开发百城；
2023年7月蔚来汽车宣布蔚来NOP+增强领航辅助功能在北京五环内的高速公路和城市快速路上线。至此，蔚来NOP+在北京二环、三环、四环、五环等城市环路及快速路、高速公路实现全覆盖。
2023年4月智己 汽车在 IM AD DAY 上正式发布智己高速 NOA：L7 4 月底开启推送，LS7 车型预计 6 月份推送；首批开放城市为上海、苏州、杭州、嘉兴、湖州；两款车型的 NOA 功能将在年内面向全国高速高架开放。
2023年4月11日毫末智行在第八届HAOMO AI DAY上宣布，城市NOH即将量产上车， 最先落地北京、上海、保定等城市。
以上为典型的主机厂今年推出城市NOA自动驾驶，基本可做到城市道路无接管，这标志着自动驾驶的奇点即将到来；自动驾驶奇点意味着系统可以处理复杂多变的城市交通环境,实现真正的无人值守。这将极大推动汽车产业的变革,使得汽车从传统的交通工具转变为移动的智能终端。车内空间设计将更人性化,车联网、智能调度等技术也将成熟运用。自动驾驶将解放人类的出行时间,使我们不再受交通工具的限制。我们可以在车内工作、学习、娱乐,而无需操纵方向盘。汽车将变为人们移动的家；下面我们从先从算法角度对比各家的自动驾驶实力；
Tesla自动驾驶算法
2021年Tesla在AI DAY2021年,特斯拉在AI Day上发布了采用BEV(鸟瞰图)加Transformer架构的自动驾驶感知算法,特斯拉这种融合BEV鸟瞰图和Transformer的算法架构,最大的创新在于实现了从以往更依赖CNN局部特征提取的方法向着强化全局环境感知能力的转变。BEV鸟瞰图塑造出丰富的空间信息,为检测和跟踪目标提供了有力支持。而Transformer通过机器学习各个目标之间的关系,可以更深入理解复杂场景,而不仅仅局限于单一物体识别。这种全局性的建模手段增强了模型对环境干扰的鲁棒性,展现出更出色的泛化能力。同时,Transformer也让多源传感器的数据,如图像、雷达等能够有效融合,形成更统一、全面的场景认知，同时transformer具有时序信息，相当于可记住前后多帧的信息，使其无惧遮挡。在行为预测方面,BEV和Transformer的优势叠加,使得模型可以更准确预测车辆的运动趋势和意图。综上所述,这种新架构在空间信息表达、关系建模、多模态感知、鲁棒性等多个方面显示出突破,可以持续通过大数据集训练进一步提升,为自动驾驶的安全性和效果提供有力保障。
2022年Telsa AI DAY提出了Occupancy Network通过建模车辆周围的占用网格地图,实现了对物体占据空间信息更精确的建模。这种方法超越了传统只依赖框定位或关键点的方法,为每个栅格单元预测目标存在的概率,从而实现对物体形状的精细化建模。相比BEV仅从鸟瞰角度获取空间信息,Occupancy Network可以从多个视角捕捉物体3D形状,理解能力更强。同时,Occupancy Network也继承了Transformer的关系建模优势,学习不同物体之间的交互作用,实现多对象的联合感知。这种详尽的3D空间建模和多对象关系学习,使得自动驾驶系统可以更准确预测物体运动,对复杂交通环境做出更智能的回应,从而提升了自动驾驶的安全性。
小鹏XNGP XNET
在2022年1024科技日上,小鹏汽车發布了自主研发的多传感融合感知网络XNet。该系统通过多相机及雷达进行的数据采集,经过深度学习算法的处理,实现实时高精度3D场景建模和高精度地图生成。XNet采用了BEV鸟瞰视角下的Transformer架构,有效实现了多个图像源的融合。网络输出目标的静态及动态属性,包括位置、姿态、尺寸、速度等。更进一步,该网络可以预测目标的运动轨迹,大幅提升了自动驾驶的规划与控制能力。通过BEV建模与Transformer的关系学习,XNet实现了对环境的精确感知理解。该系统的应用为小鹏汽车的自动驾驶提供了关键感知支撑,有助于其在复杂多变的实际道路环境中,实現更安全、更智能的自主驾驶。
华为ADS2.0 GOD
2023年4月16日华为自动驾驶系统ADS 2.0实现安全驾驶的关键在于其业界首创的GOD多传感器融合感知网络。该系统通过激光雷达、毫米波雷达与摄像头采集数据,并基于深度学习算法进行多源数据的融合处理。这种由底层架构支持的多模态感知,实现了对各类异形障碍物的准确识别,如侧翻车辆、大箱子等,并能够快速作出减速和刹停的反应,从而提升整体的道路安全性。最新版本基于道路拓扑推理网络,即使在没有高精地图支持的情况下,也能对路况环境进行感知理解,正确识别红绿灯等关键元素,实现无图也能安全导航的功能。通过先进的多传感器融合和场景理解算法,华为ADS 2.0为不同自动驾驶场景提供强大的环境感知与决策能力,是当前自动驾驶技术领域的领先产品之一。
理想AD MAX3.0
为实现对路口交通场景的精确感知,理想采用了Occupancy网格分割网络对目标进行精细边界建模。经过大量实际道路数据训练后,该网络的目标识别能力和精度已大幅提升。同时,开发了神经先验网络(NPN)来实现路口特征的提前提取与存储。当车辆再次进入已记录的路口时,存储的NPN特征会与实时感知进行融合,以输出更准确的路口交通状况。
另外也设计了端到端的信号灯意图网络(TIN)。该网络通过学习人类驾驶员对红绿灯变化的响应,实现无需明确识别信号灯位置的情况下,直接输出车辆应采取的动作,如左转、直行等。输入为原始图像序列,输出为驾驶规划意图预测。上述算法的应用使得我们在复杂城市道路环境中，可以实现城市记忆行车，解决80%的通勤问题。
蔚来NOP+
据蔚来自动驾驶研发负责人任少卿反馈，NOP+是在蔚来第二代技术平台NT2.0的基础上，从感知、规划、控制等方面进行全栈自研的成果。并且在研发架构上，采用了与特斯拉FSD V11类似的单堆栈思路，在统一的架构之下针对不同场景进行开发。目前蔚来还未透露自动驾驶算法的详细架构；
智己NOA
在智己NOA发布会上,智己汽车发布了业内首个基于大数据驱动的决策规划算法D.L.P。该系统运用深度学习模型,针对汽车在复杂交通环境下的认知能力进行提升。基于D.L.P.,智己的智能驾驶系统可以提高对复杂环境变化的预测预判能力,从而优化启停、汇流等行为规划,以更类似人类驾驶的方式提升通勤效率。此外,智己也在开发DDOD多传感器目标检测模型和DDLD场景元素检测模型。DDOD通过模型驱动目标检测,可以提升感知能力。DDLD可以在没有高精地图支持下,检测交通关键元素,实现无图导航。通过数据驱动的先进算法,智己的决策规划、环境感知功能实现重要升级。这表明智己正在加速推进其智能驾驶技术的商业化进程,以数据为先导,构建更智能、更安全的自动驾驶解决方案。
毫末智行 NOH
2021年12月毫末发布了类似特斯拉“九头蛇”的新型多传感器直接融合感知网络。该网络的底层骨干网絡同时输入图像和点云数据,进行早期特征的联合提取。提取到的特征图输入到两个分支子网络,一个负责路面元素识别,一个负责可行驶区域分割。路面元素识别分支包含多个子网络,可检测车道线、停止线等关键元素。与简单的多传感器结果融合不同,毫末采用了更深层次的多数据源直接融合方式。在底层特征提取后,网络还利用RNN和光流SLAM进行时空信息的融合,输出包含时序动态信息的环境表示。这种直接的多源数据融合和时空建模,为毫末的感知网络提供了更强大的动态场景理解能力。总体而言,该网络展示了毫末在多传感器融合算法和自动驾驶感知领域的研发实力。该结构可实现更精细、更智能的环境全方位感知,有助于毫末构建更安全可靠的智能驾驶系统。
飞凡汽车 RISING PILOT
2022年10月飞凡汽车的 PP-CEM™ 算法搭载飞凡R7上市，它是飞凡汽车自研的一套像素级点云融合高阶智驾方案，是 Pixel Point Cloud (多源感知体系）和 Comprehensive Environment Model（多维度环境模型）的缩写。它智能驾驶的核心点是搭载了大陆的4D毫米波，提出了全融合的算法概念，猜测前融合采用类似bev的算法，将8颗摄像头、激光雷达、4D毫米波雷达的数据先经过encoder的层级，然后进入Cross Attention层，生成多模态的3D特征。针对多模态的3D特征再进行时间序列的处理，实现4D特征融合；2023年上半年，RISING PILOT也升级了采用occupancy network算法，能进一步提升对异形或位置障碍物的感知；
以上为几家典型主机厂的算法介绍，都采用了最新的bev+transformer算法， 且逐步研发重感知轻地图方案，从算法落地角度你认为那几家是第一梯队？请在评论区留言。
