地平線城市NOA首發：征程6平臺，自研端到端算法，已進第一梯隊

賈浩楠 2024-05-09 14:58:22 來源：量子位

賈浩楠 發自 副駕寺智能車參考 | 公眾號 AI4Auto

地平線“顛覆”地平線。

新智駕硬件征程6系列發布，遠遠超出了“硬件”范疇：

首次同時發布了一整套基于征程6的高階智駕方案，基于端到端和數據驅動的技術范式。

創始人余凱博士給出的評價是：擬人化、真可用。

智駕硬件Tier 2一哥地平線，為啥「越俎代庖」搞起了算法軟件？余凱這么解釋……

SuperDrive首秀：老司機般的熟練度

SuperDrive官方定義為“全場景”高階智駕解決方案，也就是在功能上覆蓋高速NOA、城市NOA以及自主泊車等主流智駕場景。地平線希望通過打造基于征程6的高階城區智駕軟件行業標桿，發揮示范效應，牽引高階落地。

不過官方重點展示的是城市NOA，因為2024年高速NOA、自主泊車場景挑戰已經不大。談高階智駕的普及、痛點等等問題，都是圍繞城市NOA展開，更是所有玩家競爭決勝的焦點。

高速 NOA 中的困難場景，如擁堵匯流等，也是城區場景的常見場景。

這個場景中除了避讓行人，挑戰更大的是不規則路口右轉。

路面的自行車道和機動車道之間沒有明顯間隔，從HMI界面中看到，系統憑一小段不連續柵欄就準確識別了可通行區域。

避讓的過程，地平線形容為“優雅”，也就是沒有急促的剎車、猛打方向這樣的動作：

這說明在感知和規控兩個層面，SuperDrive的實力都很強。

比避讓目標更加復雜的，是環島的駛進駛出，分成兩個片段解析：

完成了這么幾個厲害的動作：

環島入口被大客車違停擠占，綠化帶進一步侵占可通行區域，SuperDrive不拘泥于地上劃線，靈活繞行，這是通行效率的體現。

安全性上，SuperDrive進環島同時，還避讓了一輛低速兩輪車。

環島中通行時，妥善避讓了一對在路中央停車落客的行人。

第三個場景絕對算是高難度corner case，畢竟在環島里面停車上下乘客的“迷惑操作”，實在太危險也很罕見。

這里面還有一個感知上的難題。以往“白名單”機制做感知的智駕系統，可以識別單獨的車、單獨的人，但“人在車邊”往往會成為系統的盲點，由此也引發過被廣泛關注的事故。

駛出環島的路口，有大量逆行的自行車：

SuperDrive在這個場景下的表現，說明地平線已經突破了過去以規則驅動為主的自動駕駛技術體系。

最后再來看看SuperDrive表現最驚艷、最重要的場景——變道。

旁車道空間不足，多數系統會放棄變道或減速等待，但SuperDrive能根據前方空間條件主動加速，創造變道機會：

以及在密集的車流中，對于轉瞬即逝的變道空間，SuperDrive“瞅準機會”干凈果斷完成變道：

其余的像是向快車道變道、匯出匯入變道等等手到擒來，對SuperDrive基本不構成挑戰：

為什么把變道這個看似簡單的功能重點強調？

因為用這在技術體系上，變道是直接區分水平高下的試金石；用戶層面，它是智駕“可用”與否最關鍵的因素。

簡單說，現在市面上幾乎所有量產交付的“高階”智駕系統，在變道的規劃和執行層面根本不是神經網絡，而是人工手寫定義的規則：十分緩慢的速度、十分平滑的角度切入。

很謹慎很禮貌，但問題是，道路上很少有人愿意主動讓行，尤其是節奏快的一線城市。

這就造成各種發布會上“遙遙領先”的智駕系統，在城市環路、多車道穿行場景下變得“弱智”：

因為“不跟慢車”的邏輯頻繁做出變道決定，又因為僵硬刻板的變道方式屢試屢敗，最后只能提示接管…

或者是在環路、高速出口一邊蠕行一遍等變道機會，最終還是錯過出口。

智駕體驗支離破碎，本來是讓你減負的系統，現在讓你更加費心費力的監督矯正。

問題就出在不夠擬人，很難在復雜交通流下與多個不同交通參與者協同

地平線余凱博士是行業內第一個站出來戳破“皇帝新衣”的人，對當下量產城市NOA的評價是：慫、莽、急、貴，不可用。

這也是為什么智駕硬件供應商地平線要搞一套智駕系統：

用數據替代手寫規則，讓神經網絡直接學習人類成熟司機的駕駛方法來應對復雜場景，找一條徹底解決城市NOA量產普及問題的路徑。

具體方法是這樣的…

SuperDrive如何達成更擬人的體驗？

兩個最主要的技術手段：端到端感知架構，以及數據驅動的交互式博弈算法。

一個是為了智駕系統看的更清楚更明白，一個是讓智能代駕的“腦子”更靈活更高效。

端到端感知架構的優勢，是避免了模塊化算法架構中，數據多級傳遞造成的“損耗”，算法模型一端直接輸入傳感器數據，另一端直接輸出軌跡預測，包括本車的，也包括道路其他交通參與者的。

端到端體現在SuperDrive將動態、靜態、OCC（Occupancy占用網絡）三網合一，統一在一個Transformer架構下，不需要對感知數據進行抽象和逐級傳遞，“所見即所得”：實現感知端到端同時，又保證了每個子網絡的可解釋性。

實際上SuperDrive的算法基礎，正是來自于智能車參考前幾天剛介紹過的CVPR 2023最佳論文成果——UniAD，地平線學者一作。

動態、靜態、Occupancy三網合一的感知端到端架構下，有效解決感知架構時延高、規則多、負載重的問題。

感知端到端網絡輸出的結果，會接著進入數據驅動的交互博弈算法，這一算法也是基于蒙特卡洛樹搜索的端到端深度學習算法。

名震一時的圍棋AI AlphaGo背后的主要技術之一就是蒙特卡洛樹搜索。簡單來說，它的基礎是一個概率模型，所要求解的問題是某種事件出現的概率。

在智駕場景中，這個“概率”可以是對象來車軌跡、前車變道意圖、變道時多個目標的運動軌跡等等…

蒙特卡洛樹搜索會通過某種“試驗”的方法，得到這種事件出現的頻率，或者這個隨機變數的平均值。

試驗方法，可以是人為定義，不過地平線選擇的是通過10000小時高質量駕駛數據來訓練，讓算法最大程度理解效仿人類老司機的駕駛方法。

這就是上面例子中SuperDrive果斷干脆變道的技術核心。

算法之外，SuperDrive“擬人化”體驗仍然離不開地平線軟硬結合的實力——最新發布的征程6系列計算硬件，CPU、BPU、GPU、全功能的MCU四芯合一。

單顆征程6旗艦即可支持感知、規劃決策、控制、座艙感知等全棧計算任務。同時,高集成度令開發難度進一步降低。

SuperDrive搭配征程6旗艦版，BPU納什架構是核心：

獨特設計三級片上存儲架構，核間高效協同，極致優化大參數下的帶寬瓶頸；
具備多脈動立方加速引擎，靈活的引擎間數據流動實現高能效且低帶寬占用；
數據變換引擎，靈活支持Transformer細小算子；
浮點向量加速單元，具有通用、靈活的特性，滿足關鍵算子精度需求；
緊耦合異構計算單元高效加速不同類型數據處理；
核內、核間、片間高效靈活的多向數據流動，實現計算動態調度與靈活調優；
虛擬化技術，透明式提升多任務并行處理能力；數據驅動功耗優化，針對神經網絡數據動態范圍特性，降低功耗30%。

征程6系列目前一共6款產品，征程6B、征程6L、征程6E、征程6M、征程6H、征程6P。覆蓋各個區間智能駕駛需求，算力依次遞增，從數十TOPS一直到數百TOPS。

地平線認為，一個時代有一個時代的計算架構。地平線BPU架構的最新進展，其實就是數據驅動的智能計算架構，支持智能算法軟硬件體系相結合。

在此基礎上誕生的SuperDrive，其實也沒有突破顛覆地平線智能汽車Tier 2的定位本質：

可以量產交付，但更重要的是實踐端到端和數據驅動的新技術范式，以及驗證征程6對這種技術體系的完美支持。

地平線「破壁」城市NOA

SuperDrive當下最珍貴的價值也是這點：

向行業、用戶證明只有在技術體系上重構、變革才能徹底解決城市NOA量產普及問題。

試圖在以前的技術棧上修修補補，通過增加規則用“窮舉法”兜住所有長尾場景，是一條死路。最終只會留下一堆“屎山”代碼和泛化性極差的系統。

用戶用過幾次就勸退的系統，只會成為白白浪費的成本，規模普及無從談起。

因為對于城市NOA來說，智能不徹底，就是徹底不智能。

盡管SuperDrive推出，地平線憑技術體系和功能體驗拿到了城區NOA智能駕駛的門票，并且站穩第一梯隊，但它定位仍然是Tier2，只不過毫無疑問是最全能的Tier2。

SuperDrive因此成為一個樣板間，目的是帶動車企、tier 1盡快向新的技術范式轉移，實現這個目標的基礎，是新的征程6系列。

而從行業格局來看，地平線推出軟硬一體的智駕方案有更深刻的意義：生態正在成為智駕壁壘和護城河。

這體現在自動駕駛正在以底層硬件不同，演化出不同陣營。通用GPU演變過來的英偉達、電子通信領域延伸的高通，以及自主玩家地平線。

地平線的的優勢，恰恰是沒有過往優勢業務的慣性，從智能車和自動駕駛算法演變的角度設計硬件架構，并且在大模型浪潮中，前瞻性的提出專門為端到端模型和數據驅動算法服務的新平臺。

除了自給自足生態封閉的特斯拉以外，地平線征程6是目前唯一的選擇。

而智駕底層硬件“三分天下”，還能從商業角度解讀出趨勢：

地平線堅持Tier2，選擇和所有自動駕駛算法公司共贏。而所有的自動駕駛公司也成為了地平線生態護城河的一部分。

而在在中國所有的智能汽車供應商中，服務能力，客戶廣度，商業潛力…地平線是所有玩家中獨一無二的。