贏徹科技創(chuàng)始人兼CEO馬喆人
而量產(chǎn)的基礎還是技術。嬴徹科技分享了其實現(xiàn)量產(chǎn)背后的核心技術和開發(fā)體系。其中，軒轅系統(tǒng)1.0已經(jīng)量產(chǎn)落地1萬臺，軒轅系統(tǒng)2.0已進入開發(fā)階段，該系統(tǒng)單板算力高至256TOPS，架構支持拓展至1000TOPS以上。
從更具體角度來看，在感知層面，嬴徹采用多模多視角Transformer的前融合感知框架，從透視視圖切換至BEV視角，并將不同數(shù)據(jù)源的特征圖充分融合，然后利用長短期記憶(LSTM)的時序融合網(wǎng)絡獲得視頻流的感知結果。可有效應對干線物流重卡的獨特挑戰(zhàn)，如感知遠距離的小物體、異型車等。同時，通過模型輕量化將計算量降低50%，運用NPU加速傳統(tǒng)CV算法（用于預處理），提速達100倍。
規(guī)劃和控制的難點在于要同時滿足安全、精準、舒適、耐久、經(jīng)濟5大商業(yè)運營要求，這不可避免會帶來3大矛盾，包括精準建模與一車一調(diào)、精準控制與耐久經(jīng)濟、規(guī)劃控制分層與融合之間的矛盾。嬴徹創(chuàng)造性地開發(fā)了規(guī)控一體的PNC架構，實現(xiàn)了預測、決策、規(guī)劃和控制的緊耦合，在苛刻的運營要求中找到最優(yōu)解。
節(jié)油算法層面，嬴徹從亞秒級、秒級、分鐘級、小時級對油耗進行全面優(yōu)化。特別在小時級的車云協(xié)同全局速度規(guī)劃算法上取得突破，在云端建立以關鍵途徑點為節(jié)點的GNN（Graph Neural Network），利用歷史經(jīng)驗數(shù)據(jù)和即時交通數(shù)據(jù)，實現(xiàn)最優(yōu)的速度推薦。在實際運營中比金牌司機平均節(jié)油2-5%，逼近7%的節(jié)油上限。
核心硬件層面，嬴徹自研的計算平臺已進入第二代開發(fā)，尺寸更小、性能更佳、成本更低。單板算力高至256 TOPS，架構支持拓展至1000TOPS以上。平臺基于TSN協(xié)議，可以實現(xiàn)30ns的時間同步精度，業(yè)界領先。
數(shù)據(jù)閉環(huán)層面，隨著規(guī)?；a(chǎn)和運營投放節(jié)奏加速，自動駕駛行駛里程快速攀升，嬴徹建立了行業(yè)首個自動駕駛卡車數(shù)據(jù)閉環(huán)體系，將數(shù)據(jù)資產(chǎn)轉化為技術優(yōu)勢。嬴徹的創(chuàng)新性增強影子模式，相比傳統(tǒng)影子模式，提供面向L4級技術迭代所需的長時間行為（如油耗相關行為等）的采集和評估能力，實現(xiàn)實時A/B Test高效算法迭代，降低數(shù)據(jù)采集成本同時提升數(shù)據(jù)有效性和精準度。
對于全無人駕駛技術，嬴徹科技認為當前的自動駕駛技術架構很有可能遭遇瓶頸。嬴徹軒轅自動駕駛系統(tǒng)3.0提出了一種全新的自動駕駛架構的構想，該架構可以拆除自動駕駛系統(tǒng)各子模塊之間人為設計的邊界，替代為端到端的深度神經(jīng)網(wǎng)絡，并通過結合深度強化學習（DRL）和神經(jīng)輻射場（NeRF）技術 的NeDFS (Neural Driving Field Simulator)終極自動駕駛仿真器，訓練端到端模型，實現(xiàn)自動駕駛能力的自我演進，最終走向無人。
（本文首發(fā)鈦媒體APP 作者｜韓敬嫻）
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論
沒成熟的技術怎么可能實現(xiàn)量產(chǎn)呢
現(xiàn)在的自動駕駛還停留在想象階段