<ruby id="p6jhh"><table id="p6jhh"><b id="p6jhh"></b></table></ruby>

    <rp id="p6jhh"><object id="p6jhh"><blockquote id="p6jhh"></blockquote></object></rp>
  1. <button id="p6jhh"><object id="p6jhh"></object></button>
    1. <dd id="p6jhh"><track id="p6jhh"></track></dd>
      1. <rp id="p6jhh"></rp>

      2. 耿直的赢彻科技揭穿“标准模糊的节油率”

        来源:智汇工业

        点击:1670

        A+ A-

        所属频道:新闻中心

        关键词:乘用车,自动驾驶



          “经过我们的测量,和金牌司机相比,节油的上限只有7%。如果有人跟你说,他的节油率到10%。请问一下,他到底在和谁比?”在2022年9月1日嬴彻科技举办以“实践出真知”为主题的首届科技日,贏彻科技 CTO 杨睿刚对于自动驾驶卡车技术节油率数据标准模糊不清的问题直言不讳。

          在重卡干线物流场景下,成本、安全、效率被视为自动驾驶必须解决的刚性问题。其中,成本更是关乎自动驾驶卡车商业化前景的关键要素,也是自动驾驶技术公司给客户算经济账、讲故事的首要条件。

          把数据问题放在明面上,此举多少透露了赢彻科技的自信。杨睿刚对此颇为自豪:“我从学术界进入产业界,深刻体会到技术落地,解决实际问题的巨大价值。”

          01 赢彻科技的自信

          自动驾驶技术,从理论走向现实,一直面临两个基本问题:安全和商业。相对应的企业问题,便是自动驾驶技术能力与量产落地。

          与乘用车自动驾驶相比,业界多数人士认为,商用车的商业化落地应该会更快。事实上,聚焦于港口、园区等封闭场景的自动驾驶解决方案成为最早商业化运营的项目。适用于干线物流的自动驾驶解决方案也因其场景简单,落地速度也逐渐加快。

          嬴彻科技创始人兼CEO马喆人

          对比上述两种场景,干线物流卡车的自动驾驶量产难度更大。嬴彻科技创始人兼CEO马喆人感叹:“基于过去三年的实践,我们强烈的感受到自动驾驶整车,而不是自动驾驶单一系统的前装量产和系统级开发,是全行业的稀缺能力。”同时,他还强调:“说到量产能力,大家很容易联想到产业资源、资源运作。其实完全不是这样。量产的底层逻辑还是技术。自动驾驶整车的量产需要更前沿和创新的算法,构建极其复杂的人工智能系统和极致的工程能力。”

          马喆人介绍,在量产开发过程中,赢彻科技也感受到了流程和体系带来的一系列全新挑战。“整车量产流程的严谨性、软件开发的敏捷性,还有深度学习的不可预测性,三者之间有很多冲突,需要对多个开发流程融合创新。”

          贏彻科技执行副总裁黄刚透露,在这个系统且严谨的漫长过程中,赢彻科技先后生产了17批次超过百台的样车、完成了322个量产专用件的设计开发、经历151次软件快速迭代、解决了2769个软件测试问题,并协助主机厂伙伴新增或改造40多个生产线工位,实现了超过180项自动驾驶相关的制造及质检工艺优化。

          在成立之初,赢彻科技秉承“全栈自研、量产导向、产业合作”的技术信仰。马喆人将其称之为“这是一个难但是正确的选择”。目前,赢彻科技已经量产两款车型,下线数量超过200台,每台车每天运行里程为600-1200公里。截至今天,赢彻科技量产卡车的自动驾驶状态下的商业化运输里程已经超过600万公里。值得关注的一个重点是,2021年12月,赢彻科技全无人状态的L4级重卡,在山东莱芜顺利完成中国最复杂的24公里封闭测试道路,而且L4车型与现在的量产车型使用相同的平台。

          02 清晰且有针对性的技术路线

          尽管商业化方面,自动驾驶卡车快于乘用车,但是算法进化上却不算先进。

          杨睿刚介绍,赢彻科技的技术路线按照三步走的节奏规划,1.0阶段量产万台级、2.0阶段在研十万台级、3.0阶段预研。其中,1.0阶段,算法方面的部署分别是超长距纵向+高精度横向感知、自适应鲁棒控制算法ARC1.0、节油算法FEAD1.0;2.0阶段,多传感器前融合+时空一体感知、决策规控一体化+ARC2.0、节油算法FEAD2.0;3.0阶段,从监督式学习到无监督学习,实现自动驾驶系统基于数据的自我演化。

          “为了满足在传感器和计算平台受限的条件下,我们正在建立一个基于Transformer的统一感知框架。我们使用Transformer把图像从透视图变成鸟瞰图。在做多传感器融合的时候,我们把Transformer用在不同传感器feature的有机结合上。这样的模型,不仅对深度学习的精度有所提高,而且对小物体的监测有更好的表现。”杨睿刚提出,从1.0到2.0转变的过程中,感知方面遇到的挑战可以被新的算法解决,比如小物体感知、卡车横向位置、异型车超宽、冰雪路面和雨雾天气。

          目前,Transformer、鸟瞰图在乘用车领域,特斯拉、毫末智行、地平线等企业已经将其应用实践过程中。事实证明,这一方法在卡车领域的效果也比较明显。杨睿将其称之为是一种潮流,采用多模态多视角Transformer前融合感知架构,在将算法模型轻量化之后,深度学习的计算量降低了50%。

          不过,相对于乘用车,自动驾驶卡车有其特殊性,除了安全和舒适之外,还需要考虑经济性和耐久性。杨睿刚认为,还有一个难点在于“这些因素往往是互相博弈的”。他介绍:“为了保持车辆的精确度,我们必须不算的调整车的转向,会造成转向机构寿命下降。另外,和乘用车相比,不同卡车之间的参数差异比较大,导致无法用一个静态模型适配大量量产车型。因此,我们创造性的研发了一套规控一体化框架,实现规划和控制的紧耦合,解决运营条件下重卡运行的诸多矛盾。”

          另外,随着自动驾驶能力的进一步升级,算力和数据的推进必须跟上。杨睿刚介绍,赢彻科技正在开发第二代车规级计算平台,单板算力高达262KDMIPS+256TOPS,架构支持拓展至1000TOPS以上,具有尺寸更小、性能更佳、成本更低的优势。

          在数据闭环方面,赢彻科技采用影子模式,减少数据回传带来的巨大成本。杨睿刚介绍,赢彻科技采用的增强影子模式与传统影子模式不同。传统影子模式只是比较人类驾驶和机器驾驶。在增强影子模式里,系统运行两个独立的算法驱动实际卡车运行和虚拟卡车,对比实际卡车和虚拟卡车之间的行为差异,进而记录数据。该方式的优势在于,第一,提供长时间的行为记录,比如油耗;第二,实现实时的AB测试,提升算法迭代的效率;第三,提升数据采集精度,降低数据采集成本。

          至此,赢彻科技在算力、算法、数据三个关键要素上完成系统部署,自动驾驶能力提升具备数据驱动的基础,量产规模将成为下一步发展的重点,也是第二阶段的目标。


          (审核编辑: Model)

          国产精品亚洲Av无码
          <ruby id="p6jhh"><table id="p6jhh"><b id="p6jhh"></b></table></ruby>

            <rp id="p6jhh"><object id="p6jhh"><blockquote id="p6jhh"></blockquote></object></rp>
          1. <button id="p6jhh"><object id="p6jhh"></object></button>
            1. <dd id="p6jhh"><track id="p6jhh"></track></dd>
              1. <rp id="p6jhh"></rp>