2023年上海經(jīng)信委5月中旬表示：上海將進(jìn)一步深化與特斯拉的合作，推動(dòng)自動(dòng)駕駛、機(jī)器人等功能板塊在滬布局。廣大網(wǎng)友猜測特斯拉的FSD即將進(jìn)入中國；

2023年6月29日小鵬G6發(fā)布會(huì)上，何小鵬向廣大小鵬車主宣布XNGP已經(jīng)在上海、深圳、廣州、北京等一線城市開通點(diǎn)到點(diǎn)的城市NGP，適用車型為G9及P7i Max版，還有剛上市的G6 Max版。預(yù)計(jì)年底開放50個(gè)城市，2024年底開放200個(gè)城市，覆蓋中國大部分二三線城市；

2023年4月16日，華為舉辦了2023智能汽車解決方案大會(huì)，推出了最新一代智駕系統(tǒng)ADS 2.0，ADS 2.0可實(shí)現(xiàn)無圖商用輔助駕駛，目前基于高精度地圖已經(jīng)開放上海、廣州、深圳和杭州，預(yù)計(jì)今年第三季度推出無圖方案，且計(jì)劃年底在開放45個(gè)城市。

2023年6月17日，首屆理想家庭科技日在理想汽車常州智能制造基地舉行，理想汽車開發(fā)的AD MAX3.0在本月即將開啟城市NOA內(nèi)測;預(yù)計(jì)年底開發(fā)百城；

2023年7月蔚來汽車宣布蔚來NOP+增強(qiáng)領(lǐng)航輔助功能在北京五環(huán)內(nèi)的高速公路和城市快速路上線。至此，蔚來NOP+在北京二環(huán)、三環(huán)、四環(huán)、五環(huán)等城市環(huán)路及快速路、高速公路實(shí)現(xiàn)全覆蓋。

2023年4月智己 汽車在 IM AD DAY 上正式發(fā)布智己高速 NOA：L7 4 月底開啟推送，LS7 車型預(yù)計(jì) 6 月份推送；首批開放城市為上海、蘇州、杭州、嘉興、湖州；兩款車型的 NOA 功能將在年內(nèi)面向全國高速高架開放。

2023年4月11日毫末智行在第八屆HAOMO AI DAY上宣布，城市NOH即將量產(chǎn)上車， 最先落地北京、上海、保定等城市。

以上為典型的主機(jī)廠今年推出城市NOA自動(dòng)駕駛，基本可做到城市道路無接管，這標(biāo)志著自動(dòng)駕駛的奇點(diǎn)即將到來；自動(dòng)駕駛奇點(diǎn)意味著系統(tǒng)可以處理復(fù)雜多變的城市交通環(huán)境,實(shí)現(xiàn)真正的無人值守。這將極大推動(dòng)汽車產(chǎn)業(yè)的變革,使得汽車從傳統(tǒng)的交通工具轉(zhuǎn)變?yōu)橐苿?dòng)的智能終端。車內(nèi)空間設(shè)計(jì)將更人性化,車聯(lián)網(wǎng)、智能調(diào)度等技術(shù)也將成熟運(yùn)用。自動(dòng)駕駛將解放人類的出行時(shí)間,使我們不再受交通工具的限制。我們可以在?車內(nèi)工作、學(xué)習(xí)、娛樂,而無需操縱方向盤。汽車將變?yōu)槿藗円苿?dòng)的家；下面我們從先從算法角度對(duì)比各家的自動(dòng)駕駛實(shí)力；

• Tesla自動(dòng)駕駛算法

2021年Tesla在AI DAY2021年,特斯拉在AI Day上發(fā)布了采用BEV(鳥瞰圖)加Transformer架構(gòu)的自動(dòng)駕駛感知算法,特斯拉這種融合BEV鳥瞰圖和Transformer的算法架構(gòu),最大的創(chuàng)新在于實(shí)現(xiàn)了從以往更依賴CNN局部特征提取的方法向著強(qiáng)化全局環(huán)境感知能力的轉(zhuǎn)變。BEV鳥瞰圖塑造出豐富的空間信息,為檢測和跟蹤目標(biāo)提供了有力支持。而Transformer通過機(jī)器學(xué)習(xí)各個(gè)目標(biāo)之間的關(guān)系,可以更深入理解復(fù)雜場景,而不僅僅局限于單一物體識(shí)別。這種全局性的建模手段增強(qiáng)了模型對(duì)環(huán)境干擾的魯棒性,展現(xiàn)出更出色的泛化能力。同時(shí),Transformer也讓多源傳感器的數(shù)據(jù),如圖像、雷達(dá)等能夠有效融合,形成更統(tǒng)一、全面的場景認(rèn)知，同時(shí)transformer具有時(shí)序信息，相當(dāng)于可記住前后多幀的信息，使其無懼遮擋。在行為預(yù)測方面,BEV和Transformer的優(yōu)勢疊加,使得模型可以更準(zhǔn)確預(yù)測車輛的運(yùn)動(dòng)趨勢和意圖。綜上所述,這種新架構(gòu)在空間信息表達(dá)、關(guān)系建模、多模態(tài)感知、魯棒性等多個(gè)方面顯示出突破,可以持續(xù)通過大數(shù)據(jù)集訓(xùn)練進(jìn)一步提升,為自動(dòng)駕駛的安全性和效果提供有力保障。

2022年Telsa AI DAY提出了Occupancy Network通過建模車輛周圍的占用網(wǎng)格地圖,實(shí)現(xiàn)了對(duì)物體占據(jù)空間信息更精確的建模。這種方法超越了傳統(tǒng)只依賴框定位或關(guān)鍵點(diǎn)的方法,為每個(gè)柵格單元預(yù)測目標(biāo)存在的概率,從而實(shí)現(xiàn)對(duì)物體形狀的精細(xì)化建模。相比BEV僅從鳥瞰角度獲取空間信息,Occupancy Network可以從多個(gè)視角捕捉物體3D形狀,理解能力更強(qiáng)。同時(shí),Occupancy Network也繼承了Transformer的關(guān)系建模優(yōu)勢,學(xué)習(xí)不同物體之間的交互作用,實(shí)現(xiàn)多對(duì)象的聯(lián)合感知。這種詳盡的3D空間建模和多對(duì)象關(guān)系學(xué)習(xí),使得自動(dòng)駕駛系統(tǒng)可以更準(zhǔn)確預(yù)測物體運(yùn)動(dòng),對(duì)復(fù)雜交通環(huán)境做出更智能的回應(yīng),從而提升了自動(dòng)駕駛的安全性。

• 小鵬XNGP XNET

在2022年1024科技日上,小鵬汽車發(fā)布了自主研發(fā)的多傳感融合感知網(wǎng)絡(luò)XNet。該系統(tǒng)通過多相機(jī)及雷達(dá)進(jìn)行的數(shù)據(jù)采集,經(jīng)過深度學(xué)習(xí)算法的處理,實(shí)現(xiàn)實(shí)時(shí)高精度3D場景建模和高精度地圖生成。XNet采用了BEV鳥瞰視角下的Transformer架構(gòu),有效實(shí)現(xiàn)了多個(gè)圖像源的融合。網(wǎng)絡(luò)輸出目標(biāo)的靜態(tài)及動(dòng)態(tài)屬性,包括位置、姿態(tài)、尺寸、速度等。更進(jìn)一步,該網(wǎng)絡(luò)可以預(yù)測目標(biāo)的運(yùn)動(dòng)軌跡,大幅提升了自動(dòng)駕駛的規(guī)劃與控制能力。通過BEV建模與Transformer的關(guān)系學(xué)習(xí),XNet實(shí)現(xiàn)了對(duì)環(huán)境的精確感知理解。該系統(tǒng)的應(yīng)用為小鵬汽車的自動(dòng)駕駛提供了關(guān)鍵感知支撐,有助于其在復(fù)雜多變的實(shí)際道路環(huán)境中,實(shí)現(xiàn)更安全、更智能的自主駕駛。

• 華為ADS2.0 GOD

2023年4月16日華為自動(dòng)駕駛系統(tǒng)ADS 2.0實(shí)現(xiàn)安全駕駛的關(guān)鍵在于其業(yè)界首創(chuàng)的GOD多傳感器融合感知網(wǎng)絡(luò)。該系統(tǒng)通過激光雷達(dá)、毫米波雷達(dá)與攝像頭采集數(shù)據(jù),并基于深度學(xué)習(xí)算法進(jìn)行多源數(shù)據(jù)的融合處理。這種由底層架構(gòu)支持的多模態(tài)感知,實(shí)現(xiàn)了對(duì)各類異形障礙物的準(zhǔn)確識(shí)別,如側(cè)翻車輛、大箱子等,并能夠快速作出減速和剎停的反應(yīng),從而提升整體的道路安全性。最新版本基于道路拓?fù)渫评砭W(wǎng)絡(luò),即使在沒有高精地圖支持的情況下,也能對(duì)路況環(huán)境進(jìn)行感知理解,正確識(shí)別紅綠燈等關(guān)鍵元素,實(shí)現(xiàn)無圖也能安全導(dǎo)航的功能。通過先進(jìn)的多傳感器融合和場景理解算法,華為ADS 2.0為不同自動(dòng)駕駛場景提供強(qiáng)大的環(huán)境感知與決策能力,是當(dāng)前自動(dòng)駕駛技術(shù)領(lǐng)域的領(lǐng)先產(chǎn)品之一。

• 理想AD MAX3.0

為實(shí)現(xiàn)對(duì)路口交通場景的精確感知,理想采用了Occupancy網(wǎng)格分割網(wǎng)絡(luò)對(duì)目標(biāo)進(jìn)行精細(xì)邊界建模。經(jīng)過大量實(shí)際道路數(shù)據(jù)訓(xùn)練后,該網(wǎng)絡(luò)的目標(biāo)識(shí)別能力和精度已大幅提升。同時(shí),開發(fā)了神經(jīng)先驗(yàn)網(wǎng)絡(luò)(NPN)來實(shí)現(xiàn)路口特征的提前提取與存儲(chǔ)。當(dāng)車輛再次進(jìn)入已記錄的路口時(shí),存儲(chǔ)的NPN特征會(huì)與實(shí)時(shí)感知進(jìn)行融合,以輸出更準(zhǔn)確的路口交通狀況。

另外也設(shè)計(jì)了端到端的信號(hào)燈意圖網(wǎng)絡(luò)(TIN)。該網(wǎng)絡(luò)通過學(xué)習(xí)人類駕駛員對(duì)紅綠燈變化的響應(yīng),實(shí)現(xiàn)無需明確識(shí)別信號(hào)燈位置的情況下,直接輸出車輛應(yīng)采取的動(dòng)作,如左轉(zhuǎn)、直行等。輸入為原始圖像序列,輸出為駕駛規(guī)劃意圖預(yù)測。上述算法的應(yīng)用使得我們?cè)趶?fù)雜城市道路環(huán)境中，可以實(shí)現(xiàn)城市記憶行車，解決80%的通勤問題。

• 蔚來NOP+

據(jù)蔚來自動(dòng)駕駛研發(fā)負(fù)責(zé)人任少卿反饋，NOP+是在蔚來第二代技術(shù)平臺(tái)NT2.0的基礎(chǔ)上，從感知、規(guī)劃、控制等方面進(jìn)行全棧自研的成果。并且在研發(fā)架構(gòu)上，采用了與特斯拉FSD V11類似的單堆棧思路，在統(tǒng)一的架構(gòu)之下針對(duì)不同場景進(jìn)行開發(fā)。目前蔚來還未透露自動(dòng)駕駛算法的詳細(xì)架構(gòu)；

• 智己NOA

在智己NOA發(fā)布會(huì)上,智己汽車發(fā)布了業(yè)內(nèi)首個(gè)基于大數(shù)據(jù)驅(qū)動(dòng)的決策規(guī)劃算法D.L.P。該系統(tǒng)運(yùn)用深度學(xué)習(xí)模型,針對(duì)汽車在復(fù)雜交通環(huán)境下的認(rèn)知能力進(jìn)行提升。基于D.L.P.,智己的智能駕駛系統(tǒng)可以提高對(duì)復(fù)雜環(huán)境變化的預(yù)測預(yù)判能力,從而優(yōu)化啟停、匯流等行為規(guī)劃,以更類似人類駕駛的方式提升通勤效率。此外,智己也在開發(fā)DDOD多傳感器目標(biāo)檢測模型和DDLD場景元素檢測模型。DDOD通過模型驅(qū)動(dòng)目標(biāo)檢測,可以提升感知能力。DDLD可以在沒有高精地圖支持下,檢測交通關(guān)鍵元素,實(shí)現(xiàn)無圖導(dǎo)航。通過數(shù)據(jù)驅(qū)動(dòng)的先進(jìn)算法,智己的決策規(guī)劃、環(huán)境感知功能實(shí)現(xiàn)重要升級(jí)。這表明智己正在加速推進(jìn)其智能駕駛技術(shù)的商業(yè)化進(jìn)程,以數(shù)據(jù)為先導(dǎo),構(gòu)建更智能、更安全的自動(dòng)駕駛解決方案。

• 毫末智行 NOH

2021年12月毫末發(fā)布了類似特斯拉“九頭蛇”的新型多傳感器直接融合感知網(wǎng)絡(luò)。該網(wǎng)絡(luò)的底層骨干網(wǎng)絡(luò)同時(shí)輸入圖像和點(diǎn)云數(shù)據(jù),進(jìn)行早期特征的聯(lián)合提取。提取到的特征圖輸入到兩個(gè)分支子網(wǎng)絡(luò),一個(gè)負(fù)責(zé)路面元素識(shí)別,一個(gè)負(fù)責(zé)可行駛區(qū)域分割。路面元素識(shí)別分支包含多個(gè)子網(wǎng)絡(luò),可檢測車道線、停止線等關(guān)鍵元素。與簡單的多傳感器結(jié)果融合不同,毫末采用了更深層次的多數(shù)據(jù)源直接融合方式。在底層特征提取后,網(wǎng)絡(luò)還利用RNN和光流SLAM進(jìn)行時(shí)空信息的融合,輸出包含時(shí)序動(dòng)態(tài)信息的環(huán)境表示。這種直接的多源數(shù)據(jù)融合和時(shí)空建模,為毫末的感知網(wǎng)絡(luò)提供了更強(qiáng)大的動(dòng)態(tài)場景理解能力?？傮w而言,該網(wǎng)絡(luò)展示了毫末在多傳感器融合算法和自動(dòng)駕駛感知領(lǐng)域的研發(fā)實(shí)力。該結(jié)構(gòu)可實(shí)現(xiàn)更精細(xì)、更智能的環(huán)境全方位感知,有助于毫末構(gòu)建更安全可靠的智能駕駛系統(tǒng)。

• 飛凡汽車 RISING PILOT

? 2022年10月飛凡汽車的 PP-CEM? 算法搭載飛凡R7上市，它是飛凡汽車自研的一套像素級(jí)點(diǎn)云融合高階智駕方案，是 Pixel Point Cloud (多源感知體系）和 Comprehensive Environment Model（多維度環(huán)境模型）的縮寫。它智能駕駛的核心點(diǎn)是搭載了大陸的4D毫米波，提出了全融合的算法概念，猜測前融合采用類似bev的算法，將8顆攝像頭、激光雷達(dá)、4D毫米波雷達(dá)的數(shù)據(jù)先經(jīng)過encoder的層級(jí)，然后進(jìn)入Cross Attention層，生成多模態(tài)的3D特征。針對(duì)多模態(tài)的3D特征再進(jìn)行時(shí)間序列的處理，實(shí)現(xiàn)4D特征融合；2023年上半年，RISING PILOT也升級(jí)了采用occupancy network算法，能進(jìn)一步提升對(duì)異形或位置障礙物的感知；

以上為幾家典型主機(jī)廠的算法介紹，都采用了最新的bev+transformer算法，?且逐步研發(fā)重感知輕地圖方案，從算法落地角度你認(rèn)為那幾家是第一梯隊(duì)？請(qǐng)?jiān)谠u(píng)論區(qū)留言。