nullmax纽劢越过山丘,前装量产是件难而正确的事-pg电子官方
过去很长一段时间里,前装量产曾被看作是自动驾驶技术含量偏低的一个领域,而且由于价值太低,以至少人问津。
随着时间推移,这样的误解越来越少,行业内外的看法也发生了180度的巨大转变。汽车厂商纷纷推动智能驾驶上车,市场层面直接验证了前装量产的巨大价值。质疑量产,理解量产,选择量产,成为了自动驾驶领域的真实写照。
在亲身实践后,许多从业者也发现前装量产的难度其实超过预期。从实现无人驾驶的角度来看,渐进式路线在技术和商业上更为可行,前装量产其实是件典型的难而正确的事情。
对于这一点,有的玩家是后知后觉,有的玩家则是早有预见,把握先机完成了技术的布局和商业的突破。在这当中,长期潜心推进量产应用的nullmax纽劢是为数不多的后者。
作为一家“非典型”的自动驾驶公司,nullmax没有在一开始就强调无人驾驶的量产,也没有为自己的方案配上豪华的硬件,而是做了许多不被理解但之后证明正确的事情。比如,坚持渐进式的路线,打造视觉为主的方案,不依赖激光雷达,不依赖高精地图,推出行泊一体系统,为硬件做减法来降本增效,等等。
在nullmax看来,无人驾驶不可能一蹴而就,渐进式自动驾驶是实现无人驾驶的最佳路线。前装量产是渐进式路线主要的落地方式,拥有无可比拟的数据优势,既能够最快程度地训练出实现无人驾驶的ai系统,也能带来持续的商业收入支持无人驾驶的长期研发。不过在两全的背后,需要应对的挑战和付出的努力也是成倍。
为此,nullmax打造了一套尤为完善的平台化技术体系,涵盖感知、规控等所有的上层应用以及中间件,提供从车端到云端所需的软件算法,以解决自动驾驶开发、部署、升级过程中可能遇到的各种难题,并面向汽车行业推出了满足不同需求的智能驾驶、视觉感知产品,让技术尽可能服务于更多的量产车辆。
实质性的量产突破是渐进式道路上的关键一步。在2021年获得首个量产项目,2022年完成首个交付之后,nullmax翻过了量产路上的第一座山丘,在无人驾驶的路上加速前进。
无人驾驶没有捷径,量产可以少走弯路
在自动驾驶的浪潮初期,行业对无人驾驶的实现路径有不同认识。一种主流的看法是应当先实现小范围的无人驾驶然后再逐步扩大范围,被称为跨越式路线;另一种相对小众的看法是先实现大范围的人车共驾然后再逐步减少司机的干预,被称为渐进式路线。
由于nullmax的创始团队曾亲身推动并完整经历了自动驾驶的大规模落地,对自动驾驶的研发和大规模应用有着深入的理解,因此nullmax从一开始就是渐进式路线的坚定支持者。
在创业之前,ceo徐雷博士曾先后在高通、特斯拉工作,并作为autopilot研发团队的核心成员和tesla vision的深度学习负责人,从零开始领导搭建tesla vision深度学习网络,成功取代了特斯拉第一代产品中使用的mobileye视觉系统。
nullmax的另一位创始人兼coo宋新雨,曾任特斯拉研发质量和供应链部门高级经理,作为autopilot及娱乐系统开发团队骨干成员,深度参与了autopilot 1.0和autopilot 2.0系统的开发和产品化过程。
在经历了autopilot 1.0和autopilot 2.0的开发过后,nullmax的两位创始人认为渐进式自动驾驶在本质上是大数据驱动的机器学习问题,它在实现l4级无人驾驶上比跨越式路线更具优势。
当时,特斯拉的量产车辆已经售往包括欧美在内的世界多地,研发团队意识到真实世界的场景其实非常多样,各种极端场景难以想象。尤其是大量未知的不安全场景,很难通过仿真系统模拟出来,只有通过规模庞大、遍及各地的量产车队在实际应用中一点点发现。
跨越式路线通常是在小区域里训练出一套出色的无人驾驶系统,然后再扩大范围,但因为过拟合的问题,原区域训练的系统很难在新的区域保证效果。而小范围的应用、小规模的车队,在数据的规模和多样性上也不具备优势。
要想最终实现广泛可用、真正安全的无人驾驶,渐进式路线其实是一种更高效的方式。根据国际汽车制造商协会数据,2022年全球汽车销量约为8163万辆,前装量产可以为渐进式路线提供绝对充足的海量数据,训练自动驾驶系统,验证功能的可用性。
而且在这当中,乘用车占了极大比例,尤其是中国市场,乘用车的销量占比超过八成。如果以乘用车前装量产的方式,为普通消费者提供成熟可用的功能,撬动自动驾驶的渐进式落地,其实在技术和商业上都更为可行。而前装量产发展出的能力,同样也可以应用到更多领域。
在nullmax看来,自动驾驶的渐进是全方位的渐进。功能从简单到复杂,场景从高速到城区,车辆从有人到无人,应用从载人到运货,都是一步步渐进的过程,尽管周期漫长,但每个阶段都可以利用成熟技术输出成果,并以商业的落地反哺技术的迭代。
比如行泊一体,就是典型的例子。从场景的角度来讲,自动驾驶可以粗略分为行车、泊车场景,行车场景可以再细分为结构化道路和非结构化道路。在前装量产的渐进策略上,nullmax选择了先实现城市快速路、高速公路等结构化道路行车场景以及泊车场景的高阶功能,然后实现城市道路等非结构化道路的高阶功能,一步一步减少场景碎片,最终达到全场景自动驾驶。
因此,nullmax在2019年就发布了同时具备高速代驾、拥堵跟车、自主泊车功能的行车、泊车一体化系统。在技术层面,行泊一体系统提供面向所有场景的基础adas功能以及面向高速、停车场等场景的高阶功能,在自动驾驶的应用初期最大程度地覆盖更多场景,并持续进化迭代;而在商业层面,则是通过芯片、传感器的深度共享复用,降低自动驾驶的硬件成本,提高量产的规模。
于是nullmax的行泊一体方案早早获得了量产订单,而行泊一体随后也在2022年成为了产业的主要趋势。并且行泊一体落地带来的海量数据,也正推动自动驾驶的性能、功能和场景不断进化。
如果用一个词来描述nullmax的渐进式路线,“守正出奇”或许最为合适。nullmax相信无人驾驶遵循客观发展规律,不可能一蹴而就,以渐进方式逐步扩大应用规模,通过海量数据驱动自动驾驶成长迭代,是实现无人驾驶的合适路线。
放眼长远应用,坚持做正确的事情
视觉信号是人类获取信息最主要的方式,也是自动驾驶最主要的数据来源。
从信息论的角度来说,视觉信号的熵极高,蕴含丰富信息,几乎所有的感知任务都可以通过视觉感知完成。同时,视觉数据广泛存在于真实世界,易于获取,可以为自动驾驶系统的训练提供充足数据。所以在发展渐进式自动驾驶的道路上,nullmax坚定选择了视觉为主、多传感器融合的感知方式。
尽管在早期,激光雷达、高精地图几乎是所有自动驾驶方案的标配,而且视觉感知研发的周期更长、难度更大,nullmax也没有动摇想法。因为nullmax认为视觉感知拥有成熟的应用基础,性能全面、性价比高,关键的软件算法以及对应的传感器硬件都处于快速发展当中,无论是在当下还是未来,都更适合作为主要的感知方式。
比如,百万起步的像素水准,由广及窄的视场角度,高帧率的信息采集,以及对于形状、颜色、纹理等信息的全方位获取,都是摄像头对比激光雷达、毫米波雷达等新旧传感器的独到优势。而且视觉感知对应的检测、分割等算法,也是ai领域发展最快的部分之一。
在量产应用当中,视觉感知不是像激光雷达、毫米波雷达等感知方式那样,直接发射电磁波测算距离、速度信息,而是通过神经网络进行实时推理,所以对ai方面的能力要求极高。从数据的采集、筛选、标注,到ai模型的设计、训练、迭代,再到车端的实时推理、计算,每个环节都需要高效地运转。
虽然其中的挑战巨大、难题繁多,但是一旦具备了这样的视觉感知能力,开发者也就掌握了自动驾驶开发的主动权,能够不受限制地开发各种功能,同时也具备了以海量数据驱动自动驾驶ai持续迭代的能力。
nullmax从一开始就确立了视觉为主的感知方式,因此形成了非常全面且深厚的技术积累。无论是大众熟知的车道线检测、障碍物检测、局部地图构建等感知任务,还是这些任务背后的自动化标注、高效率训练,又或者完全平台化的开发部署、端到端的神经网络,nullmax都早早进行了研发,率先应用到实际的项目当中。
其中一个典型的例子就是bev技术的研发。在视觉感知的研发过程中,为了解决多相机融合、多传感器融合以及时间空间信息融合的难题,nullmax在2020年就研发了bev感知基础架构,并在之后不断完善,形成了整体的bev-ai自动驾驶技术架构,应用到实际项目当中。因为早在nullmax的创始团队研发autopilot 2.0的时候,就已经了解多摄像头感知系统当中面临的技术挑战。
凭借视觉感知方面的深厚积累,nullmax不仅可以根据自己的需求进行灵活的开发,提供具备一流性能和体验的完整方案,而不依赖第三方;而且在量产部署中,也能够支持任意的传感器配置,自由选择合适的芯片平台,扩大技术落地的规模。
在现实应用当中,不同车型很难保证硬件的统一,而且常常差异巨大,因此保留技术部署的灵活性对于渐进式自动驾驶而言意义重大。特别是自动驾驶作为一种通用的平台型能力,除了前装量产以外还可以支持其他应用,技术上更应该避免使用受限。
为此,nullmax在最开始就打造了专门的自动驾驶中间件,开发平台化的技术架构。因为一套固定的方案即便再受欢迎,也很难应用到多款车上,部署的规模相对有限。但如果这套方案足够灵活,从软件到硬件都可以按需配置,适合多种类型的应用,兼具效率和成本优势,那么应用的规模必然将会扩大。
在这样的技术体系之下,nullmax实现了产品方案的平台化输出,不仅能够通过差异化的配置满足高中低不同智能驾驶需求,也能够扩大自动驾驶的量产规模,获得更丰富多样的数据。
高配置方案的特点是可以支持更复杂的功能,不过量产规模相对较小;而低配置方案在同样覆盖行泊场景的前提下,因为部署规模极大的特点,拥有量级更大、更加多样的数据优势。所以通过高中低配置实现大范围的量产部署,从数据层面而言对渐进式自动驾驶来说也更为合适。
普通人对于自动驾驶数据存在着许多的认知误区。比如,低精度的数据对于无人驾驶没有作用,自动驾驶的里程数代表着数据的丰富程度,非自动驾驶状态的数据没有作用,等等。
实际上,海量低精度数据对于自动驾驶的提升价值远远大于少量高精度的数据,巨大规模和丰富多样性带来的数据优势超过单一的数据精度。同样的,如果数据量很大,但是数据单一或者无法有效利用,那么数据的价值也会大打折扣。而在系统运行的时候,无论高阶功能是否激活,一些系统模块都会在后台保持运转,以支持aeb等主动安全功能,以及功能的快速激活等等,期间同样会处理许多有价值的数据。
因此对于渐进式路线来说,走向无人驾驶的关键其实是扩大自动驾驶的应用规模。为此,开发者需要分析市场主流的需求,开发有吸引力的方案,覆盖尽可能多的车辆。这正是nullmax过去几年一直在做的事情,尽管周期更长、技术更复杂,但长远来看价值也会更大。
也正是因为这样,nullmax在自动驾驶的量产进展上收获颇丰,不仅获得了多家客户的量产订单,不同配置方案先后实现量产定点,也早早开始了方案的交付,开启技术与商业的正向循环。
在这背后,既有超前的洞见,也有充分具体可行的战略规划,更有数年如一日的坚持。
渐进式路线从来不是一条简单的路,但是在完成前装量产的上车应用过后,nullmax已然越过了通往无人驾驶的第一座山丘,在渐进之路上越走越快。