日前，全球领先的无人驾驶通用解决方案公司轻舟智航举办了首届技术工作坊，首次全面分享了轻舟智航在感知，PNC，数据等城市核心技术方面的NOA最新成果和独特优势，充分展示了轻舟基于数据，感知，以最强PNC引领城市NOA迈向新高度，携手生态伙伴打造最适用的自动驾驶解决方案的价值主张。
轻舟智航不仅创新性地将辅助驾驶的用户价值认知划分为能用，好用，爱用三个阶段，还正式公布了QCraft的中文名称Driven—by—QCraft，意为总有一天我会登上长风破浪，直起我的云帆，架起深深的深海融合了轻舟前沿的全栈软硬件技术，全力推动NOA在城市的量产落地
图1风中泛舟品牌标志
NOA是辅助驾驶的天花板，也是无人驾驶的门槛。
2022年是NOA城市发展的里程碑年它代表了当前智能汽车核心竞争力的重要标志，也是满足消费者对智能驾驶期望的关键技术
轻舟智航联合创始人兼CTO侯聪分享了轻舟智航对城市NOA的思考和理念他说，NOA市区是辅助驾驶的天花板，也是无人驾驶的入门门槛已经成为高端智能汽车的大势所趋，也是消费者的期待我们会继续扩大NOA在城市中的ODD，让辅助驾驶从有用到好用，最终让用户爱不释手有了更通用的智能驾驶，开车就像打车一样轻松
在保证安全的前提下，轻舟智航坚持打造场景更多，性价比更高的城市NOA方案，而一个lidar城市NOA是现阶段实现这一目标最务实的方案感知，PNC等底层软硬件架构的能力优势，以及数据驱动R&D模式的长期积累，为加速NOA在城市的登车，实现快速量产提供了全面的技术支持
超融合感知，首次在量产计算平台上实现多传感器特征和时序融合。
感知就像司机的眼睛一样，是NOA在城市中的重要基础感知模型需要准确高效地观察和认知世界，为下游任务提供有效的数据支持同时还需要满足车级计算平台的适配，有效解决复杂路况下的各种长尾问题
城市中的NOA是通过高楼大厦来感知的，轻舟智航感知负责人张宇说光船独有的‘超融合’感知方案，拥有领先的‘多传感器时序交错融合’技术，可以使不同阶段的感知模型相互补充，利用不同的传感器信息得到更好的融合结果，避免了各种误检和漏检，准确率高，鲁棒性强
基于超融合感知方案，轻舟智航提出了OmniNet，这是国内首个在量产计算平台上实现视觉，激光雷达，毫米波雷达特征和时间序列融合的大型模型一个神经网络可以实现视觉，激光雷达，毫米波雷达在BEV空间和图像空间的多任务输出
与传统方案相比，OmniNet可以提供更丰富，更准确的环境感知结果，有效提高感知精度，可以节省2/3的计算资源，满足车辆仪表芯片的应用需求，低成本适应不同厂商的传感器配置，更适合通过数据驱动解决实际道路面临的长尾问题，以更精准的感知，更适应的车端，更高效的迭代更好地满足城市NOA的量产需求。
图2 OmniNet模型架构
通过包括OmniNet在内的感知算法能力，轻舟智航可以充分利用激光雷达，实现行业领先的通用障碍物识别能力和噪声过滤能力不仅能有效识别车辆，人群，植被，护栏，锥筒，小动物，施工区域等常见的道路交通参与要素，还包括各种奇怪的或不寻常的具有罕见长尾的障碍，以便更好地处理城市中的长尾问题渐进式的噪声过滤方案，也能最大限度地消除雨，雾，泛光灯等噪声对感知的干扰，充分提高安全性
独家时空联合规划技术，以世界观打造国内最佳PNC方案
PNC就像驾驶员的大脑一样，负责在复杂的城市路况下，引导车辆完成导航，预测，决策规划，控制等一系列操作对于驾驶效率和舒适性至关重要，是真正打动用户的核心关键
PNC的NOA是最好的城市，轻舟智航的技术合作伙伴董力说轻舟智航可以提供中国最好的PNC方案我们致力于从空间和时间的角度看待和解决自动驾驶的各种问题，前瞻性地选择了更适合中国复杂路况的决策规划技术框架，独家实现了业界公认的更好的时空联合规划算法
时空成本效益法原理示意图
联合时空规划算法原理示意图
时空联合规划算法可以直接求解空间和时间上的最优轨迹像老司机一样可以同时控制车辆的方向和速度，更接近实际驾驶行为，可以灵活应对国内各种复杂路况
相比之下，业内广泛采用的时空分离规划会将轨迹规划拆分为路径规划和速度规划两个问题，无法同时计算路径和速度，僵化不灵活不仅如此，时空分离规划的研发很大程度上依赖于手写规则和大量的路测，而时空联合规划只需要很少的手写规则，具有更高的人工效率，更适合利用人类驾驶数据，通过机器学习不断提高算法效率
时空分离规划算法
时空联合规划算法
灵活的时空联合规划可以让车辆驾驶更智能，更高效，更舒适在实际行驶过程中，当车辆面临动态障碍物的相互作用时，时空联合规划可以使车辆提前把握最佳时机选择最佳行驶轨迹，更加顺畅地完成车辆之间的博弈，而不会出现反复急刹车的情况车辆在多车道行驶时，可以通过对前方车流量和速度的判断，灵活变换车道，选择更快的路线，而不是随车硬性减速
预测方面，轻舟智航研发的Prophnet预测模型可以提供10秒的长期意向和轨迹预测，预测时间国内领先该模型可同时计算数百个障碍物，每个障碍物提供三条预测轨迹，推理时间小于20ms，完全满足实时计算要求根据权威公开数据集Argoverse的评测结果，canoe的Prophnet模型无论是预测效果还是预测时间都领先于同行，真正可以用于实车量产
轻舟智航领先的PNC性能和R&D效率得益于数据驱动的R&D模式目前，数据驱动已经在感知等模块的研发中显示出巨大的价值可是，由于PNC模块中规则系统的广泛使用，数据驱动的实现一直是业界尚未克服的重要问题
轻舟智航采用的时空联合规划，在运营模式上更接近实际驾驶行为，因此可以直接利用人类驾驶数据对模型进行持续训练通过自动驾驶数据和人工驾驶数据的自动标注，canoe构建了包含道路，环境，自驾行为意图等信息的驾驶数据仓库，可以通过所想即所得的数据查询，快速挖掘和评估各种数据和场景，快速发现和解决算法中存在的各种问题
实现PNC的数据驱动，也意味着canoe基本打通了数据驱动在整个自动驾驶R&D系统中的应用，引领了R&D范式的创新。
得益于L4的数据资源和工具链优势，赋能城市NOA高效落地。
比如数据驱动的经验库通过数据提升自动驾驶能力，城市NOA可以更好地应对复杂多样的交通参与者行为和交通规则，有效应对城市高精地图里程有限等问题
城市NOA，数据驱动高效落地，轻舟智航数据智能平台总监刘成表示轻舟智航在L4级自动驾驶领域深耕多年，我们在数据和工具链上的积累可以降维使用，充分赋能城市NOA的研发
截至目前，轻舟智航已测试超过112万公里的城市道路，拥有丰富的L4级激光雷达，摄像头等传感器数据，以及长期积累的驾驶行为数据，可持续提升城市NOA容量上限周志航用于构建自动驾驶R&D工具链的canoe矩阵，具备L4级自动驾驶能力，也可以完全重用于NOA城市的能力建设，不断加速NOA城市能力的迭代
得益于数据和工具链的充分配合，轻舟智航可以高效处理多种典型场景问题，包括特定行为的行人识别，全国各地不同形状的红绿灯识别等尤其是对于缺乏或缺少最新高精地图的场景，canoe的高精自动标注工具可以通过高精地图的优化，大规模生成车道线自动标注数据，可以在路口，匝道，匝道等场景精确检测行驶车道线针对城市中的各种静态交通设施，canoe采用自监督学习的方法，可以在大量未标记数据的基础上快速学习物体的特征，保证行车安全，使车辆快速适应新城市和新场景
从感知，PNC到数据驱动，轻舟智航揭开了NOA城市冰山下的技术布局，展现了作为高水平自动驾驶公司建设NOA城市的独特优势。
轻舟智航凭借领先的技术架构，全栈的人才团队，丰富的L4级自动驾驶R&D和应用经验，以及与硬件，主机厂，软件，供应链等上下游企业的良好生态合作关系，正在加速自动驾驶的前装量产，为双引擎战略的快速发展，不断向将无人驾驶带入现实的终极使命迈进乘风品牌的发布，也标志着轻舟智航正以全新的姿态勇往直前，打造中国最好的先进辅助驾驶解决方案，实现中国特色城市NOA
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
