纵横时空辅助 L4出身如何做好辅助驾驶系统，轻舟智航：好用，能用，爱用
杨净 发自 凹非寺
量子位 | 公众号 QbitAI
智能辅助驾驶这么火，这个评、那个测，究竟有没有好的评价标准？
“能用、好用、爱用。”
这是最新面向用户体验给出的维度，也是一个技术流玩家给出的回答，但这个玩家并非是传统辅助驾驶玩家。
来自轻舟智航，一个L4自动驾驶技术出身的玩家，一个今年明确官宣进军量产车领域、要把L4级自动驾驶技术释放给辅助驾驶的玩家。
就在今年5月品牌日上，轻舟一举进军前装量产领域——专为城市NOA打造的量产车规级自动驾驶方案DBQ V4，一颗激光雷达就可实现，成本最低至1万元人民币 ，这在当时L4级自动驾驶赛道上前所未有。
质疑也随之而来：凭什么？L4出身的公司到底如何做城市NOA？如何兼顾成本和安全性问题？以及好端端的自动驾驶小巴头部玩家，怎么就开启前装量产转型了呢？
轻舟一一记下了上述问题，并且在最近用最技术的方式给出了一揽子回应。
「乘风」，乘风破浪会有时的「乘风」，轻舟专为城市NOA打造的量产车规级自动驾驶方案的统称。
包含：感知系统、决策控制系统、数据驱动机制。
L4公司如何做好辅助驾驶系统纵横时空辅助，答案都在这些系统的技术细节中。
轻舟如何解车企智驾焦虑？
自动驾驶场景中，城市道路一直作为技术攻坚的「天花板」。相较于高速、快速路，它的交通规则复杂、交通参与者众多，且高精度地图覆盖历程有限、大量CornerCase场景要靠视觉信息来处理……
但有意思的是，城市NOA正是辅助驾驶领域的天花板，之于L4自动驾驶，却恰好是企业需要应对的入门槛。
同样的场景、同样的技术挑战，解法都非常相似，最大的不同是量产车需要严格考虑成本和车规问题。比如传感器和计算需要符合车规级，由此带来的成本和功耗限制；面向更广泛的ODD场景，需要更高效的数据利用；以及面对城市复杂道路场景时更聪明地决策等等……
所以即便不少车企及上游供应商给出了城市NOA解决方案，各自叫法和内容不尽相同，但都离不开感知系统、决策控制、数据算力等这些核心要素。
轻舟智航的城市NOA方案，也可以从这几个方面看技术细节。
感知系统：多传感器时序穿插融合
首先，感知系统，轻舟的感知方案叫做「超融合」，具体表现为多传感器时序穿插融合。
简单来说，直接打破市面上主流的前/中/后融合，根据不同功能收集不同传感器信息，更早实现多传感器信息共享。
基于这套方案，轻舟智航还提出了全能大模型——时序多模态特征融合模型OmniNet，一个神经网络，就可以实现视觉、激光雷达、毫米波雷达在BEV（Bird’s Eye View）空间、图像空间输出多任务结果。
目前已率先部署在量产平台上。
一方面，解决算力问题，让原本相互独立的计算任务统一起来。在相同数量任务情况下，可节省三分之二的算力。另一方面，正因为不同传感器的无缝融合，这样一套感知方案可以适配不同车型的传感器配置。
决策规划：时空联合规划
轻舟认为“城市NOA时代，PNC定高下”。PNC有多重要？小鹏在TECH DAY上给出的一组数字是——城市领航辅助驾驶在PNC方面的代码量，增加了88倍！
PNC决定了车辆在面对不同的道路情况下的行车策略，时机如何把握，速度和方向如何控制，目标是更好地完成与其他交通参与者的相互博弈，带来更高的行车效率和体验感受。
在决策规划这块，轻舟有着独创性的时空联合规划算法。
市场主流的时空分离规划算法，将轨迹规划拆分成为路径和速度规划。相当于先给车辆铺好铁轨，再在铁轨上计算速度。
这种方式依赖于大量的人工规则修正，在面对动态障碍物时，不会动态修改轨迹，没办法随机应变。
而时空联合规划算法，则是同时将时间和空间考虑进来，直接将三维空中求解最佳路径。这样一来，响应速度更快，尤其是鬼探头、逆行、变道等情况，也更适合中国复杂的路况。
