數(shù)據(jù)閉環(huán)研究：自動(dòng)駕駛3.0階段，做好端到端，贏取數(shù)據(jù)掌控權(quán)

佐思汽研發(fā)布《2023年自動(dòng)駕駛數(shù)據(jù)閉環(huán)研究報(bào)告》。

目前，自動(dòng)駕駛已進(jìn)入3.0階段。不同于2.0階段基于人工規(guī)則的軟件驅(qū)動(dòng)，3.0階段自動(dòng)駕駛功能的迭代以大數(shù)據(jù)、大模型驅(qū)動(dòng)為核心，感知方式是多模態(tài)傳感器聯(lián)合輸出結(jié)果，而信息融合方式則從后融合逐步向中融合及前融合演進(jìn)。

在數(shù)據(jù)能力建設(shè)上，企業(yè)的焦點(diǎn)已轉(zhuǎn)移至數(shù)據(jù)閉環(huán)的效率與成本，并在數(shù)據(jù)合規(guī)和數(shù)據(jù)安全的前提下解決更多Corner Cases（極端情況如交通事故、惡劣天氣條件或復(fù)雜路況），加速用戶體驗(yàn)從“疲勞緩解”階段向“場(chǎng)景化舒適體驗(yàn)”發(fā)展。其中主機(jī)廠著力提升的場(chǎng)景應(yīng)用主要集中在城區(qū)、城市高架以及高速自動(dòng)駕駛上。

在高速場(chǎng)景中，用戶可以安心啟用自動(dòng)駕駛功能，自動(dòng)駕駛系統(tǒng)可以精確舒適地引領(lǐng)上下匝道、車道居中保持、大曲率高速過(guò)彎、擁擠路段平衡跟車停車、智能選擇最佳車道、車道內(nèi)橫向躲避并超越慢車、智能識(shí)別避讓故障及緩慢車輛等。例如，小馬智行NOA方案（見(jiàn)下圖）能夠靈活應(yīng)對(duì)高速以及城市交通場(chǎng)景，在自主變道、上下匝道、定速巡航、車道居中、躲避障礙物等場(chǎng)景中表現(xiàn)優(yōu)秀。

在城市場(chǎng)景中，蔚來(lái)NOP+、華為NCA、小鵬XNGP等城市NOA輔助駕駛功能紛紛落地，車輛功能的場(chǎng)景泛化能力持續(xù)提升。比如阿維塔搭載的華為智駕系統(tǒng)ADS2.0，能夠在狹窄城市街道成功穿越兩輛卡車的夾擊（見(jiàn)下圖），規(guī)劃策略與人類駕駛決策水平持平，甚至超越。

總之，自動(dòng)駕駛系統(tǒng)在自主變道、躲避障礙物等場(chǎng)景中的表現(xiàn)愈加優(yōu)秀，人的接管率越來(lái)越低，而汽車智能化競(jìng)爭(zhēng)的背后是數(shù)據(jù)在車端云端閉環(huán)中的高效流轉(zhuǎn)。比如百度智能云自動(dòng)駕駛數(shù)據(jù)閉環(huán)方案提供全周期的自動(dòng)駕駛數(shù)據(jù)運(yùn)營(yíng)服務(wù)與自動(dòng)駕駛工具鏈平臺(tái)，能夠解決數(shù)據(jù)獲取、加工、使用過(guò)程中的難題。

百度自動(dòng)駕駛數(shù)據(jù)閉環(huán)解決方案

來(lái)源：百度智能云

01、自動(dòng)駕駛3.0階段開(kāi)啟，企業(yè)加碼建設(shè)或完善數(shù)據(jù)閉環(huán)體系的各個(gè)環(huán)節(jié)

自動(dòng)駕駛3.0階段，本質(zhì)就是以數(shù)據(jù)驅(qū)動(dòng)為核心，持續(xù)提升數(shù)據(jù)挖掘效率和利用效率。這一階段，車輛測(cè)試數(shù)據(jù)規(guī)?？蛇_(dá)到1億公里以上，這對(duì)數(shù)據(jù)閉環(huán)中的采集、標(biāo)注等環(huán)節(jié)構(gòu)成挑戰(zhàn)。對(duì)此，車企通過(guò)提升影子模式的靈活采集邏輯、零原型仿真等手段來(lái)加速數(shù)據(jù)處理效率，為算法迭代、模型訓(xùn)練及部署等做好準(zhǔn)備。

下面通過(guò)數(shù)據(jù)閉環(huán)的關(guān)鍵環(huán)節(jié)，即數(shù)據(jù)采集、數(shù)據(jù)標(biāo)注、仿真測(cè)試等方面為例，來(lái)看汽車企業(yè)及數(shù)據(jù)閉環(huán)方案商的提效行動(dòng)。

數(shù)據(jù)采集

目前，數(shù)據(jù)采集可以通過(guò)道路采集車、量產(chǎn)車、云端仿真、車主數(shù)據(jù)貢獻(xiàn)等方式來(lái)實(shí)現(xiàn)。其中，影子模式在采集車內(nèi)車外動(dòng)/靜態(tài)數(shù)據(jù)時(shí)，效率相對(duì)更高。車企設(shè)置的算法觸發(fā)邏輯更加靈活、更加精準(zhǔn)，比如小鵬在具備數(shù)采能力車輛上設(shè)置超300個(gè)觸發(fā)信號(hào)，系統(tǒng)可判斷當(dāng)前怎樣的Corner Case是對(duì)系統(tǒng)有用的，然后上傳。上汽飛凡在車端設(shè)置了非常多的Triggered Event，觸發(fā)這些條件后，采集多模態(tài)數(shù)據(jù)并回傳數(shù)據(jù)，在效率上，三個(gè)月內(nèi)就獲得了近 1200 萬(wàn)個(gè) clips 數(shù)據(jù)回傳。還有智協(xié)慧同數(shù)采系統(tǒng)通過(guò)云端低代碼工具vStudio使用各種算子輕松搭建觸發(fā)算法。整套車云協(xié)同的方案，支持觸發(fā)算法一鍵下發(fā)車端，無(wú)需繁雜的OTA流程，算法迭代效率高。智協(xié)慧同影子模式向2.0階段演進(jìn)，助力構(gòu)建觸發(fā)場(chǎng)景庫(kù)、人機(jī)對(duì)比、AB模型對(duì)比，并在邊緣計(jì)算的加持下，能夠?qū)崿F(xiàn)未知異常場(chǎng)景挖掘等，實(shí)現(xiàn)大幅降本增效。

數(shù)據(jù)標(biāo)注

數(shù)據(jù)標(biāo)注是自動(dòng)駕駛數(shù)據(jù)閉環(huán)中最關(guān)鍵的環(huán)節(jié)之一。當(dāng)前，如何不斷提升對(duì)采集到的多模態(tài)高價(jià)值數(shù)據(jù)進(jìn)行高效的自動(dòng)化標(biāo)注，是傳統(tǒng)標(biāo)注公司及數(shù)據(jù)閉環(huán)方案商關(guān)注的焦點(diǎn)。

為更好賦能車企，傳統(tǒng)標(biāo)注公司正陸續(xù)研發(fā)自己的自動(dòng)化數(shù)據(jù)標(biāo)注平臺(tái)，提升數(shù)據(jù)標(biāo)注的效率及標(biāo)注的質(zhì)量；同時(shí)，這些企業(yè)也開(kāi)始與各類智算中心合作，在大模型加持下持續(xù)完善標(biāo)注平臺(tái)能力，并降低標(biāo)注成本。

以海天瑞聲為例，其自研的DOTS-AD自動(dòng)駕駛標(biāo)注平臺(tái)能夠支持多維度、全方位自動(dòng)駕駛標(biāo)注任務(wù)，數(shù)據(jù)標(biāo)注效率提升高達(dá)8倍。再比如曼孚科技的MindFlow SEED數(shù)據(jù)服務(wù)平臺(tái)通過(guò)AI+RPA驅(qū)動(dòng)自動(dòng)駕駛數(shù)據(jù)標(biāo)注規(guī)?；慨a(chǎn)，將綜合人效平均提升30%，數(shù)據(jù)生產(chǎn)成本平均降低40%。

數(shù)據(jù)閉環(huán)方案商毫末智行在駕駛場(chǎng)景識(shí)別能力上，基于毫末 DriveGPT 所建立的 4D Clips 駕駛場(chǎng)景識(shí)別方案，可以使得單張圖片的標(biāo)注成本降到0.5元，是目前行業(yè)平均成本的1/10。毫末正在將圖像幀及 4D Clips 自動(dòng)駕駛場(chǎng)景識(shí)別服務(wù)向行業(yè)開(kāi)放使用，目前不少標(biāo)注公司已經(jīng)展開(kāi)與毫末智行的合作，比如數(shù)據(jù)堂、海天瑞聲、澳鵬、云測(cè)數(shù)據(jù)、星塵數(shù)據(jù)，企業(yè)間的強(qiáng)強(qiáng)合作必將大幅降低行業(yè)使用數(shù)據(jù)的成本，提高數(shù)據(jù)質(zhì)量。

仿真測(cè)試

云仿真平臺(tái)建設(shè)是企業(yè)工具鏈能力之一。仿真設(shè)備的購(gòu)置及維護(hù)，又構(gòu)成了一定的成本壓力，但在自動(dòng)駕駛研發(fā)過(guò)程中，相比先給出部件原型來(lái)驗(yàn)證功能，需要較少原型或零原型（Zero Prototype）的虛擬仿真，其成本更為劃算，仿真投入幾乎是必選項(xiàng)。

仿真有幾種形式，包括MiL（模型在環(huán)）、SiL（軟件在環(huán)）、HiL（硬件在環(huán)）、DiL（駕員在環(huán)）、ViL（整車在環(huán)）, 不同的企業(yè)根據(jù)需求，在各自的研發(fā)周期的不同階段，對(duì)仿真形式的需求也不盡相同。目前眾多車企在利用仿真工具，進(jìn)行各類功能驗(yàn)證，加快新車型的研發(fā)周期及上市時(shí)間，比如VI-grade的產(chǎn)品就被BBA、福特、本田、豐田、上汽、一汽、廣汽、蔚來(lái)等車企所采用。

02、數(shù)據(jù)閉環(huán)生態(tài)構(gòu)建中，企業(yè)加速打造“數(shù)智/數(shù)據(jù)底座”能力

數(shù)據(jù)、算法、算力是自動(dòng)駕駛技術(shù)的三大基石，數(shù)據(jù)的數(shù)量和質(zhì)量決定著算法能力的上限，而算力又是數(shù)據(jù)處理的載體。軟件和硬件的一體化意味著算法和域控/芯片適配的“順暢性”。目前行業(yè)內(nèi)，少數(shù)企業(yè)如Tesla已構(gòu)建了“數(shù)據(jù)+算法+算力”的完整智能生態(tài)體系，實(shí)現(xiàn)了數(shù)據(jù)的100%掌控。為實(shí)現(xiàn)對(duì)數(shù)據(jù)的控制力，主機(jī)廠及軟件算法企業(yè)均在追趕。

智算中心建設(shè)

超算中心初期投入較高，主機(jī)廠及Tier1對(duì)搭建AI計(jì)算中心的預(yù)算普遍超過(guò)億元。例如特斯拉超級(jí)計(jì)算機(jī)平臺(tái)Dojo將于2023年7月投入生產(chǎn)；2024年特斯拉在Dojo上的投入將超過(guò)10億美元，以推進(jìn)超級(jí)計(jì)算機(jī)與神經(jīng)網(wǎng)絡(luò)訓(xùn)練。

盡管如此，在自動(dòng)駕駛領(lǐng)域具有長(zhǎng)期規(guī)劃的車企或技術(shù)供應(yīng)商，都在搭建自己的超算中心，以掌握穩(wěn)定的算力資源，縮短開(kāi)發(fā)周期，加快自動(dòng)駕駛產(chǎn)品的上市。例如，2022 年 8 月小鵬汽車成立自動(dòng)駕駛 AI 智算中心“扶搖”，由小鵬和阿里聯(lián)合出資打造。該中心可將自動(dòng)駕駛算法的模型訓(xùn)練時(shí)間提速 170 倍，且未來(lái)還具備10~100 倍的算力提升空間。

自動(dòng)駕駛廠商超算中心建設(shè)情況

來(lái)源：佐思汽研《2023年自動(dòng)駕駛數(shù)據(jù)閉環(huán)研究報(bào)告》

“數(shù)智/數(shù)據(jù)底座”能力建設(shè)

智能汽車的全生命周期需要數(shù)據(jù)來(lái)驅(qū)動(dòng)，而基于數(shù)據(jù)打造的車云全鏈路能力底座正是一些自動(dòng)駕駛方案商努力做的事。比如，智協(xié)慧同ExceedData車云一體計(jì)算架構(gòu)結(jié)合其車載高性能時(shí)序數(shù)據(jù)庫(kù)，構(gòu)建了智能汽車的數(shù)據(jù)底座，重新定義了汽車數(shù)據(jù)智能的成本與效率，成本總計(jì)可下降85%。該數(shù)據(jù)底座方案獲得包括一汽、上汽、上汽零束、華人運(yùn)通、東風(fēng)嵐圖、北汽、吉利等一線車企的高度認(rèn)可，量產(chǎn)定點(diǎn)了10個(gè)以上車型。

智協(xié)慧同全棧產(chǎn)品

來(lái)源：智協(xié)慧同

福瑞泰克具備軟硬一體平臺(tái)化開(kāi)發(fā)和量產(chǎn)交付能力，已打通了“規(guī)模數(shù)據(jù)獲取-數(shù)據(jù)處理體系-自動(dòng)化迭代”的數(shù)據(jù)閉環(huán)鏈路，其ODIN智能駕駛數(shù)智底座支持量產(chǎn)的大規(guī)模數(shù)據(jù)閉環(huán)系統(tǒng)，既包括福瑞泰克大規(guī)模量產(chǎn)數(shù)據(jù)基礎(chǔ)，也有部署于國(guó)家超算中心算力平臺(tái)，并全面形成了支持算法演進(jìn)的完整數(shù)據(jù)閉環(huán)體系，可同步完成感知算法的迭代演進(jìn)與規(guī)控算法的閉環(huán)驗(yàn)證。ODIN數(shù)智底座包括自研域控制器、傳感器、自動(dòng)駕駛算法以及數(shù)據(jù)閉環(huán)系統(tǒng)作為四大支柱體系，目前合作車企品牌已超過(guò)40家，合作車型項(xiàng)目超過(guò)100款。

03、BEV+Transformer賦能端到端感知決策一體化

自動(dòng)駕駛能力的增強(qiáng)是更多數(shù)據(jù)+更好算法+更高算力聯(lián)合優(yōu)化的結(jié)果，更是感知、決策、規(guī)控技術(shù)進(jìn)步的必然。

面對(duì)各種復(fù)雜的場(chǎng)景，尤其是Corner Case對(duì)自動(dòng)駕駛的感知和決策能力提出了更高的要求。BEV技術(shù)通過(guò)提供全局視角來(lái)增強(qiáng)自動(dòng)駕駛系統(tǒng)的感知能力。Transformer 模型可以用于提取多模態(tài)數(shù)據(jù)中的特征，如激光雷達(dá)點(diǎn)云、圖像、雷達(dá)數(shù)據(jù)等。通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行端到端的訓(xùn)練，Transformer 能夠自動(dòng)學(xué)習(xí)到這些數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和相互關(guān)系，從而有效識(shí)別和定位環(huán)境中的障礙物。

BEV+Transformer，可以構(gòu)建一個(gè)端到端的自動(dòng)駕駛系統(tǒng)，實(shí)現(xiàn)高精度的感知、預(yù)測(cè)和決策。比如商湯基于多模態(tài)大模型，可做到數(shù)據(jù)的感知閉環(huán)和決策閉環(huán)。商湯感知決策一體化的端到端自動(dòng)駕駛解決方案UniAD，使車道線的預(yù)測(cè)準(zhǔn)確率提升了30%，預(yù)測(cè)運(yùn)動(dòng)位移的誤差降低了近40%，規(guī)劃誤差降低了近30%。在 AI 決策方面，商湯聯(lián)合上海人工智能實(shí)驗(yàn)室推出了OpenDILab決策AI平臺(tái)。決策 AI 平臺(tái)也可以用到自動(dòng)駕駛當(dāng)中，去實(shí)現(xiàn)規(guī)劃和控制。

商湯絕影感知決策一體化

來(lái)源：商湯絕影

此外， 覺(jué)非科技也具備“感知-決策-數(shù)據(jù)”閉環(huán)能力，其核心競(jìng)爭(zhēng)壁壘在于算法和數(shù)據(jù)之間的聯(lián)動(dòng)和飛輪效應(yīng)。軟件層面上，覺(jué)非的核心技術(shù)路徑是融合計(jì)算能力，將自車位置與姿態(tài)相關(guān)的空間數(shù)據(jù)、重地圖或輕地圖的靜態(tài)數(shù)據(jù)以及感知類傳感器數(shù)據(jù)進(jìn)行實(shí)時(shí)融合與實(shí)時(shí)運(yùn)算，并應(yīng)用于自動(dòng)駕駛的感知系統(tǒng)、定位系統(tǒng)、路徑規(guī)劃系統(tǒng)或記憶建圖系統(tǒng)。

覺(jué)非科技基于BEV的數(shù)據(jù)閉環(huán)融合智駕解決方案

來(lái)源：覺(jué)非科技