谷銀觀點
谷銀關注 | 智駕時代來襲,多玩家多模式齊發(fā)力推動行業走向(xiàng)落地
目前汽車行業已經(jīng)從電動化的上半場逐漸走向(xiàng)智能(néng)化的下半場,智能(néng)駕駛迎來了高速發(fā)展期。
特斯拉是智能(néng)駕駛賽道(dào)商最爲領先的玩家。在2018-2019年特斯拉通過(guò)提出的多頭結構HydraNets算法提升了效率,解決了自動駕駛目标檢測的多任務問題;2020-2021年特斯拉推出了BEV+Transformer大模型算法,構建俯視角全景圖,解決了2D-3D空間轉換和感知性能(néng)問題;2022年特斯拉引入占用網絡,實現了感知一般障礙物的能(néng)力;2023年特斯拉采用端到端方案,直接將(jiāng)傳感器信息輸入神經(jīng)網絡,提高感知和決策規控整體性能(néng)。這(zhè)四代算法也給智駕賽道(dào)的其他玩家提供了可以參考的清晰路線,對(duì)後(hòu)來者的算法發(fā)展帶來了深遠的影響。但基于強大的先發(fā)優勢,特斯拉目前在算法、算力和數據等方面(miàn)領先于其他玩家,在智駕方案中仍處于領先地位。
華爲通過(guò)GOD和RCR兩(liǎng)個關鍵算法實現了對(duì)物和路的實時感知。GOD2.0網絡實現了高達99.9%的通用障礙物識别率,其中包括白名單外異形物體和細緻分類;RCR 2.0通過(guò)道(dào)路拓撲推理實現了導航地圖和實際場景的匹配,解決了沒(méi)有高精度地圖的關鍵問題。
小鵬智駕方案持續升級,目前的XBrain由XNet2.0和XPlanner等組成(chéng)。XNet2.0采用三網合一的創新架構,包括動靜态BEV網絡和最占據網絡,使XNGP感知系統在處理遮擋、光照不清和複雜路口等場景時展現出強大的能(néng)力。XPlanner采用長(cháng)時序規劃、多對(duì)象決策和強推理,提高了規劃和決策的綜合性。
其他玩家也都(dōu)在跟進(jìn)特斯拉的思路,目标實現占用網絡架構下的感知能(néng)力。蔚來智駕方案的感知算法采用BEV+Transformer架構,通過(guò)NADLane 2.0網絡結構處理靜态拓撲環境,目标實現不依賴高精度地圖,通過(guò)占用網絡檢測通用障礙物。理想智駕方案由靜态BEV網絡算法,動态BEV網絡算法以及占用網絡算法構成(chéng),通過(guò)NPN+TIN增強BEV大模型。Momenta智駕方案持續叠代更新,感知方面(miàn)采用BEV+Transformer算法構架,輔以DDLD車道(dào)線識别算法,定位方面(miàn)采用DDPF算法,規控路徑方面(miàn)引入DLP算法。Apollo算法積澱雄厚,首創車路一體BEV感知方案Uni BEV,結合4DBEVTransformer技術和占用網絡技術推出第二代純視覺感知系統,實現對(duì)激光雷達的替代。Mobileye視覺方案和雷達方案單獨建模,提供感知冗餘;通過(guò)視覺采集數據,解析出車道(dào)線、路面(miàn)邊界、交通燈等信息,實現類先驗地圖信息;通過(guò)對(duì)算力友好(hǎo)的責任敏感安全(RSS)模型進(jìn)行規控。毫末智行與火山引擎聯合打造智算中心MANAOASIS對(duì)智能(néng)駕駛提供高算力支持,同時針對(duì)不同場景和成(chéng)本要求,提出了低中高三階方案HP170、HP370、HP570。大疆通過(guò)自己在無人機上的技術積累,借助慣導雙目攝像頭開(kāi)發(fā)出了多套極具性價比的高效行泊一體方案。
2024年將(jiāng)是國(guó)内智能(néng)駕駛的爆發(fā)年,伴随者供給端井噴和需求端的逐漸起(qǐ)步,我們看好(hǎo)智能(néng)駕駛滲透率的持續提升。