|
多年之后，中國(guó)汽車行業(yè)會(huì)回想起智能駕駛演示視頻漫天飛舞的那些日子。今年，當(dāng)城市高階智駕的競(jìng)賽愈演愈烈，發(fā)布自家車輛丟開方向盤“攻占”各個(gè)城市的視頻，已經(jīng)成為車企們搶占用戶心智的重要競(jìng)爭(zhēng)手段。最新的參賽選手是極越。10月17日，一輛極越01自行穿越上海城區(qū)，全程無(wú)人接管的視頻在網(wǎng)上流傳開來(lái)。能在上海跑出類似效果的汽車品牌不算多，但一只手也數(shù)不過(guò)來(lái)。
但是，與其他人不同的是，極越的城區(qū)高階智駕演示，是國(guó)內(nèi)唯一一個(gè)去掉激光雷達(dá)、基于純視覺方案的演示。極越不依賴激光雷達(dá)的智駕方案和國(guó)內(nèi)其他汽車品牌拉開了差別，同時(shí)也是一種炫技：Less is more。同樣能力下，智能汽車依靠的硬件越少，軟件實(shí)力必然越高。不過(guò)，這個(gè)演示與其說(shuō)是炫技，不如說(shuō)是宣戰(zhàn)：此前，僅有特斯拉在量產(chǎn)車上部署純視覺算法并借其在北美實(shí)現(xiàn)了城市高階智駕（FSD）。而現(xiàn)在，在純視覺路線上，挑戰(zhàn)者與守成者，圍繞技術(shù)與市場(chǎng)的較量即將打響。同時(shí)，極越也將用不依賴激光雷達(dá)的、更低成本的城市高階智駕方案，攪動(dòng)高階智能駕駛潮水曾經(jīng)翻涌的方向。質(zhì)疑特斯拉：你有視覺 我有Lidar2021年年初，馬斯克發(fā)起裁決，考慮要不要砍掉特斯拉車型上的毫米波雷達(dá)，轉(zhuǎn)入純視覺自動(dòng)駕駛路線：“我們現(xiàn)在走到了十字路口，要么讓產(chǎn)線停工，要么讓（為雷達(dá)設(shè)計(jì)的）鳳凰系統(tǒng)上線，要么放棄（毫米波）雷達(dá)。[1]”作出這個(gè)裁決的原因，一部分是毫米波雷達(dá)芯片缺貨，另一部分則是他信仰的“第一性原理”——既然人類是靠眼睛開車，而道路結(jié)構(gòu)和標(biāo)志也是為人眼設(shè)計(jì)，作為“汽車之眼”的攝像頭理論上也可以實(shí)現(xiàn)同樣的效果。科普一下，毫米波雷達(dá)的優(yōu)點(diǎn)在于能測(cè)距和測(cè)速，且對(duì)惡劣環(huán)境有很強(qiáng)適應(yīng)性，價(jià)格也便宜實(shí)在，缺點(diǎn)在于分辨率低，無(wú)法測(cè)高，噪點(diǎn)大，分不清物體的形狀和類別，這和能獲取大量二維特征信息，但對(duì)能見度和算法能力要求高的攝像頭形成了鮮明的互補(bǔ)關(guān)系。因此，放棄雷達(dá)這個(gè)乍一聽讓人心潮澎湃的想法，卻引發(fā)了高管們之間激烈的爭(zhēng)論，包括副總裁Jerome Guillien在內(nèi)的工程師都在反復(fù)強(qiáng)調(diào)：“雷達(dá)可以探測(cè)到攝像頭和人眼看不到的物體”[1]。但馬斯克無(wú)動(dòng)于衷，反而撂下一句狠話：“你不干，我找別人干。”這一干的結(jié)果是，當(dāng)年5月，特斯拉出廠車型上的毫米波雷達(dá)被干掉（雖然現(xiàn)在出于技術(shù)驗(yàn)證目的將更先進(jìn)的4D毫米波雷達(dá)裝回了Model X/S），Jerome在特斯拉的工作被干掉。雖然馬斯克是暴君型CEO，但他其實(shí)并沒有針對(duì)Jerome，主要是對(duì)毫米波雷達(dá)有意見。隨著特斯拉攝像頭的視覺感知能力突飛猛進(jìn)，馬斯克發(fā)現(xiàn)毫米波雷達(dá)“信噪比太低”（信息與噪聲的比例），對(duì)感知系統(tǒng)產(chǎn)生了“干擾”和“污染”，進(jìn)而會(huì)誤導(dǎo)其他傳感器，增加意外出現(xiàn)的風(fēng)險(xiǎn)，比如“幽靈剎車”。 毫米波雷達(dá)探測(cè)結(jié)果與攝像頭探測(cè)結(jié)果為了減少誤報(bào)，馬斯克選擇相信攝像頭，向視覺感知系統(tǒng)投喂了大量數(shù)據(jù)，表明它們通過(guò)訓(xùn)練出的全新神經(jīng)網(wǎng)絡(luò)獲得了接近甚至超越毫米波雷達(dá)的測(cè)速測(cè)距能力。特斯拉本以為這樣會(huì)減少由于信息干擾產(chǎn)生的幽靈剎車，結(jié)果恰恰相反。當(dāng)年越來(lái)越多的特斯拉車主發(fā)現(xiàn)，在取消毫米波雷達(dá)之后，幽靈剎車的現(xiàn)象不減反增，投訴量從Q3開始激增，以至于美國(guó)公路交通安全管理局（NHTSA）都看不下去了，著手調(diào)查此事，特斯拉也在2021年11月召回了1.1萬(wàn)輛車，原因是FSD存在bug。同一時(shí)期，《消費(fèi)者報(bào)告》宣布暫停將 2021 款 Model 3 列為「推薦」，美國(guó)高速公路安全保險(xiǎn)協(xié)會(huì)（IIHS）取消了 Model 3 曾經(jīng)Top Safety Pick+的最高安全評(píng)級(jí)，甚至有軟件安全專家在《紐約時(shí)報(bào)》上撰文，批評(píng)特斯拉的自動(dòng)駕駛系統(tǒng)是：“《財(cái)富》世界500強(qiáng)公司有史以來(lái)賣過(guò)的最差的軟件。[2]”目睹了特斯拉All in純視覺的慘烈探索，大洋彼岸的車企們也堅(jiān)定了道路自信，在多傳感器融合、大力出奇跡的方案上越走越遠(yuǎn)，掀起一場(chǎng)智駕感知硬件的“軍備競(jìng)賽”。這種差異在激光雷達(dá)的使用上體現(xiàn)得最為明顯，馬斯克一向?qū)ζ溧椭员牵J(rèn)為它是“拐杖”和“雞肋”，但國(guó)內(nèi)新勢(shì)力卻對(duì)它情有獨(dú)鐘：小鵬P5率先搭載了激光雷達(dá)，蔚來(lái)NT2.0平臺(tái)標(biāo)配激光雷達(dá)，極越也選擇了視覺與激光雷達(dá)兩條腿走路，還曾為激光雷達(dá)的布置方案與理想在線battle。 激光雷達(dá)曾是更強(qiáng)自動(dòng)駕駛能力的象征
相比于毫米波雷達(dá)，雖然激光雷達(dá)上車的時(shí)間不長(zhǎng)，但它的探測(cè)距離遠(yuǎn)，測(cè)量精度更高，可以直接輸出3D信息，無(wú)需復(fù)雜的算法和長(zhǎng)時(shí)間的神經(jīng)網(wǎng)絡(luò)訓(xùn)練，也能描繪障礙物的立體輪廓，不至于出現(xiàn)把公交車上的董明珠識(shí)別為行人的情況，也不會(huì)徑直撞上一輛側(cè)翻的貨車，能為車輛行駛提供更多的安全冗余。當(dāng)車企們開卷城市NoA功能，進(jìn)入環(huán)境高度復(fù)雜的城市場(chǎng)景時(shí)，能夠直接進(jìn)行三維重建的激光雷達(dá)更是帶給了車企與消費(fèi)者更多安全感。目前，國(guó)內(nèi)已經(jīng)交付的帶城市NoA功能的車型，悉數(shù)搭載了激光雷達(dá)。由此，大洋兩岸在自動(dòng)駕駛感知路線的選擇上似乎分道揚(yáng)鑣，也順便催生了相關(guān)供應(yīng)鏈的冰與火——美國(guó)的激光雷達(dá)公司奄奄一息，中國(guó)的激光雷達(dá)企業(yè)蒸蒸日上。理解特斯拉：追趕視覺升維從今天國(guó)內(nèi)的城市NoA開城進(jìn)度來(lái)看，毫無(wú)疑問的是，激光雷達(dá)的量產(chǎn)應(yīng)用，加速了國(guó)內(nèi)車企高階智駕的商用步伐。但智能電動(dòng)汽車競(jìng)賽的殘酷在于，車企要同時(shí)卷功能的持續(xù)領(lǐng)先、技術(shù)的快速迭代以及成本的總體可控。2021年7月，在第一屆AI DAY上，特斯拉正式推出了BEV（鳥瞰圖）+Transformer的技術(shù)方案，進(jìn)一步提升了攝像頭的測(cè)距、測(cè)速以及適應(yīng)一些極端場(chǎng)景的能力（比如出隧道），雖然沒有徹底打消人們對(duì)純視覺的疑慮，但證實(shí)了純視覺方案的技術(shù)潛力，也讓市場(chǎng)的心態(tài)從之前一邊倒地否定變成了拭目以待。而到2023年，國(guó)內(nèi)智能汽車各種“冠軍版”車型相繼上市，產(chǎn)品換代反而降價(jià)的操作持續(xù)上演。席卷行業(yè)的價(jià)格戰(zhàn)，讓車企降低產(chǎn)品端硬件成本的需求迫在眉睫。一些價(jià)格不便宜的硬件，價(jià)值開始受到重新審視，激光雷達(dá)是其中之一。今年，在一些擁有激光雷達(dá)和高階智駕功能的車型上，人們發(fā)現(xiàn)激光雷達(dá)發(fā)揮的作用并沒有想象中重大。比如有車型將廣告牌上的人像識(shí)別為真人從而急剎，在正常情況下，激光雷達(dá)理應(yīng)發(fā)揮三維重建的長(zhǎng)處，告知感知系統(tǒng)那不太可能是個(gè)人。之所以出現(xiàn)這種情況，問題出在激光雷達(dá)的固有特性和系統(tǒng)算法設(shè)計(jì)上。激光雷達(dá)通過(guò)發(fā)射紅外激光探測(cè)回波工作，這種類似于“觸覺”的原理決定了其獲取幾何信息的能力強(qiáng)，可以直接輸出三維點(diǎn)云。但和真實(shí)世界相比，激光雷達(dá)進(jìn)行三維重建的結(jié)果比較仍然比較稀疏，對(duì)語(yǔ)義信息的理解遠(yuǎn)不如視覺。同時(shí)，在此前的多傳感器融合算法中，視覺與激光雷達(dá)進(jìn)行的是目標(biāo)融合（也稱后融合，即視覺和激光雷達(dá)分別判別物體種類，再對(duì)雙方結(jié)果加權(quán)采信），兩種長(zhǎng)處不一致的傳感器能相互配合，但有時(shí)也堅(jiān)持己見，造成感知結(jié)果“打架”，帶來(lái)置信問題。理想化的解決方式，是將激光雷達(dá)與攝像頭獲取的原始信息先進(jìn)行融合（又稱前融合），再輸出感知結(jié)果，兩者相當(dāng)于用一個(gè)大腦思考，可以極大提高感知精度。然而，由于激光雷達(dá)與攝像頭的數(shù)據(jù)形式不同（點(diǎn)云VS圖像）、工作頻率不同（10Hz VS 36Hz），視場(chǎng)范圍不同（約25° VS 約68°），對(duì)兩者信息進(jìn)行時(shí)空同步一直是業(yè)界的圣杯級(jí)難題。退而求其次的選擇，是從激光雷達(dá)點(diǎn)云和圖像中分別提取特征，再進(jìn)行特征級(jí)融合，據(jù)此判定感知結(jié)果。相比后融合，特征級(jí)融合相當(dāng)于激光雷達(dá)與攝像頭“商量著來(lái)”，也能拉高感知效果的天花板。但直到現(xiàn)在，大多數(shù)車企也依然不具備在量產(chǎn)車型上，將激光雷達(dá)與相機(jī)進(jìn)行特征級(jí)融合的算法能力，激光雷達(dá)的潛力事實(shí)上并未得到充分發(fā)揮。由于激光雷達(dá)成本高、與視覺數(shù)據(jù)級(jí)融合算法的門檻高，在部分車企看來(lái)，眼下激光雷達(dá)并不便宜，也不算好用， 在量產(chǎn)車上應(yīng)用的價(jià)值更多體現(xiàn)為，花錢多買了一重安全冗余。在經(jīng)歷了上車的嘗試后，他們更形象地理解了馬斯克為何將激光雷達(dá)稱為拐杖，轉(zhuǎn)而開始思考如何去掉拐杖。就在車企開始重估激光雷達(dá)的價(jià)值之時(shí)，純視覺路線悄然開始打造激光雷達(dá)的平替。2022年CVPR（Conference on Computer Vision and Pattern Recognition，計(jì)算機(jī)視覺學(xué)術(shù)頂會(huì)）上，特斯拉提出了Occupancy Network（占用網(wǎng)絡(luò)）。它引入了“體素”這一概念：在二維平面圖像上，基本單元是像素；而在三維空間總中，基本單元就是體素。在占用網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)會(huì)從攝像頭獲取的數(shù)據(jù)中提取特征，將其“升維”并切分為一個(gè)個(gè)三維格柵（即體素），再結(jié)合特征判定每一個(gè)體素被占用的概率和動(dòng)靜狀態(tài)。相比于此前的視覺算法，占用網(wǎng)絡(luò)可以進(jìn)一步得到物體的體積信息。這使視覺感知無(wú)需具體識(shí)別物體是什么，根據(jù)其體積、運(yùn)動(dòng)狀態(tài)也能判別它是否是障礙物，純視覺算法由此走出了“識(shí)別才能感知”的白名單困境，擁有更強(qiáng)的泛化能力。比如各種工程車輛，由于形狀不規(guī)則、常常有脫離車身主體的部件存在（如吊車掛鉤），此前視覺算法常常會(huì)出現(xiàn)誤檢、漏檢，占用網(wǎng)絡(luò)則能更好地應(yīng)對(duì)。 占用網(wǎng)絡(luò)較好地用體素表達(dá)了右側(cè)吊車伸出車體外的支撐腿
占用網(wǎng)絡(luò)被引入自動(dòng)駕駛領(lǐng)域后，讓攝像頭將語(yǔ)義信息與立體幾何信息統(tǒng)一起來(lái)，三維感知能力得到史詩(shī)級(jí)提升，這與人眼更加相似——同樣，人類在開車觀察的時(shí)候，既會(huì)判別物體的種類、邊緣，又會(huì)判斷其大致距離、體積，兩種信息相互配合，為人類作出恰當(dāng)?shù)鸟{駛操作打下了堅(jiān)實(shí)的基礎(chǔ)。換句話說(shuō)，占用網(wǎng)絡(luò)的引入，確實(shí)能使智能駕駛更接近人類。并且，攝像頭獲取的信息是稠密的，這給純視覺算法的進(jìn)化留下了一座富礦，而目前激光雷達(dá)獲取的信息相對(duì)稀疏，這決定了充分挖掘其潛力的難度更大。純視覺由此成為自動(dòng)駕駛感知算法的顯學(xué)，論文數(shù)量在2022年后迎來(lái)井噴。一批車企與供應(yīng)商也開始嚴(yán)肅思考，以占用網(wǎng)絡(luò)加持的純視覺方案替代激光雷達(dá)，一方面可以降低車輛的BOM成本，在市場(chǎng)競(jìng)爭(zhēng)中贏得更多騰挪空間；另一方面也能精簡(jiǎn)算法與研發(fā)團(tuán)隊(duì)架構(gòu)，集中有生力量加速開發(fā)、快速迭代。然而，占用網(wǎng)絡(luò)并不完全是一個(gè)全新概念。此前在機(jī)器人領(lǐng)域，便在使用占用格柵、體素表達(dá)三維世界，幫助機(jī)器人進(jìn)行更好的路徑規(guī)劃與控制。只是機(jī)器人通常低速運(yùn)動(dòng)，對(duì)算法的實(shí)時(shí)性、感知精度要求可以放低，但高速運(yùn)動(dòng)的車輛，則有嚴(yán)格要求。這也意味著，具備純視覺、占用網(wǎng)絡(luò)的論文能力，和具備將算法部署至車輛上的工程能力，完全是兩碼事——在Ocuupancy Network公開后的一年半時(shí)間中，并沒有其他車企量產(chǎn)純視覺占用網(wǎng)絡(luò)。不過(guò)，特斯拉短暫構(gòu)建的次元壁很快將被打破。超越特斯拉？東方戰(zhàn)場(chǎng)的阻擊
10月17日，展示純視覺方案在上海實(shí)現(xiàn)城市NoA的同時(shí)，極越也預(yù)告了占用網(wǎng)絡(luò)將在第四季度量產(chǎn)的消息。屆時(shí)，極越在純視覺感知算法上將與特斯拉同處領(lǐng)先梯隊(duì)。甚至于，由于特斯拉的FSD在國(guó)內(nèi)尚處測(cè)試階段，極越還可能領(lǐng)先前者一步在國(guó)內(nèi)交付城市NoA。這是一個(gè)出乎意料的“后起之秀”——行業(yè)對(duì)占用網(wǎng)絡(luò)的開發(fā)興起之時(shí)，極越才成立滿一年。為何一個(gè)新品牌，能在占用網(wǎng)絡(luò)的量產(chǎn)進(jìn)度上后發(fā)先至？這與極越管理團(tuán)隊(duì)的判斷分不開。有業(yè)內(nèi)人士算過(guò)一筆賬，走純視覺路線實(shí)際上比使用激光雷達(dá)更貴、更難——雖然在終端消費(fèi)者要付出的硬件成本低了，但廠家在研發(fā)端付出的算法開發(fā)成本、云端算力成本會(huì)成倍提升。但極越認(rèn)為，純視覺路線的上限更高。及早將消費(fèi)者購(gòu)置成本更低的純視覺方案跑通，向更廣泛的用戶交付保證體驗(yàn)與安全的城市NoA，才能形成更高效的數(shù)據(jù)閉環(huán)體系，在智駕技術(shù)成長(zhǎng)的道路上越跑越快。對(duì)純視覺路線的重視，帶來(lái)的是大量資源傾斜。作為百度Apollo深度賦能的汽車品牌，極越選擇了與百度合作開發(fā)純視覺方案和占用網(wǎng)絡(luò)算法，也由此受益于前者在自動(dòng)駕駛領(lǐng)域長(zhǎng)年積累的體系能力。雖然百度Apollo聲名在外的Robotaxi都頂著激光雷達(dá)，但他們?cè)诩円曈X路線上的探索，比想象中更早一些。2019年CVPR上，百度公開了依靠純視覺感知實(shí)現(xiàn)L4自動(dòng)駕駛的技術(shù)方案Apollo Lite。在隨后數(shù)年中，這套低成本方案被搬上Robotaxi測(cè)試車，在多地城市道路上順利運(yùn)行，形成了純視覺路線寶貴的技術(shù)積累。Apollo Lite項(xiàng)目的負(fù)責(zé)人，百度智能駕駛事業(yè)群組技術(shù)委員會(huì)主席王亮，在2021年極越成立后也與極越CEO 夏一平搭伴，協(xié)助極越智能駕駛的聯(lián)合開發(fā)。由于這些工作，當(dāng)純視覺路線迎來(lái)BEV+Transformer、Occpancy Network兩次重大進(jìn)階時(shí)，極越的智駕開發(fā)團(tuán)隊(duì)第一時(shí)間意識(shí)到它們的價(jià)值，立即啟動(dòng)了感知算法的重構(gòu)——訓(xùn)練更大的模型，對(duì)視覺投以更高的信任。不過(guò)，意識(shí)到純視覺的價(jià)值，和能在量產(chǎn)車上發(fā)揮純視覺的價(jià)值之間，存在巨大的鴻溝。極越展示的占用網(wǎng)絡(luò)，要落地到量產(chǎn)上，必須解決一些AI領(lǐng)域經(jīng)典的難題：算力，數(shù)據(jù)。眾所周知，相機(jī)的像素越高，對(duì)ISP等計(jì)算單元的算力需求就越高；同樣，占用網(wǎng)絡(luò)輸出的體素越密集，也會(huì)消耗更多芯片算力，而高算力消耗往往會(huì)影響智駕系統(tǒng)的實(shí)時(shí)性。此時(shí)，一個(gè)工程經(jīng)驗(yàn)豐富的團(tuán)隊(duì)，更有能力部署輕量化的占用網(wǎng)絡(luò)，兼顧性能與算力消耗。論自動(dòng)駕駛領(lǐng)域經(jīng)驗(yàn)豐富，極越與同其聯(lián)手的百度顯然榜上有名。而作為一種新的神經(jīng)網(wǎng)絡(luò)算法，占用網(wǎng)絡(luò)需要大量的數(shù)據(jù)訓(xùn)練才能表現(xiàn)出足夠高的感知精度。但其訓(xùn)練并不能沿用此前的二維數(shù)據(jù)，而要使用三維真值數(shù)據(jù)。三維真值是高度接近三維世界真實(shí)情況的數(shù)據(jù)表達(dá)，它是占用網(wǎng)絡(luò)訓(xùn)練的參考答案，但在算法開發(fā)前期難以用攝像頭直接獲取。 用激光雷達(dá)獲取真值，特斯拉也干過(guò)
此時(shí)，百度的Robotaxi車隊(duì)，以及極越此前在驗(yàn)證車上部署的激光雷達(dá)發(fā)揮了作用。搭載激光雷達(dá)的車輛，自帶三維重建能力，在測(cè)試過(guò)程中自動(dòng)化地收集了大量三維真值。這些真值不僅能直接用于占用網(wǎng)絡(luò)的訓(xùn)練，也進(jìn)一步通過(guò)仿真系統(tǒng)生成了更多合成數(shù)據(jù)。由此，激光雷達(dá)的存在反而提供了數(shù)據(jù)養(yǎng)料，進(jìn)一步加速了純視覺算法的開發(fā)。用兩年時(shí)間走完了其他企業(yè)三年甚至五年才能走完的路時(shí)，極越有了底氣在智駕技術(shù)上叫板特斯拉。不過(guò)，消費(fèi)者最終只會(huì)為體驗(yàn)買單，而特斯拉FSD入華的時(shí)間也越來(lái)越近。不少車企戰(zhàn)戰(zhàn)兢兢，因?yàn)镕SD在北美表現(xiàn)出色，而它們甚至還沒有開始交付高速NoA。但夏一平對(duì)極越與特斯拉的對(duì)壘充滿了信心。他背后是一支深耕國(guó)內(nèi)，在中國(guó)進(jìn)行了多年自動(dòng)駕駛開發(fā)的團(tuán)隊(duì)，對(duì)中國(guó)的道路環(huán)境與規(guī)則有更深的理解，也有完備的數(shù)據(jù)、地圖體系。在這個(gè)體系支持下，極越01將做到城市NoA功能標(biāo)配、“上市即交付”。特斯拉的FSD，不僅要等等，還得加錢。顯然，在全球最大的智能電動(dòng)汽車市場(chǎng)，本土力量正在給特斯拉上強(qiáng)度。在剛剛發(fā)布的第三季度財(cái)報(bào)中，特斯拉營(yíng)收增速下滑，毛利率創(chuàng)下近年新低，市值一天就蒸發(fā)了上百億美元。在電話會(huì)議上，馬斯克對(duì)在中國(guó)市場(chǎng)遭受的阻擊避而不談。這會(huì)是特斯拉“過(guò)去一年最差財(cái)季，未來(lái)一年最好財(cái)季”嗎？極越們會(huì)給出答案。
參考資料[2] New York Times ad warns against Tesla’s “Full Self-Driving”，TechCrunch
|
