AutocarMax

AutocarMax

关注

小鹏智驾:一块吃不饱的饼

小鹏

2023-04-07

撰文 | 郑文

编辑|周长贤

去年 10 月,一年一度的 「1024 小鹏汽车科技日」 上,何小鹏介绍了 XNGP 智能驾驶辅助系统。涵盖城市 NGP 及 LCC 增强版的 XNGP 采用全新技术架构,包括定位、感知、预测、规控等方面能力全面提升。

它可以实现基于普通地图发起导航后,车辆从起点停车位到终点停车位全程使用辅助驾驶,包括停车位泊出,到城市道路、高速 / 快速路,再到城市、内部道路、停车场内部道路等,最终泊入车位的全场景打通。

总结来说,XNGP 智能辅助驾驶系统是继 XPILOT 系统之后,小鹏汽车全新一代智能驾驶系统,将具备全场景智能辅助驾驶能力,也是实现无人驾驶前,辅助驾驶的终极产品形态。

小鹏汽车自动驾驶副总裁吴新宙对 「终极产品形态」 进行了解释,「对于 XNGP 来说,在软件上,功能上我们希望它们能够开始在部分场景,最后到全场景能够给用户接近 L4 的体验。就是没有接管。」

当然,愿景要提,给团队的阶段性目标也要量化,指标更是细化到不可思议的程度。

特别是在小鹏汽车经过组织架构大调整,且市场表现下滑的当下,就更需要一些新的进展来刺激市场信心。今年一季度,小鹏汽车的市场表现并不好,仅卖出 1.8 万辆新车。而一向主打智能化的小鹏,这手牌需要拆得很细去打。

XNGP 系统将在 2023 年上半年之前,除 G9 Max 版本车型交付即有高速 NGP、记忆泊车、LCC、智能泊车等功能外,在全国范围(所有无图城市)开放识别红绿灯并直行通过路口能力,城市 NGP 覆盖广州、深圳、上海三座城市。

2023 年下半年,在大部分无图城市开放变道、超车、左右转能力(部分高等级能力可用范围将根据用户数量和测试进度分阶段开放),2024 年完成全场景打通,实现从车位到车位的智能导航辅助驾驶能力。

启用 XNet 视觉感知

「我们的第一信条就是什么都能停,测试不能停,因为测试一停软件迭代就得停。」 在过去的疫情期间,即便整体的开发阶段非常艰难,吴新宙说团队依旧努力确保进度的进行。

他透露,「1024 科技日」 以后,包括人机交互、SR(智能辅助驾驶环境模拟显示)在内,迭代了三百多版软件,「尽可能地把我们三月份发的这一版,发在比较好的状态。」

今年 3 月底,吴新宙团队来兑现第一阶段的承诺了。

3 月 31 日晚上开始,第一阶段的能力就会向 G9 和 P7i 用户分批推送,从次日早上开始,大部分的用户可以收到这个软件包的更新。对于 P5 P 版的高配用户来说,也会在广州和深圳的基础上,新增开放上海,当然还是城市 NGP。

小鹏 XNGP 的硬件系统是 31 个感知元件(若包括高级驾驶辅助地图和 IMU 惯性测量单元,则传感器总数为 33 个)匹配英伟达双 Orin-X,硬件分别是 7 颗辅助驾驶摄像头、4 颗环视、1 颗 DMS 传感器、双激光雷达、5 颗毫米波、12 颗超声波。

《出行百人会 / AutocarMax》体验了 XNGP 阶段性成果,整体通行效率并不会有明显降低的感觉,期间的一些驾驶行为有老司机的味道,比如,过路口强行通过黄灯、连续变道等。

不过,确实没能实现零接管,出现了实线变道(由于临近虚线尽头连续变道,没成功),出闸道人工与 ETC 口无法区分,右侧车辆汇入时急刹点头,无图窄路前面有非机动车缓行跟随等情况。

吴新宙分享,单从接管次数来说,内部测试结果显示,这一代比上一代好了十几,二十倍左右的指标。

值得一提的是,在 SR 上可以看到非常漂亮的车道线、停止线,包括斑马线,还有别的种种类似地图物体的几何输出。

进化出的仪表 SR 2.0 不得不归功于 XNet 神经网络,也是这次阶段性成果中最需要讲的一个变化。XNet 深度视觉神经网络是国内第一个量产上车的 BEV 感知架构。

BEV 是基于多视角摄像头的 3D 目标检测在鸟瞰图下的感知(Bird’s-eye-viewPerception,BEV Perception)。这是一项由神经网络将图像信息从图像空间转换到 BEV 空间的技术,增加了时序的维度。

传统的以 CNN 为核心的感知架构,车辆感知到的是一帧帧空间信息,这些信息是需要依赖高精地图来串联,以保持连续性的。

但高清地图方面的布局,不仅资质审核、复审困难,测绘采集工作量大、道路信息更新频繁、敏感道路数据政策限制多,每一环都掣肘着高清地图的实际应用。

于是,在实际应用中,企业开始探索不依赖高精度地图的方案。特斯拉带火了 BEV 感知架构,现在全球范围内,都在往这个方向走。BEV 感知架构加入了 「时序」,自建时空,「看」 到连续的世界,这也是实现无图智驾的基础。

「XNet 使我们真正能够突破高精地图的限制,至少是减少依赖。」 吴新宙表示,「这是下半年,我们能在数十个无图城市释放 XNGP 的原因。」

其实,XNet 能释放出的能力只是开始。目前,Xnet 对静态环境的输出完成了地面、护栏、红绿灯、树木、建筑等路面静态物体的长宽高和相对位置几何部分,对斑马线减速、桩桶线绕行等语义理解还需要进一步努力。

吴新宙解释称,「核心要把它真正用到变道、拐弯等相对复杂的过程中,包括道内的各种规避,它还是需要一个语义的理解,要知道这段道路跟下段道路的连接关系是什么。」

对于 XNet 将来释放的能力边界,吴新宙也非常自信。

「就是真正把视觉的网络的结果,变成我们平时所熟悉的高精地图这样一种使用情况。」 他表示,目前为止还没有看到解决不了的问题。

「商品化」 的硬指标

在小鹏智驾团队内部,一直绷着一根弦,从工程品到商品,怎么完成转化。以智驾产品为例,将抽象的科技转化为具有实操性和商业可行性的商品,比多数研究者所认为的要难得多。

「城市智能驾驶」 是场景中的重中之重。数据表明,用户的总用车里程中,城市道路占比高达 71%,换成用车时长维度则可以占到 90%。同时,每天仅有 25% 的用户出行会通过高速,而城市道路则是 100%。

城市 NGP 难度量级在高速场景百倍以上,由于整个交通的复杂性高,参与者的数量多,城市道路多样化,且不同城市之间路况也有差异化,凡此种种,给城市场景的自动驾驶实现带了巨大的挑战。

「我们一直在说到城市里面做辅助驾驶不是意愿问题,是能力问题,我们相信需要一段时间去逐步完善。但是在辅助驾驶的角度,我们认为它会很快地接近 80 分,甚至 85 分的状态。」 吴新宙表示。

毫无疑问,随着城市的增加,工程量就会增加。

以红绿灯为例,石家庄有爱心形状的红绿灯,天津有进度条一样的红绿灯...... 吴新宙还分享了一个有趣的案例,在上海试开第一版时,满街的红灯笼,给红绿灯检测带来相当的困难。上述情况,对于能力的泛化会提出更高的要求,对于工程化来说,也是一个需要解决的问题。

「我期待每一个大城市,跟上一个城市比,刚开始有 5%,甚至 10% 的差异度。但是,随着我们做到五个,十个城市,这个差异会逐渐趋同。」

接下来,吴新宙团队还有几个山头要打,包括无图化,点到点,往无人化上的持续演进。

此外,还有降本的问题。他透露,何小鹏提出在智能驾驶部分要降本 50%,「老板说了,一定要做。」

「这些功能的仗,一仗一仗打,有一定的难度。但是,我们特别有底气的是,我们的研发体系已经达到了稳态,在各个团队之间配合的流畅程度,已经到了非常好的状态。」 吴新宙颇为认真地说,「所以,还是那个调,工作量很大,但是不难。」

题外话:

4 月初,杜克大学电子与计算机工程系教授陈怡然的微博转载了行业资深从业者的一段话:

你把 AI 想象成一个小孩,欧美的 AI 属于精英教育路线,出生后家里就一路砸钱供他读书读到博士。等到毕业之后,一出场就王炸,惊艳全场。

中国的 AI 属于功利教育路线,出生就接受生存教育,养到 15 岁,就开始逼着他想办法给家里挣钱。学的都是如何市场化的技巧。

所以你看到谷歌的围棋,波士顿动力的机器狗,到现在 ChatGPT 他们都有同样 3 个特征:1、默默烧钱,蛰伏多年;2、一鸣惊人,出来都是王炸;3、靠技术基建挣钱,看不到直接盈利的模式。

再看我国,2014 年我在百度度秘团队(小度前身),机器人刚学会基本对话,就开始找盈利场景。于是出现了小度 AI 及其家电衍生物。2018 年加入阿里达摩院,对话机器人刚能说话,就转向阿里小蜜客服机器人。

无人驾驶刚开始学会在开放道路上低速行驶,只会认路认障碍物,就开始搞无人车配送。2022 年加入字节,又是 NLP 搞机器人客服。说起来我在中国最顶级的 3 家公司搞 AI 都十年了,其实每个公司都是在 2 年左右,产品刚有雏形,技术和产品就被迫为业务目标服务。

前不久 ChatGPT 爆火,不少咨询公司找我做分享,他们并不关心中国现有的技术到什么层面,中美最大的差异从哪来…… 他们的问题依然是 AI 怎么赚钱,有哪些业务机会。

现在中国 AI 从业者面对老板 / 投资人的处境,就像一个想从村里走出去求学的年轻人,他每经过一个路口,就有一群大爷大妈,怼着他的鼻子问 「咦~~~读博士花那么多钱有啥用唻~能挣钱不~~还不如牛二娃去厂里打螺丝~3 年就给起了新房子~~~」。

你问 「为什么感觉欧美的 AI 比我们强?」,出于从业者的自尊心和对企业的维护,在公开场合我会说 「中国 AI 更倾向于业务应用和商业化的能力」。

在夜深人静的时候我内心的声音是 「人的命运在子宫里就注定了,机器人也不可幸免。」

客观来说,这段话情绪比较重,但很能说明一些问题。

它非常形象地呈现了 AI 发展过程中,中外泾渭分明的路径区别。市场,的确是技术发展的最大推动力,任何新兴科技都绕不开市场化的命题,但拔苗助长,结果一定适得其反。

从某种程度而言,国内 AI 发展遇到的问题,也是智驾功能落地的镜像。

本文著作权归作者所有,并授权 42 号车库独家使用,未经 42 号车库许可,不得转载使用。

评论 · 0

0/3
大胆发表你的想法~
赞
评论