圖片來源@視覺中國
文｜HiEV大蒜粒車研所，作者 | 張祥威，編輯 | 德新
落地城市NOA，是今年最重磅的自動駕駛大戰(zhàn)。而BEV感知，目前看來是通往城市NOA的必經(jīng)之路。
年內(nèi)落地BEV，已經(jīng)是國內(nèi)自動駕駛頭部玩家的共識。
其實(shí)，BEV是很早就提出的算法，又稱鳥瞰圖或上帝視角。直到近幾年，特斯拉將其用于自動駕駛領(lǐng)域，國內(nèi)車企隨之布局，才受到更多關(guān)注。
國內(nèi)涉足BEV的，造車新勢力有小鵬、蔚來、理想等，科技公司有百度、華為、毫末智行等。尤其今年4月，國內(nèi)新能源汽車龍頭比亞迪宣布年內(nèi)落地BEV，將大戲推向高潮。
為何要落地BEV？主要是自動駕駛場景發(fā)生了變化。
高速場景相對簡單，城市場景更為復(fù)雜，感知任務(wù)規(guī)模大幅增加，需要更多地利用深度學(xué)習(xí)。
感知層面，傳統(tǒng)的2D檢測已經(jīng)力不從心，只有BEV能更好地完成城市場景感知任務(wù)，并為下一環(huán)節(jié)的規(guī)劃、控制打好基礎(chǔ)。
落地BEV，最直觀的檢驗(yàn)就是城市NOA功能能否在多個城市大規(guī)模推送。這場感知算法的重大轉(zhuǎn)變，考驗(yàn)的是車企的算法自研功底。
故事從特斯拉重寫Autopilot軟件代碼開始。
2019年，特斯拉推出高速場景下的NOA（Navigate on Autopilot），小鵬、蔚來等造車新勢力緊隨，興起了一小股高速NOA技術(shù)潮。
直到2020年8月，馬斯克透露，團(tuán)隊(duì)正在重寫Autopilot的底層代碼。
又過了兩個月，特斯拉推出 FSD Beta ，可以支持在城市道路場景下的NOA。支撐城市NO功能的，便是全新的BEV感知算法。
為什么會出現(xiàn)這一變化？
毫末智行技術(shù)副總裁艾銳告訴HiEV，“在特斯拉推出BEV之前，大家使用的是前視相機(jī)，周視用的很少。高速上，車密度不大，側(cè)后方用一些雷達(dá)也夠了。進(jìn)入城市后，車流量開始密集，僅看正前方也不夠了。BEV的出現(xiàn)， 核心在于需要做360度的感知。”
特斯拉重寫代碼的同年，蔚來和小鵬也開始轉(zhuǎn)向。
蔚來引入原Momenta研發(fā)總監(jiān)任少卿，任的背景是計算機(jī)視覺研發(fā)，加入蔚來后負(fù)責(zé)算法團(tuán)隊(duì)，開始在Mobileye方案外啟動自動駕駛自研。
小鵬也開始研發(fā)基于XNet的BEV感知架構(gòu)。2021年的1024科技日上，吳新宙透露，在過去6個月里，每一個預(yù)測和規(guī)劃代碼全是重寫的。
對于兩家重寫代碼這件事，均勝電子副總裁郭繼舜向HiEV表示，“周期性重寫代碼是對產(chǎn)品和系統(tǒng)認(rèn)知提升后的必然階段。在工程化方面，該踩的坑基本都要踩一遍，大家都需要階段性更新代碼和架構(gòu)。”
從已有信息看，基于BEV研發(fā)全新算法，小鵬們的做法相似。大家均是從靜態(tài)BEV網(wǎng)絡(luò)算法、動態(tài)BEV網(wǎng)絡(luò)算法部署算法。
靜態(tài)BEV解決的是道路結(jié)構(gòu)還原，感知對象是車道線、道路邊界、停止線，可以解決部分?jǐn)z像頭被遮擋、車道線模糊等問題。
動態(tài)BEV解決的是交通參與者的還原和預(yù)測，感知對象車輛位置、姿態(tài)、尺寸、速度，可以在車輛同時出現(xiàn)在多顆攝像頭視野內(nèi)，可以穩(wěn)定地追蹤和感知出物體的距離和速度。
在BEV出現(xiàn)前，傳統(tǒng)2D檢測的好處是整個計算非常直觀，但整個投影過程都是使用軟件的方式，沒辦法形成端到端，會出現(xiàn)信息丟失、誤差等問題。
BEV的到來，將讓小鵬們獲得更強(qiáng)的360度感知能力。
不過，這里面的難度并不小。
BEV，全稱Bird’s eye view，本質(zhì)上多個目標(biāo)前融合感知方案。
簡單理解，它是將攝像頭等傳感器采集的2D為主的圖像數(shù)據(jù)，轉(zhuǎn)化為3D坐標(biāo)空間下的數(shù)據(jù)，從而實(shí)現(xiàn)對物理世界的真實(shí)還原。
特斯拉的做法大致是：
基于純視覺，利用8個攝像頭采集數(shù)據(jù)，通過深度學(xué)習(xí)的主干網(wǎng)絡(luò)Backbone對各個攝像頭進(jìn)行特征提取，再通過Transformer將2D圖像轉(zhuǎn)化為3D空間。
應(yīng)用的技術(shù)并不新潮。
Backbone的本意是人的脊梁骨，在深度學(xué)習(xí)中被引申為主干網(wǎng)絡(luò)的意思，其主要作用是就是提取圖像的特征。
Transformer最早在2017年由谷歌提出，是利用注意力機(jī)制（Attention）來提升模型訓(xùn)練速度的模型。將Transformer發(fā)揚(yáng)光大的是GPT，也就是Generative Pre-trained Transformer。
通過BEV和Transformer，特斯拉開始獲得全新的“上帝視角”下的數(shù)據(jù)。并在此基礎(chǔ)上為數(shù)據(jù)加上了時間戳，形成了4D空間。以用于對目標(biāo)物測速，乃至對目標(biāo)物的運(yùn)動軌跡進(jìn)行預(yù)測。
可以說，BEV改進(jìn)了自動駕駛看物理世界的視角，可以更高效、準(zhǔn)確地獲取感知數(shù)據(jù)，這為后面的規(guī)劃和控制提供了基石。
國內(nèi)的自動駕駛玩家已經(jīng)認(rèn)可了這種方式，并且紛紛布局。
與特斯拉不同的是，國內(nèi)玩家之前的方案中，在攝像頭之外增加了更多的傳感器和定位系統(tǒng)，比如超聲波雷達(dá)、激光雷達(dá)、高精度地圖等。
方法論相似，挑戰(zhàn)在于融合困難，以及更多的代碼量、數(shù)據(jù)標(biāo)注工作。
寫代碼是一項(xiàng)繁重的任務(wù)。
小鵬汽車自動駕駛副總裁吳新宙披露，城市NGP的代碼量是高速NGP的6倍、感知模型數(shù)量是4倍、預(yù)測、規(guī)劃、控制相關(guān)代碼量是88倍。
為BEV的數(shù)據(jù)進(jìn)行標(biāo)注，同樣需要大量的工作。
舉個例子，要構(gòu)建實(shí)時語義地圖，需要對數(shù)據(jù)進(jìn)行結(jié)構(gòu)性訓(xùn)練，基于BEV模型做數(shù)據(jù)的標(biāo)注、分割、分類。僅標(biāo)注一項(xiàng)，根據(jù)毫末智行CEO顧維灝預(yù)測，BEV的模型大概需要標(biāo)注1億公里的數(shù)據(jù)。
智能駕駛數(shù)據(jù)服務(wù)商柏川方面告訴HiEV，數(shù)據(jù)標(biāo)注行業(yè)單人單月的綜合成本約為四千元，千人規(guī)模的標(biāo)注團(tuán)隊(duì)一年成本要達(dá)到1億元。
另一位從事數(shù)據(jù)標(biāo)注的業(yè)內(nèi)人士向HiEV表示， “要標(biāo)注1億公里的數(shù)據(jù)，實(shí)際上會有失效率，按照50%的失效率計算，假定都是簡單場景，每人每天標(biāo)注2km，需要一萬人的團(tuán)隊(duì)標(biāo)注至少四年的時間。 ”
好在，特斯拉已經(jīng)探了路。
早前，特斯拉有一支千人規(guī)模的人工標(biāo)注團(tuán)隊(duì)，后來開始增加自動標(biāo)注和虛擬仿真等工具。
對此，上述數(shù)據(jù)標(biāo)注從業(yè)人士表示，“特斯拉的自動標(biāo)注是行業(yè)風(fēng)向標(biāo)，其預(yù)標(biāo)注技術(shù)目前行業(yè)最優(yōu)。加入自動化標(biāo)注模型后，假定可以提效80%，可以將1萬人團(tuán)隊(duì)的標(biāo)注時間縮減到一年。”
小鵬、毫末智行等已經(jīng)感受過人工標(biāo)注的成本之昂貴，開始探索自動標(biāo)注。其他各家，也可以進(jìn)行借鑒。
BEV帶來的第一個變化，是讓自動駕駛配置開始縮減。
在沒有布局BEV之前，國內(nèi)車企是最早通過高精地圖來實(shí)現(xiàn)自身定位。車規(guī)級激光雷達(dá)成熟后，車企又加入了激光雷達(dá)。
布局BEV算法后，一些車企們開始由原來的堆砌配置，轉(zhuǎn)為縮減配置。
大家發(fā)現(xiàn)，BEV可以實(shí)時生成語義地圖，進(jìn)而替代高精度地圖，甚至還可以去掉超聲波雷達(dá)。
事實(shí)上，小鵬早期并不打算去高精度地圖。
吳新宙曾提到，對于城市場景，高精地圖的鮮度非常關(guān)鍵，小鵬汽車正在和高德地圖一起努力，希望發(fā)布的時候能夠做到天級更新高精度地圖的能力。
不過，耗資幾千萬可以買下高速道路的高精度地圖，但要買下城市場景下的高精度地圖，費(fèi)用又是另一個級別。
更何況，獲取地圖審批資質(zhì)的效率，也會耽誤自動駕駛向多個城市推送的進(jìn)程。最終，車企們不得不進(jìn)入自動駕駛的縱深地帶，利用技術(shù)甩掉高精度地圖的拐杖。
這里面也有一定挑戰(zhàn)。
“BEV去高精度地圖，很多公司不一定能搞定，需要做大規(guī)模的云端場景重建、自動化的元素提取。另外，純拓?fù)涞娜蝿?wù)還是很難，很多時候會因?yàn)檎趽酢④嚨谰€不清晰而難以實(shí)現(xiàn)。”宏景智駕高級工程經(jīng)理柴可寧告訴HiEV。
至于BEV是否會去掉激光雷達(dá)？
特斯拉的答案是， 利用Occupancy占用網(wǎng)絡(luò)，以及4D毫米波雷達(dá)的點(diǎn)云信息，就能替代激光雷達(dá)。
國內(nèi)是另一重景象。
國內(nèi)目前尚未興起去激光雷達(dá)的苗頭。艾銳認(rèn)為，激光雷達(dá)不會由于BEV算法的出現(xiàn)而被替代。
“在夜間，攝像頭根本看不見。激光雷達(dá)是一個物理傳感器，可以主動發(fā)射信號。對高端車型來說，可以讓車輛多一重安全性。對于中低端產(chǎn)品來說，成本相對較高，只有追求極致性價比，才會去傳感器。”他解釋道。
其實(shí)，基于純視覺還是多模態(tài)，本質(zhì)上不是技術(shù)問題，而是一個商業(yè)成本問題。從技術(shù)角度，多模態(tài)的效果肯定更好，但從成本角度，多模態(tài)的上車搭載量會少。
BEV帶來的第二個變化，是需要芯片廠商更好地適配，與車企形成深度合作。
因?yàn)?，BEV方案比較考驗(yàn)芯片對于算子的支持能力。
除了特斯拉采用自研FSD芯片外，頭部自動駕駛玩家更多地 基于英偉達(dá)Orin X落地BEV方案，且以雙Orin X為主，算力高達(dá)508TOPS。
對此，艾銳表示，“英偉達(dá)的芯片基礎(chǔ)計算單元是CUDA，非常小，也非常靈活，對算子的支持能力非常強(qiáng)。”
而如果算力小了，要實(shí)現(xiàn)同樣的幀率，就需要做特別的算子優(yōu)化。
事實(shí)上，一套標(biāo)準(zhǔn)的BEV算法，現(xiàn)在的很多芯片都不支持，大家在用各種各樣的算子去替換它們，這就需要芯片廠商和主機(jī)廠深度配合。
今年4月，比亞迪在上海車展宣布基于地平線征程5的自研BEV方案將在年內(nèi)量產(chǎn)。目前，地平線可以向車企提供BEV參考算法，且正在布局Occupancy占用網(wǎng)絡(luò)。雙方的合作，將是基于征程5落地BEV的首個案例。
最后，BEV技術(shù)的強(qiáng)大感知能力，不僅吸引了乘用車競相布局，也在商用車?yán)锩骈_始應(yīng)用。
比如，摯途科技的BEV方案，便針對商用車型車身長、檢測盲區(qū)較大的特點(diǎn)，向車企提供攝像頭選型和安裝位置方案，可以實(shí)現(xiàn)前方300米范圍的檢測，且增加了車身和近距離的感知冗余。
頭部車企闖關(guān)BEV感知時，其他傳統(tǒng)車企會面臨更大的壓力。
對于BEV方案，發(fā)力較晚的車企其實(shí)有著更多選擇。
一種是自研。
要做BEV方案，方向大致已定。需要選一套傳感器方案，基于大算力芯片進(jìn)行開發(fā)。另外，還需要自動標(biāo)注閉環(huán)系統(tǒng)，以及用于數(shù)據(jù)訓(xùn)練的智算中心等等。
時間上，做BEV的周期相對造車更短。
“主機(jī)廠從傳統(tǒng)2D檢測轉(zhuǎn)到BEV感知，如果要把數(shù)據(jù)準(zhǔn)備都算上，快的話需要一年時間。”艾銳說。
投入事項(xiàng)明確，周期相對較短，這決定了車企可以進(jìn)行自研。
我們也注意到，除上述幾家布局BEV的車企外，其他玩家也在準(zhǔn)備入局。
今年1月，長安汽車智算中心GPU算力擴(kuò)容集成項(xiàng)目開始招標(biāo)。2月，吉利星睿智算中心在湖州長興揭牌。
另一種是與供應(yīng)商合作。
如果看整個國內(nèi)汽車市場，會發(fā)現(xiàn)自動駕駛方案供應(yīng)商也有其存在價值。
除了造車新勢力覆蓋的30萬以上的高端市場外，中低端市場十幾萬以上30萬以下的車，仍然是主流。
據(jù)HiEV了解，毫末智行將基于十幾TOPS的芯片運(yùn)行BEV算法，“硬件成本上，幾千塊錢就可以做到城市NOA，類似的產(chǎn)品很快也會出現(xiàn)。”
一些之前布局L4的科技公司，比如小馬智行、元戎啟行、商湯絕影等，也在推出BEV的方案。這些公司做BEV，優(yōu)勢在于之前的算法更易于遷移。
理論上，這些公司不會面臨華為向車企提供解決方案時的“奪走靈魂”的質(zhì)疑。
“華為太大了，它有能力做任何事，包括造車。我們很小，而且非常開放，車企不需要擔(dān)心失去靈魂。”一位自動駕駛解決方案供應(yīng)商的高管表示。
“在BEV上，我們愿意賦能車廠，是服務(wù)者的心態(tài)。很多時候，車廠對我們感興趣的就是真值系統(tǒng)，它一年有幾千萬的標(biāo)注預(yù)算，搭載真值系統(tǒng)后，可以降到幾百萬，肯定會感興趣。整體上，車企對我們的感知算法很感興趣。”柴可寧說。
“從技術(shù)演進(jìn)趨勢看，不是零和博弈。作為一個解決方案供應(yīng)商，我們的算法、云端中心還是有一定的領(lǐng)先性。”商湯絕影量產(chǎn)行車智能駕駛研發(fā)負(fù)責(zé)人蔣沁宏表示。
如果車企不想重復(fù)造輪子，至少在可見的一段時間，與解決方案供應(yīng)商合作，盡早進(jìn)入自動駕駛的賽道是一個好的選擇。
還記得2020年下半年，蔚來推出基于Mobileye的高速NOP功能，小鵬則基于英偉達(dá)Xavier推出了高速NGP。
如今，三年時間不到，大家又開始比拼基于BEV感知架構(gòu)落地城市NOA的效率。
一個例子可以看出各家競爭的激烈。
最近，小鵬發(fā)布了一項(xiàng)名為“通勤模式”的功能，又被稱為微縮版城市NGP，可以在無圖方案的四五線城市使用。
“聽說我司預(yù)告城市通勤模式之后，有兩家友商已經(jīng)快速決策分別從宣傳和實(shí)際行動上致敬一下子。”小鵬汽車自動駕駛產(chǎn)品高級總監(jiān)劉毅林在社交平臺上發(fā)文表示。
今年以來，各家陸續(xù)公布基于BEV的城市NOA落地計劃。
中國有600多個城市，按照各家計劃，年內(nèi)將有接近六分之一也就是近百家城市可以使用城市NOA功能。
對于這些大力投入的玩家來說，有的需要維護(hù)一早立起的自動駕駛一哥的江湖地位，有的蓄勢通過城市NOA規(guī)模落地打一個后來居上的漂亮翻身仗，也有的要證明自己在自動駕駛領(lǐng)域也是遙遙領(lǐng)先，也有的要借助車企，為更大的市場立一個標(biāo)桿產(chǎn)品，一切都將在下半年出現(xiàn)定論。
各家競逐城市NOA落地時，還有一家真正的巨頭正在候場。目前，特斯拉FSD Beta已經(jīng)在海外城市范圍內(nèi)推送，進(jìn)入國內(nèi)只是時間問題。
如王傳福所說，新能源汽車的上半場是電動化，下半場是智能化。
在電動化競爭階段，大家還有傳統(tǒng)造車工藝可供依仗，智能化的競爭階段，將是包括BEV感知、規(guī)劃、控制，以及智能座艙等在內(nèi)的各個點(diǎn)位的全方位競賽，更加考驗(yàn)車企的軟件研發(fā)能力。經(jīng)歷BEV算法落地大戰(zhàn)后，車企的核心技術(shù)將再次重塑。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論