智己的辅助驾驶到底什么水平?能城市NOA吗?
大家好,我是太空橘子。
最近买智己LS6的人多了,就有很多人问我,智己车的智能辅助驾驶是什么水平?和国内一线智能驾驶厂商,比如华为和小鹏有多少的差距,今天就跟大家来盘一盘。
一、 智己的开发进度算慢吗?
智己品牌是2020年12月25号成立的,到现在还没有3年的时间,但是当第一款车智己L7,2022年刚交付的时候,就已经有LKA(车道保持)+打灯变道的功能,而且全部免费,这个十分难得;很多品牌的新能源车,刚交付的时候,甚至连最基础的ACC都没有,完全是一个半成品。
而截止到2023年的10月,在这2年的时间里,已经在辅助驾驶方面实现了重大的突破。
1、 全国的高速NOA,可以在高速上自动超车,变道,上下闸道;
2、 国内主要的城市高架,快速路NOA,也可以实现自动超车,变道,上下闸道;
3、 上海的高架NOA目前已经可以实现纯视觉,不需要高精地图;
4、 上海已经可以实现城市NOA,不过需要高精地图;
当然24年的目标是,
1、 实现主要城市的城市的NOA;
2、 其他城市,县,乡实现通勤模式;
3、 进一步降低对于高精地图的依赖。
简单来说,这个进度还是非常快的,如果你对比一下友商,搞到现在城市辅助驾驶,其实用了差不多9年的时间,而智己2年多就追到差不多的进度了,差距就是开城的数量。
二、 智己跟一线品牌有多久的差距?
我说一下我的观点,目前主流的辅助驾驶技术方案都差不多,主要是算法和数据量;虽然现在大部分厂商都使用高精地图来实现辅助驾驶,但是高精地图就如同拐杖,迟早要丢掉的;取而代之的是,
BEV鸟瞰视角(Bird's Eye View):一种从上方观看对象或场景的视角,就像鸟在空中俯视地面一样。在自动驾驶和机器人领域,通过传感器(如LiDAR和摄像头)获取的数据通常会被转换成BEV表示,以便更好地进行物体检测、路径规划等任务。BEV能够将复杂的三维环境简化为二维图像,这对于在实时系统中进行高效的计算尤其重要。
Transformer架构:Transformer是谷歌2017年提出的AI大模型,最早用于自然语言处理领域。人工智能的核心技术是神经网络模型,较为主流和有效的神经网络模型主要包括卷积神经网络(CNN)、循环神经网络(RNN)、深度神经网络(DNN)和脉冲神经网络(SNN)等,主要应用于自然语言处理(NLP)和计算机视觉(CV)等领域;相比传统神经网络(如CNN),Transformer可以直接进行2D、3D不同序列之间的转换。
Transformer采用交叉注意力机制,并行训练数据,在跨模态融合以及时序融合过程中,能够更加全面地在空间时序上建模,形成时序融合下的4D空间信息,从而使感知结果更加连续、稳定,显著提高复杂环境变化的预判能力,进而提前规划智能驾驶行为,大幅降低接管里程。
Occupancy Network(占用网络):将我们的世界像素化成网格单元,定义哪个单元被占用,哪个单元是空闲的,还可以把当前场景下被遮挡的静止物体和动态物体也用体积块表示出来;再说说优势,硬件廉价,技术门槛较高, 通用障碍物检测具备良好的泛化能力,不需要像以前那样通过白名单一个一个标定,数据源角度上限更高,更容易出语义,深度准确性不如激光雷达准, 不过近距离应该问题不大,也可以通过算法弥补。
智己合作的辅助驾驶公司是Momenta,Momenta本身就是一家以L4辅助驾驶为目标的公司,技术积累和底蕴都是十分雄厚的,而且双方可以说是一个双赢的合作。
首先Momenta发现做Robotaxi的大规模运营太烧钱,和整车厂合作,为整车厂提供自动驾驶服务。这样一来,整车厂发售车型的竞争力得到提高,Momenta也能依托全国各地的量产车获得他们所需要的数据。
到2024年,量产数据大规模回流时,就是Momenta自动驾驶技术成熟的关键节点。
智己方面呢,Momenta相比于huawei比较人畜无害,是个纯软件解决方案的供应商,和主机厂不存在任何竞争关系。
目前智己的辅助驾驶和华为、小鹏差距半年左右。
三、 智己的硬件够用吗?
因为Momenta的优势,通过算法优化,在满足功能增长的前提下,将算力需求降低了90%。同时通过模型定点、模型压缩,核心算法自动调优和跨层融合,将模型效率提升500%,所以智己的IM AD也是目前行业唯二兼容Xavier,Orin双智驾计算平台的技术。
Xavier和Orin N的芯片就能实现全域视觉融合;
仅依靠单Orin X和单激光雷达,即可覆盖全量城市场景及去高精地图。
所以仅需21.49万元起售价的LS6,也能完全实现城市辅助驾驶NOA,性价比是非常高的,而且到2024年,量产数据大规模回流时,就是Momenta自动驾驶技术成熟的关键节点,到时智己的辅助驾驶也会更强,甚至在业界会处于领先的水平。
作者声明本文无利益相关,欢迎值友理性交流,和谐讨论~
Sky-Moon
校验提示文案
啥都没有
校验提示文案
啥都没有
校验提示文案
Sky-Moon
校验提示文案