面向量產的行泊一體技術架構與產品矩陣
來源：蓋世汽車
2023年5月9日—10日，在由捷途汽車主辦，蓋世汽車承辦的2023捷途汽車電子架構與智能駕駛論壇上，Nullmax紐勱創(chuàng)始人/COO宋新雨表示，Nullmax致力于以技術創(chuàng)新推動智能駕駛實現(xiàn)更大規(guī)模的應用普及，打造了全球領先的技術架構與產品矩陣，賦能行泊一體方案加速落地。
Nullmax全自主研發(fā)的高級別自動駕駛輔助方案涵蓋車端、云端，包括完整上層應用MaxStack、中間件MaxOS以及云端數(shù)據(jù)系統(tǒng)MaxCloud?；陬I先的自動駕駛全棧技術，Nullmax可提供豐富的量產化應用，現(xiàn)已推出 MaxDrive 行泊一體和 MaxVision 視覺感知算法等解決方案，產品矩陣全面覆蓋高、中、低算力要求。
其中，MaxDrive作為目前市面上極少有的真正融合的行泊一體4.0形態(tài)方案，得益于Nullmax的BEV-AI技術架構，兼顧技術性能和部署成本的雙重需求，在前裝量產領域獲得了廣泛認可。攜手多家傳統(tǒng)車廠、造車新勢力和Tier1合作伙伴，Nullmax在不同算力區(qū)間的芯片平臺上實現(xiàn)了落地，走在業(yè)內商業(yè)化提速的前列。
宋新雨 | Nullmax紐勱創(chuàng)始人/COO
以下為演講內容整理：
針對市場痛點Nullmax誕生
2017年，Nullmax將總部設立在上海張江，開啟了自動駕駛的落地之路，之后不斷在技術路線上更新迭代，延續(xù)以視覺為主、多傳感融合感知的技術理念，針對中國市場和客戶痛點，探索行車、泊車一體化的方案。此前我在美國經歷了特斯拉Autopilot 1.0到2.0落地的全過程，相信在視覺為主的這條路線上不斷突破和發(fā)展，可以推進自動駕駛領域的落地進程。
泊車功能在國外還較少，因為國外的停車位位置寬闊，所以相關需求幾乎沒有，而在中國卻是剛需，并且場景程度也更為復雜。我們首先選擇在中國落地自動駕駛，因為在行車場景上的挑戰(zhàn)與門檻難度較高，同時泊車場景也在同步推進，包括行泊一體的方案。
Nullmax選擇了深度學習為主的技術路線，并在現(xiàn)實中的工程化過程中，不斷探索如何在資源和算力有限的情況下實現(xiàn)更高的性能。
云端車端兩大場景助力行泊一體化發(fā)展
Nullmax方案涵蓋云端和車端兩塊場景，云端以可視化和分析、數(shù)據(jù)篩選及標注，模型訓練和評估為主；車端系統(tǒng)是從公司創(chuàng)立延續(xù)至今，以包括感知、規(guī)劃、控制在內的上層應用軟件為主。
圖源：演講嘉賓材料
行車這塊我們有自己一套自研系統(tǒng)，在不斷解決基礎的ADAS功能的同時，打造更高階的NOC自動領航功能。接下來，Nullmax將在中低算力平臺上實現(xiàn)該功能的量產交付。同時，泊車場景也會在后續(xù)提升更多高級的功能。
我認為行泊一體大概經歷了四個階段的形態(tài)：一是行泊一體1.0形態(tài)，域控制器是分離式的；二是行泊一體2.0形態(tài)，行車、泊車集成式域控制器形成了一體化，但采用雙SOC子系統(tǒng)；三是行泊一體3.0形態(tài)，采用行泊一體單SOC的系統(tǒng)，但傳感器無法深度復用；四是行泊一體4.0形態(tài)，實現(xiàn)了傳感器深度復用，行泊一體在單SOC上實現(xiàn)性價比更高的解決方案。這種方案的優(yōu)勢是在行車場景中，可以高度復用泊車場景傳感器，帶來性能的提升，這也是我們正在量產和實踐的點。
我們產品分為兩條線，一是上層應用算法，在車端實時運行、易于部署的感知、預測、規(guī)劃一系列量產應用。二是單獨視覺感知的產品線。Nullmax在與國內不同的tier1，包括主機廠有這方面的合作，已經在去年交付了周視感知模塊。
中國的場景具有復雜性，在實踐過程中，如果覆蓋全部場景，就要滿足不同的ODD范圍，并且對場景的定義都要做大量的驗證。比如對攝像頭的要求、算法感知的要求，包括雨天、霧天相關的特殊場景等。所以現(xiàn)在大多數(shù)客戶或者合作伙伴可能會選擇大算力的芯片去實現(xiàn)，但我們可以在極具性價比的芯片上，率先在中國實現(xiàn)NOC自動領航功能的落地。
獨有的BEV-AI技術架構，加速行泊一體應用落地
我們打造了一套平臺化BEV-AI技術架構。一是不局限于英偉達、Orin的芯片，可以適配任何的芯片，包括國產芯片；二是面向所有主機廠，不管傳感器的配置、芯片選型，包括不同的FOA，這套BEV-AI架構可以解決不同客戶的定制化需求，還可以實現(xiàn)不同的配置；三是我們這套框架能實現(xiàn)超遠距離的感知，并且還可以面向產品部署。就好像我們這套BEV-AI框架是一棵大樹，針對不同的芯片產品，可以抽出來不同的解決方案。
圖源：演講嘉賓材料
在BEV中，從一個攝像頭到另一個攝像頭需要很精確的感知技術，不同攝像頭識別的車輛，能完整地定位成一輛，而不是出現(xiàn)多輛的顯示，對于技術的要求較高。
Nullmax在BEV 3D檢測的工作中，可以在復雜的城市十字路口感知大量的車流，在城鎮(zhèn)的復雜十字路口完成感知任務，還可以識別大卡車、特種車輛等難點目標。
業(yè)界談及BEV，大多數(shù)集中在感知領域，而我們在規(guī)控中也做了一些工作，比如把深度學習延伸到規(guī)控，學習人駕駛的行為習慣等。比如去年我們做到了全視覺稠密地圖定位，是不依賴高精度地圖的方案。接下來我們會部署這套不依賴高精度地圖的BEV方案實現(xiàn)工程化落地。
數(shù)據(jù)確實是AI驅動技術落地的關鍵，對數(shù)據(jù)的依賴程度較高。我們不僅做好了自己的算法，也在云端形成了一套數(shù)據(jù)閉環(huán)體系，不管是主機廠還是tier1，共同打造云端的平臺。如何高效利用和回收數(shù)據(jù)是關鍵點，更高效地幫助主機廠在量產時，實現(xiàn)更高的性能。
不僅如此，Nullmax自建并開源全球唯一特殊目標數(shù)據(jù)集，填補業(yè)界缺失數(shù)據(jù)空白，助力全球感知算法精進，解決業(yè)界缺少特殊目標數(shù)據(jù)的問題。通過大規(guī)模的自動化生成虛擬樣本，可以有效且快速地滿足數(shù)據(jù)的需求。
（以上內容來自于Nullmax紐勱創(chuàng)始人/COO宋新雨于2023年5月9-10日在捷途汽車主辦，蓋世汽車承辦的2023捷途汽車電子架構與智能駕駛論壇上發(fā)表的《面向量產的行泊一體技術架構與產品矩陣》主題演講。）