决战辅助驾驶下半场：L4公司如何做好城市NOA

2022年，辅助驾驶正式转入下半场。而攻克城市场景，则成了下半场的核心任务。

放眼市场，当前主要的整车厂和自动驾驶技术公司都在积极推进辅助驾驶系统在城市场景的落地，其中部分企业已经进入了量产应用的关键阶段。

小鹏汽车早在去年就立下Flag称，将于今年向城市场景拓展辅助驾驶能力。历时一年，小鹏汽车的城市NGP智能导航辅助驾驶已经于9月17日正式在广州启动试点。根据规划，接下来小鹏汽车还会将城市NGP功能进一步拓展至深圳以及上海。

同月，极狐阿尔法S HI版在深圳全量推送了城区NCA城区智驾导航辅助，正式开启城市NCA时代。

长城旗下毫末智行也已经进入了城市NOH大规模量产最后阶段的冲刺。据悉，长城旗下首款搭载量产城市NOH功能的车型摩卡DHT-PHEV激光雷达版即将迎来量产。

而轻舟智航，自今年5月正式发布“双擎战略”，明确发力量产车规级自动驾驶赛道，过去一段时间在城市NOA方面亦取得了诸多突破。此前，轻舟智航已经成功完成了基于单颗激光雷达的城市NOA落地实践，并已拿到了量产车的定点，目前正在全面去做交付的工作。

图片来源：轻舟智航

不难预见，接下来城市NOA提供的高速路段和城市路段都能使用的点到点辅助驾驶功能将全面进入落地推广期。基于此，各股势力必然会在城市领航辅助驾驶领域展开新一轮激战。

那么，作为一家L4公司，轻舟智航降维做城市NOA的优势何在？轻舟智航具体是如何用量产车成本做出L4体验的？日前，轻舟智航在首届技术工坊上首次全面分享了其在城市NOA核心技术领域的最新成果和独到优势。

与此同时，轻舟智航还正式发布了其自动驾驶解决方案品牌的中文名称——乘风，包含车载软件、车载硬件和数据自动化闭环等多个方面，充分彰显轻舟智航“基于数据，成于感知，用最强的PNC引领城市NOA的新高度”的价值主张。

落地城市NOA，是自动驾驶演进的必经之路

得益于产业链上下游的协同一致，以及核心技术不断取得新突破，过去两年自动驾驶在国内获得了长足的发展。

据相关统计数据显示，2022年上半年，我国L2级辅助驾驶乘用车新车市场渗透率已经达到了30%，而去年还只有23.5%，增长迅猛。目前整个市场正处于 L2 向 L3 发展的阶段，市场上 L3 级自动驾驶技术已相对成熟，待相关法规进一步完善即可实现落地，另外L4 级自动驾驶测试数据的积累也正在加速进行。预计未来三年，L2++级及以上的高级辅助驾驶在乘用车市场的渗透率将快速提升。

尽管如此，从具体应用场景来看，目前大部分自动驾驶依然只能在10%的高速场景使用，一旦进入城区，自动驾驶的体验远远达不到消费者的预期。

而城市，恰恰又是用户最高频的应用场景。据小鹏汽车此前给出的数据，在用户的总用车里程中，城市道路占比高达 71%；而在用户用车时间中，城市道路占比更是达到90%；从频率来看，每天仅有25%的用户出行会通过高速，而城市道路则是100%。

这意味着，攻克城市场景已经成为了自动驾驶演进的必经之路。

图片来源：轻舟智航

但这并不容易。作为辅助驾驶的天花板，无人驾驶的入门槛，城市场景相较于高速场景，无论是在路况还是交通规则等方面，都更为复杂：

•     交通参与者的复杂性：城市NOA除了大货车、小客车，还需要处理各类行人、三轮车，还包括各类工程车、市政车，以及车辆混行的场景；

•     交通规则的复杂性：城市道路包含了各地的各类永久性、临时性红绿灯，以及环岛、复杂立交桥等，在市区还时常有大量行人、自行车、电动车不遵守交通规则的情况；

•     市区高精地图覆盖里程有限：需要大量借助视觉信息来处理各类路口、道路标识和车道线以及其他静态交通设施。

这决定了开发一个城市NOA系统的难度相较于高速NOA也是指数级上升。为开发这样一套解决方案，目前行业涌现了多种不同的辅助驾驶配置方案，下至纯视觉、低算力平台的低配方案，上至配备激光雷达，搭载双NVIDIA DRIVE Orin或双地平线征程5计算平台的高配方案。

轻舟智航对城市NOA的主张是：在保证安全性的前提下，实现最优性价比。对此，轻舟智航提出了基于单颗激光雷达的城市NOA解决方案，该方案基于轻舟智航5月份发布的第四代量产车规级自动驾驶方案DBQ V4打造，在256Tops大算力域控平台的支撑下，仅采用一颗前向120°激光雷达，辅以视觉、毫米波雷达、高精度地图等实现对车辆周围物体的3D位置和运动方向判断，实现城市NOA。

图片来源：轻舟智航

在轻舟智航看来，在当前阶段，由于道路上充满复杂多样的障碍物和Corner Case场景，纯视觉方案很难应对中国的城市NOA需求。而激光雷达能够提供精确的3D测距，可以及时捕捉准确物体的位置、形态、大小、运动状态等信息，便于系统及时做出更为安全且舒适的规避动作，有效应对多种Corner Case难题。所以，激光雷达不可或缺。

至于为什么一颗足矣，一方面是基于轻舟智航“不堆料”的主张，另一方面则是源于轻舟智航在感知、PNC等底层软硬件架构的整体技术能力优势，以及在数据驱动研发模式方面的长期积累。

多传感器时序穿插融合，复杂场景看得清

无论是人还是系统开车，“看得清”是一个最基本的要求。

但因为城市场景更为复杂多变的道路交通环境，决定了城市NOA对感知系统观察和认知世界提出了极高要求，其中包括需要更加精准高效的感知融合算法。

目前，主流的融合方案包括前融合（数据级融合）、中融合（特征级融合）和后融合（目标级融合）三种，不同融合方案各有优劣。前融合可以实现更高质量的融合效果，但对于不同传感器的时间同步性和空间标定的要求非常苛刻。而后融合的解耦性更强，但依赖经验丰富、工程素养良好的工程人员编写基于经验的规则，同时需要大量的仿真、实车测试以获得更广的覆盖度，并且可扩展性有限，工程投入边界收益低。

图片来源：轻舟智航

为此，轻舟智航提出了“前中后穿插融合” 的超融合感知算法，即通过激光雷达、毫米波雷达、视觉等多传感器融合，感知模型可在不同阶段充分利用不同传感器信息，让不同传感器优势互补，以避免单模信息丢失，实现更早的多传感器信息共享，得到更优传感器融合结果。

图片来源：轻舟智航

基于这套方案，轻舟智航还提出了国内首个在量产计算平台实现视觉、激光雷达和毫米波雷达特征和时序融合的大模型OmniNet，以一个神经网络即可实现视觉、激光雷达、毫米波雷达在BEV空间和图像空间上输出多任务结果。

据了解，相较传统方案，OmniNet在实际应用中可节省2/3的算力资源，并拥有更高的感知融合精度和模型迭代效率，通过数据闭环可以实现算法的高效迭代，包括有效解决实际道路场景中的长尾问题，而且还可以低成本适配不同厂家的传感器配置。

由于采用了多传感器、多层级、时序融合的方式，OmniNet能够让多传感器信息相互补充，充分发挥各传感器的优势。通过将各视角的图像信息在BEV空间下进行融合，OmniNet能够准确且稳定地识别超长车辆、异形车辆、跨相机截断物体等。

而轻舟智航之所以能够通过一颗激光雷达搞定城市NOA，据悉很大程度上也得益于OmniNet。一个很现实的问题是，当车辆行驶在道路上，前向激光雷达是无法探测到车后面的情况的。但通过轻舟智航的时序和空间融合算法，在车行驶过程中，前向激光雷达扫过的区域会在系统时刻进行记忆，并在车往前行进后将记忆区域的点云数据，与侧向后向的纯视觉信息进行补充和融合，从而保证对前后向区域的充分认知。

另外，考虑到在真实的行车场景中，因雨雾造成的遮挡，地面积水造成的泛光和反射等，会给激光雷达点云信息带来噪声干扰，轻舟智航还专门构建了噪声过滤方案，最大限度排除雨雾、泛光等噪声对感知的干扰。

时空联合规划，以不变应万变

轻舟智航认为，城市NOA时代，PNC（规划控制）定高下。

图片来源：轻舟智航

这其实不难理解。如果说感知系统如同驾驶员的“眼睛”，那么PNC就相当于驾驶员的“大脑”，负责后续一系列驾驶策略的制定，包括路径规划、速度和方向的把握，以及选择执行任务的时机等。

PNC做的好不好，直接关系到驾驶安全性、行车效率以及驾乘舒适性。

在规划控制方面，目前业界普遍采用的是时空分离规划，也就是把对轨迹的规划拆分成两个子问题，即路径规划和速度规划，其中路径规划对应于横向控制，速度规划对应于纵向控制。时空分离规划相当于先为车辆“铺好”一段铁轨，再在铁轨上计算速度。

但这种方式非常依赖手写规则调整车辆行为，也非常依赖大量路测来验证算法，当面临突发情况时，很难自如应对。

图片来源：轻舟智航

为实现更接近人类“老司机”的驾驶能力，轻舟智航自研了时空联合规划算法，即同时考虑空间和时间来规划轨迹，将横纵分离升级为横纵联合，直接在x-y-t（即平面和时间）三个维度的空间中直接求解最优轨迹。如此一来，在各种场景都能够以不便应万变，包括鬼探头、逆行、变道等高频应用场景。

轻舟智航还专门自研了预测模型，包括车端和训练平台端两大重要部分。其中车端的预测模块主要是预测障碍物未来可能的行进轨迹，包括三个主要的子模块：

•     预测Context，主要用于记录各种各样的信息，比如自动驾驶车的历史的驾驶信息，障碍物的历史信息，地图和红绿灯信息等。

•     预测Scheduler，使用预测Context提供的信息来预测障碍物未来的行为和轨迹，包括对障碍物进行优先级分析，并分析障碍物当前所处的场景，从而制定相应的预测分发逻辑。

•     后处理：包括解决预测轨迹之间的冲突，裁剪低概率预测轨迹，交互后处理。

而训练平台端，主要是用来进行深度学习模型的训练和优化。

为提升PNC能力，轻舟智航甚至还利用数据驱动方式，为PNC建立了数据闭环。轻舟智航建立了专门的驾驶数据仓库，可自动化地对实际驾驶数据和影子模式下的人工驾驶数据打上标签，发掘出道路测试问题、仿真模拟的各种问题，甚至还有一些长尾问题，然后通过持续的仿真测试，进行算法模型的优化迭代，最终驱动整个系统性能的提升。

闭环数据驱动，L4与L2双向奔赴

自动驾驶的发展，究竟应该是从L2逐级往上演进，还是一步到位直接发力L4，过去几年业界一直未有定论。

但在今年，答案似乎一下子清晰了起来。

今年5月，轻舟智航发布“双擎”战略，明确以公开道路L4级自动驾驶能力为动力引擎，提升技术能力的深度，持续深入研发和验证L4级自动驾驶能力；以前装量产规模化落地为创新引擎，拓宽场景应用的宽度，让技术得到更广泛的应用。

图片来源：轻舟智航

要知道在此之前，轻舟智航一直是Robobus的领军企业。此次“双擎”战略的发布，意味着轻舟智航正式跨入量产自动驾驶赛道，进入L4与L2双线布局的新发展阶段。

紧随其后，文远知行宣布获得博世的战略投资，并与博世签署战略合作协议，联合开展智能驾驶软件的开发，助力应用于乘用车的SAE L2-3级自动驾驶大规模前装量产及市场化应用。此次与博世合作，也标志着文远知行正式进军量产型乘用车L2-L3自动驾驶领域。

再将时间快速回拨到10月，由福特和大众共同支持的自动驾驶汽车技术公司Argo AI突然宣布倒逼。据福特首席执行官Jim Farley表示，公司作出这一决策主要是由于L4高级自动驾驶大规模商业化盈利的时间要远远晚于预期，比较之下先进的L2+或者L3系统已经可以为客户提供真正的便利，并具备较大获取营收和利润的可能性，因此福特决定将投资重点转移到内部开发的L2+和L3技术上。

头部企业纷纷转向，充分表明：相较于规模化商用遥遥无期的L4，目前量产乘用车市场更需要的是L2。

但L4公司降维做L2，真的可以做好吗？

轻舟智航正在用实际行动书写这个问题的答案。在其看来，L4数据优势，可以很好地用来提高城市NOA能力上限。

据统计，目前轻舟智航已经在全国10座城市公开道路常态化运营，包括苏州、深圳、武汉等等，常态化运营的小巴车辆超过100台，这些车辆的运营为轻舟积累了丰富的行车数据，包括大量的L4级别传感器数据，以及长期积累的司机驾驶行为数据。

图片来源：轻舟智航

这些数据不仅是支撑L4级别自动驾驶的感知能力和规划控制能力的必要基础，在目前结合城市NOA的L2级别驾驶上同样完全可用。因为从应用场景来看，其Robobus与城市NOA其实也是高度相通的，这决定了两个解决方案之间会存在一定的共通性。

不仅如此，轻舟智航用于构建L4级别自动驾驶能力的数据工具链产品——轻舟矩阵，也同样可用于城市NOA的能力建设，加速开发节奏。目前，基于数据和工具链的协作，轻舟智航已经可以很好地应对多种典型应用场景，包括特定行为的行人识别、红绿灯识别、城市静态交通设施检测等。

而从另一个角度，得益于两个场景之间的共通性，轻舟智航在做城市 NOA功能的同时，又何尝不是在持续提升L4的技术能力。这意味着，现在做好城市NOA，最终其实也是通往高阶自动驾驶的必经之路。