“你的頭腦就是你的牢籠，但是如何突破自己的大腦呢？”人們經(jīng)常用這句話來審視自我的局限，但在2022年的智能駕駛行業(yè)，這也是所有智能駕駛“大腦”需要回答的一個問題。

在人類世界中，出生以后，我們首先通過大量的經(jīng)驗學(xué)習(xí)、邏輯分析，建立自己的知識體系，成為一個獨立的個體。但在積累到達一定程度后，往往會開始認識并反思自己的局限，并激勵自己通過拓寬認知的邊界和思維上的突破，擁抱更廣闊而美好的世界，達到全新的高度和境界。這是人類學(xué)習(xí)和進步的方式。

在智能駕駛領(lǐng)域中，通過對大量數(shù)據(jù)和豐富出行場景的不斷學(xué)習(xí)，變得“越來越聰明”，不斷實現(xiàn)系統(tǒng)性能的突破，這是機器智能的方式。

過去幾年，智能駕駛經(jīng)歷了從無到有的過程，從技術(shù)原型的積累到初代產(chǎn)品上車，從L0-L1級的基礎(chǔ)安全性能到L2++級的智慧化體驗，隨著高階智能駕駛落地需求越來越迫切，數(shù)據(jù)驅(qū)動和場景閉環(huán)的重要性也凸顯出來。

為什么說智能駕駛將進入數(shù)據(jù)驅(qū)動的時代？

數(shù)據(jù)如何在場景中實現(xiàn)流轉(zhuǎn)？

場景閉環(huán)又如何把當(dāng)下的量產(chǎn)落地和未來高階方案串聯(lián)起來？

近日，智駕科技MAXIEYE創(chuàng)始人周圣硯在2022 年度（第四屆）高工智能汽車市場峰會發(fā)表主題演講，圍繞《自動駕駛升維：量產(chǎn)，數(shù)據(jù)，場景閉環(huán)》進行了觀點闡述，通過剖析智能駕駛面臨的難題，與行業(yè)同仁探討數(shù)據(jù)驅(qū)動的“解題”方案。

第一，實現(xiàn)可靠穩(wěn)定的系統(tǒng)性能難。智能駕駛誕生的初衷，是讓出行更加安全、舒適、便捷。但最近因智能駕駛導(dǎo)致的交通事故，一定程度引發(fā)了大家的質(zhì)疑和擔(dān)憂。智能駕駛系統(tǒng)的安全可靠，人機交互的邊界規(guī)則等成為不可回避的問題。

“這是智能駕駛理想和現(xiàn)實的差距。”周圣硯表示，在用戶理想的認知中，智能駕駛是沒有約束、無限制的，但現(xiàn)階段可規(guī)模化應(yīng)用的輔助駕駛，本質(zhì)上還是人機共駕，需要用戶對智能駕駛的“漸進式”成長有充分的理解。

作為技術(shù)服務(wù)提供商要做到的是，無論行業(yè)處于哪個階段，都需要確保在相應(yīng)的功能及使用場景的范疇內(nèi)，提供安全可靠的產(chǎn)品。場景邊界之外是人開，場景邊界之內(nèi)是機器去開。場景邊界之外需要鉤子算法去獲取下一代產(chǎn)品升級所需要的數(shù)據(jù)和場景。但過去行業(yè)浪費了大量數(shù)據(jù)場景，屬于智能駕駛的場景庫積累才剛剛起步。

第二，極致性價比和規(guī)模化量產(chǎn)難。一晃眼智能駕駛產(chǎn)業(yè)已經(jīng)發(fā)展了多年，但在實際上車中，真正的規(guī)模化才剛剛開始。在中國乘用車所有價位車型銷量中，15萬元以下車型銷量占比遠超50%，但這超過50%的價位車型L2級智能駕駛滲透率，比市場平均水平低了10個百分點，反應(yīng)了當(dāng)前智能駕駛尚未很好地滲透大眾消費市場。

立足大眾消費市場，背后的規(guī)模化量產(chǎn)面臨一個現(xiàn)實問題：性能和價格的平衡。“用很高的成本做一套系統(tǒng)，消費者很難接受，對基于規(guī)模化量產(chǎn)實現(xiàn)大量數(shù)據(jù)積累，意義并不大。”但如果沒有規(guī)模化和場景，上述的第一個難題同樣難以解決。

第三，高階智能駕駛落地難。在自動駕駛分級中，到今天能夠真正在開放場景中落地的智能駕駛，依然在L3級以下。基于漸進式升維路線從下往上走，依賴基于規(guī)模化L2的場景和數(shù)據(jù)基礎(chǔ)，才能實現(xiàn)高階應(yīng)用的突破。

三大難題共同指向數(shù)據(jù)和場景：在量產(chǎn)系統(tǒng)邊界明確的前提下，建立用戶認知，通過數(shù)據(jù)驅(qū)動下一代產(chǎn)品升級；基于有效場景和數(shù)據(jù)的挖掘?qū)崿F(xiàn)極致的系統(tǒng)性能，以高性價比實現(xiàn)人人可享的規(guī)模化，再由人人提供的數(shù)據(jù)驅(qū)動迭代；在良好的用戶認知和動態(tài)迭代中，實現(xiàn)高階智能駕駛升維。

可靠系統(tǒng)和高階方案的實現(xiàn)，對數(shù)據(jù)積累和場景閉環(huán)提出了“加法的”需求——盡可能多地上車。

在規(guī)模化量產(chǎn)中打通數(shù)據(jù)閉環(huán)后，更重要的是建立獲取邊界數(shù)據(jù)的有效觸發(fā)機制。“盲目收集大量常規(guī)的場景，對系統(tǒng)意義并不大。我們希望在不增加硬件成本的前提下，獲取更多邊界數(shù)據(jù)，邊界數(shù)據(jù)意味著下一代系統(tǒng)邊界性能的突破。”

目前MAXIEYE已經(jīng)在1R1V高性價比算力平臺的MAXIPILOT1.0量產(chǎn)方案中，部署了數(shù)據(jù)閉環(huán)和33種觸發(fā)機制（觸發(fā)機制還在持續(xù)增加中），包含功能觸發(fā)、駕駛員行為觸發(fā)、系統(tǒng)觸發(fā)、感知觸發(fā)等類型，實現(xiàn)邊界數(shù)據(jù)場景的高效利用。

比如AEB功能觸發(fā)前后幾秒，MAXIPILOT會將場景視頻、車身信息、系統(tǒng)參數(shù)信息等關(guān)聯(lián)信息閉環(huán)回傳，進行復(fù)盤和分析；而感知觸發(fā)的目的，是將同一目標(biāo)的不同傳感器檢測數(shù)據(jù)做全面的精度對標(biāo)，大幅提高感知精度，為高階系統(tǒng)落地進行技術(shù)積累。

目前MAXIEYE通過量產(chǎn)系統(tǒng)已經(jīng)積累超過1億公里真實場景數(shù)據(jù)。“數(shù)據(jù)回傳之前在車端完成脫敏，通過算法部署把人臉、車牌等信息在車端清洗掉。”

MAXIPILOT量產(chǎn)系統(tǒng)AEB觸發(fā)視頻

“看到這些AEB觸發(fā)場景，同事們感觸很深，自己做出的產(chǎn)品實實在在避免了潛在交通事故的發(fā)生，摩托車橫穿的那個緊急制動，甚至救了一家三口。”

在數(shù)據(jù)回傳中，MAXIEYE開發(fā)了配套工具鏈。通過工具可以看到實時感知結(jié)果、實時融合結(jié)果、實時路徑規(guī)劃顯示，以及給油門剎車發(fā)出的控制信號。有價值的場景數(shù)據(jù)會到后端進行網(wǎng)絡(luò)校驗，將更準確的結(jié)果不斷更新到量產(chǎn)車中，在場景閉環(huán)中實現(xiàn)數(shù)據(jù)驅(qū)動的智能駕駛。

“能不能用低階系統(tǒng)為高階系統(tǒng)賦能？”這是車廠合作伙伴提出的命題，也是MAXIEYE升維的思路所在，即用低階的“成本減法”和眾包方式重建關(guān)鍵場景地圖的“場景減法”，為高階智能駕駛鋪路。

高階領(lǐng)航輔助駕駛量產(chǎn)中，城市地面和路口等場景一直是難以突破的瓶頸所在。通過基于用戶車輛的眾包數(shù)據(jù)，解決路口等關(guān)鍵場景的信息重建，可支持高階系統(tǒng)典型場景的敏銳迭代。

眾包數(shù)據(jù)實現(xiàn)路口等關(guān)鍵場景的信息重建

伴隨MAXIEYE全系產(chǎn)品部署數(shù)據(jù)閉環(huán)和相關(guān)協(xié)議棧、技術(shù)棧。換句話說，就是在不同的傳感器系統(tǒng)方案中，除了數(shù)據(jù)流量不同，都可以用通用的工具鏈賦能車廠客戶搭建完整的數(shù)據(jù)機制。

此外，MAXIEYE正加速部署BEV技術(shù)架構(gòu)，這種端到端的智能駕駛系統(tǒng)開發(fā)，將大幅減少感知目標(biāo)特征的信息損失，減少對經(jīng)驗邏輯依賴的同時，真正實現(xiàn)數(shù)據(jù)驅(qū)動的自學(xué)習(xí)，釋放數(shù)據(jù)和場景閉環(huán)的更大價值。

審核編輯：劉清