文 | 李安琪

編輯 | 李勤

(相關(guān)資料圖)

7 月 27 日，圖森未來在上海舉辦了首屆 AI DAY，從冗余架構(gòu)、感知預(yù)測、規(guī)劃控制等方面介紹了圖森未來的自動駕駛卡車的最新介紹。

在技術(shù)分享環(huán)節(jié)，圖森中國 CTO 王乃巖認(rèn)為，L3 和 L4 級別自動駕駛功能可能并不比輔助駕駛產(chǎn)品更加復(fù)雜，但可靠性方面需要非常質(zhì)的變化。

為此，圖森未來設(shè)計了一套全冗余架構(gòu)，涵蓋轉(zhuǎn)向制動、算法算力、傳感器等方面，比如在感知模塊中構(gòu)建了三冗余方案以提升可靠性。

除了冗余挑戰(zhàn)，王乃巖認(rèn)為無人駕駛卡車還面臨著一個更獨特的挑戰(zhàn)——需要看得更遠(yuǎn)。他介紹道，乘用車一般長 6 米左右，完成一次舒適變道需要 3-4 秒的時間，但重型卡車滿載時重量近 50 噸，整車長超 20 米，完成一次變道時間需要 7-8 秒，變道需要的距離是普通乘用車的一倍。無人駕駛卡車如果想在高速路上安全行駛，感知距離最好是 400 米 500 米。

感知層面率先遇到挑戰(zhàn)。圖森未來介紹，當(dāng)下主流的 3D 目標(biāo)檢測是 BEV（Bird"s Eye View，可翻譯為鳥瞰圖），但如果直接將 BEV 引入重卡干線物流場景，需要構(gòu)建更長距離的 BEV 空間，需要消耗大量計算以及空間資源。

因此，圖森未來提出了基于物體多視角 3D 檢測框架，將環(huán)視攝像頭的感知內(nèi)容輸入后，基于圖像做 2D 檢測，圖像檢測出來的框會作為一個 query 去聚合各個攝像頭的視角信息，最終得到 3D 檢測結(jié)果。

此外，圖森未來還自研了一個稀疏 BEV 算法。因為長距離感知檢測，傳統(tǒng)的 BEV 算法在干線卡車領(lǐng)域會有很多卷積動作是在 " 卷 " 空氣，" 這是沒有意義的，浪費了很多顯存和計算量。"

所以圖森未來采用了稀疏卷積方法取代原來致密卷積操作，并在檢測頭做了特殊的設(shè)計，來保證計算開銷不隨著感知距離的增加而增加的，對于高度上有重疊物體的檢測會更加友好，更適合長距離檢測。

基于上述感知方案，圖森未來表示，其無人駕駛卡車在實際路測中，卡車可以在超過 120 米的距離就發(fā)現(xiàn)白色塑料瓶，提前完成避讓、變道行為。

此外，圖森未來還從定位、預(yù)測規(guī)劃和控制、端到端仿真、數(shù)據(jù)自動標(biāo)注和產(chǎn)品等進(jìn)行了技術(shù)分享。

標(biāo)簽：