无人驾驶十大创新案例(2020)

无人驾驶十大创新案例(2020)

1、阿里达摩院:自动驾驶“混合式仿真测试平台”

路测是自动驾驶落地的核心环节,研究显示,自动驾驶汽车需要积累177亿公里的测试数据,才能保证自动驾驶感知、决策、控制整个链路的安全性。传统纯虚拟仿真测试平台能快速跑完自动驾驶路测里程,但仍然面临极端场景训练效率低下的关键问题。

达摩院自动驾驶混合式仿真测试平台解决了这一难题,平台打通了线上虚拟固定环境与线下真实路况不确定性的鸿沟,不仅可以使用真实路测数据自动生成仿真场景,还可通过人为随机干预,实时模拟前后车辆加速、急转弯、紧急停车等场景,加大自动驾驶车辆的避障训练难度。

针对极端场景数据不足的问题,平台可以任意增加极端路测场景变量。在实际路测中,复现一次极端场景的接管可能需要1个月的时间,但该平台可在30秒内即完成雨雪天气、夜间照明不良条件等特殊场景的构建和测试,每日可支持的场景构建数量达百万级。

规模化解决极端场景的复现难题,使得关键场景的训练效率提高上百万倍,达摩院致力于推动自动驾驶加速迈向L5阶段。

故专家点评为:攻坚克难。

2、百度Apollo:ACE交通引擎

ACE交通引擎,即自动驾驶、车路协同、高效出行。ACE交通引擎是百度多年在人工智能、自动驾驶、车路协同方面的积累和实践,集自动驾驶生态和百度AI能力全力赋能城市交通。

其采用了“1+2+N”的系统架构,即“一大数字底座、两大智能引擎、N大应用生态”。一大数字底座指“车”“路”“云”“图”等数字交通基础设施,包括小度车载OS、飞桨、百度智能云、百度地图。两大智能引擎分别是Apollo自动驾驶引擎和车路协同引擎。N大应用生态,包括智能信控、智能停车、交通治理、智能公交、智能货运、智能车联、智能出租、自主泊车和园区物种等。

目前,百度“ACE交通引擎”综合解决方案已在北京、长沙、保定等10余个城市落地实践,并在最近接连中标重庆、阳泉、合肥的车路协同新基建项目。

跟随智能交通的趋势和潮流,实施智能引领新路径,建设交通强国新支撑,助力交通科学治理新手段,百度在路上。

故专家点评为:智能引擎。

3、文远知行:自动驾驶车顶一体化集成套件

 

2019年12月18日,在英伟达NVIDIA主办的年度科技盛事GTC China 2019上,文远知行推出首个自动驾驶车顶一体化集成套件——WeRide Smart Suite 3.0。

WeRide Smart Suite 3.0由文远知行与合作伙伴英伟达、德昌电机共同打造。全新的All-IN-ROOF顶罩设计将计算单元套件、传感器套件和冷却及清洁系统全部集成在车顶上,体积更小,性能更强,是自动驾驶汽车车规级研发的一次重要突破。

通过将计算单元套件从后备箱迁移到车顶,WeRide Smart Suite 3.0成功将后备箱空间还给乘客,更高的模块集成度节省了多达50%的空间,并减少了车内噪音;冷却及清洁系统能够均匀覆盖所有光学类传感器的镜头,同时还可以针对反向电流、失速、高电流、高低电压、高温等情况进行功能性保护;传感器套件3.0配备文远知行自研相机模块,通过时间、空间双维度的校准和标定方法的升级,达到像素级主动同步,探测更为实时、精准,成像精度更高,进一步提升自动驾驶感知的准确性和运营的安全性,并且可以快速实现大规模量产。

更大空间,更多保护,更精准的感知与安全,自动驾驶不仅仅在于“自动驾驶”。

故专家点评为:完美集成。

4、元戎启行:车规级计算平台解决方案

2020年1月6日,深圳元戎启行科技有限公司公布了其计算平台解决方案——DeepRoute Tite,通过将L4级自动驾驶所需的算法移植到车规级计算平台Xavier,大幅降低了计算平台的成本和体积,并将整体功耗降到了45瓦。

通过采用英伟达的车规级计算平台Xavier,元戎启行的计算平台解决方案能够处理感知、预测、决策、规划与控制、导航定位等L4级自动驾驶模块。以往需要在庞大的计算平台上运行的工作,如今可以在一个小盒子里实现,释放了自动驾驶车辆的后备箱空间。

元戎启行通过自主研发的推理引擎,将自动驾驶相关算法成功移植到Xavier。其自研的推理引擎,能够针对深度学习算法中的自定义算子和网络结构,做出更好的计算资源上的优化,让自动驾驶算法能够高效和稳定地运行。既降低了成本,又保证了自动驾驶的安全性。通过使用这一计算引擎,元戎启行的L4级自动驾驶系统的所有计算需求,即使在复杂的城市道路中,也能精确识别周围障碍物,灵活完成红绿灯识别、转弯、避障等操作。

降本,增效,保安全,元戎启行的目标是加速自动驾驶量产。

故专家点评为:降本增效。

5、智加科技:L4远距多目视觉立体感知系统

有效距离达到1英里(1600米)的立体视觉感知技术,可以精准判断物体的位置和速度,结合多传感器融合方案将大幅提升系统安全性。这是目前全球自动驾驶领域已知最领先的远距离AI视觉系统。

智加科技有效感知距离为1600米的立体视觉感知系统,是利用基于深度学习的多目视觉解决模块及算法,构建了高精度的物体检测认知模型。这一系统成功突破了立体视觉在自动驾驶远距离上感知精度的限制,实现了1600米距离上对物体和车道的识别和更进一步的追踪。

与单目摄像头带来的视觉感知能力相比,智加科技的多目立体视觉系统实现了三维世界内的距离量测,并且在车辆的自我位置识别、移动车辆的类型、位置、速度以及车道线等要素的有效识别上表现出了强悍的性能。

显著推升系统的整体感知能力,保证驾驶过程的安全性。有效的安全距离带来足够的预判时间,让自动驾驶可以合理操作,降低运营成本。立体视觉在有效距离上的突破,从安全和降本节能层面对自动驾驶的场景落地产生直接推动作用。

故专家点评为:独具慧眼。

6、驭势科技:厂区无人驾驶物流线路

 

2019年11月,驭势科技携手上汽通用五菱在宝骏基地部署运营的厂区无人物流项目正式开启常态化运营,并以宝骏新能源无人物流车作为运输载体,建成国内首条厂区无人驾驶物流线路,全面提升基地内部物流运力与效率。启用至今,无人物流车行驶里程已超过10000公里,运输超过6000次,真正为客户工厂运营创造了“降本增效”的实际价值。

驭势科技无人解决方案由具备L4级自动驾驶能力的无人物流车和一套功能强大的云端智能运营管理系统构成。无人物流车内搭载一款全功能智能驾驶控制器,可通过联合部署在车身周围的激光雷达、摄像头、超声波雷达等多类传感器的感知数据,结合无人驾驶核心算法,实现在多种复杂工厂环境下的无人驾驶。借助云端智能管理平台,为厂区无人物流运营提供多车协同、调度、远程控制、数据分析等功能服务,大大提升无人物流运营的管理效率与安全性。

在无人驾驶的助力下,无人化、智能化、网联化的物流模式已经形成。

故专家点评为:无人物流。

7、图森未来:高速公路无人驾驶队列测试

2019年12月30日,图森未来L4级无人驾驶卡车车队在京礼高速(延崇北京段)顺利完成中国首次高速公路全封闭环境下、基于C-V2X车路协同技术的队列跟驰测试工作。

在本次演示中,图森未来携手北汽福田、首发集团、华为等合作伙伴,实现了无人驾驶卡车车队总长14公里的三车队列跟驰。采用头车人工驾驶模式,后车无人驾驶模式完成列队巡航、列队换道、队列同步减速停车及列队车路协同场景的演示,并能在80公里/小时的时速下保持10米车间距,实现了单人驾驶多车车队,在节省燃油、降低道路占用、降低运输成本方面达到世界领先水平。

队列测试,技术引领,场景融合,图森未来致力于加快无人驾驶落地步伐。

故专家点评为:风驰电掣。

8、轻舟智航:大规模智能仿真系统

基于大规模仿真技术应用来解决规划决策问题是当前无人驾驶技术领域的关键课题,通过建立大量的工具链以及仿真测试环境,可以实现技术迭代的自动化,以更快的速度、更高效的方式应对自动驾驶的边界化难题。

轻舟智航是将有效数据、智能仿真系统以及决策规划框架这三点视为推动技术向前转动的齿轮。借助大规模智能仿真系统和可自主学习决策规划框架,轻舟智航可做到最大化地利用有效数据,大幅降低测试成本,提升开发效率,保证解决方案的可拓展性。

一方面,借助仿真及相关工具链,能形成高效的数据测试闭环,支持算法的测试和高效迭代,取代堆人或堆车的方式。另一方面,只有经过大规模智能仿真验证过的软件,才能够保证安全性和可用性。

无人驾驶是个赛跑,仿真是助推器,助推完全无人驾驶的实现。

故专家点评为:轻舟起航。

9、Momenta:L4级自动驾驶MSD

2019年12月26日,Momenta 正式发布了L4级无人驾驶技术 MSD (Momenta Self Driving),可实现城市场景下的完全无人驾驶。结合此前发布的面向高速和泊车场景的前装量产产品 Mpilot,MSD 的发布标志着 Momenta 量产自动驾驶与完全无人驾驶“两条腿” 战略的雏形形成。

基于统一量产传感器方案,Mpilot 为 MSD 提供“数据流”,MSD 为 Mpilot 提供“技术流”,两者之间高效的闭环自动化迭代,将重新定义实现无人驾驶的关键路径:通过量产自动驾驶产品获得海量数据,持续研发数据驱动的核心算法,打造闭环自动化工程体系,发挥数据价值,高效迭代技术,最终实现完全无人驾驶。

左腿量产自动驾驶, 右腿完全无人驾驶,两条腿走路才更稳健。

故专家点评为:并驾齐驱。

10、AutoX:无人车运营大数据中心

高质量、规模化的路测和仿真数据,对自动驾驶公司解决边界化难题、更快迭代算法、更快实现规模化商业落地,有至关重要的意义。日前,AutoX宣布建成并使用其在上海嘉定汽车城的“无人车运营大数据中心”。

AutoX在上海路测的每台自动驾驶乘用车RoboTaxi每小时会产生1TB的数据量,而该大数据中心里的大数据云平台可以对这些大规模真实数据进行加工和压缩、质量监督、自动标注、结构化测试,并以x1000倍量级对其进行混合仿真,从而让物理世界和虚拟世界数据连接起来。

相较于普通车库和研发数据中心,新的无人车运营大数据中心的效率和速率将进一步提升,并可支持标准化、流水线化的规模运营。

全球只有少数几家自动驾驶公司建设了无人驾驶运营大数据中心,AutoX的技术引领又一次为其带来无限可能。

故专家点评为:运筹帷幄。

暂无评论

暂无评论...