自动驾驶卡车量产 赢彻科技迈向技术2.0阶段

　　“自动驾驶行业进入新阶段，技术重点从算法软件探索迈进前装量产，正向设计、前装量产自动驾驶整车的技术、体系与经验成为行业的稀缺品。”

　　9月1日，嬴彻科技创始人兼CEO马喆人在首届科技日就自动驾驶行业发展做出上述判断。在过去的三年中，嬴彻科技坚定地走了“难而正确”的量产路线，目前在自动驾驶卡车领域已经取得了不少的成绩。

　　去年12月，赢彻科技与主机厂伙伴联合开发的L3级自动驾驶重卡开始正式量产，到现在已经有2个车型超过200台车下线，截止目前已经积累了超过600万公里的自动驾驶商业化运输里程。

　　这边L3级自动驾驶量产成绩喜人，那边赢彻科技也在积极开展L4级无人驾驶的路测。同样是去年12月，赢彻科技的L4级重卡全无人状态在山东莱芜顺利跑完了复杂的24公里封闭测试道路，成功处理了各种复杂的车流。

　　三年实现量产背后，赢彻科技的核心技术和开发体系是什么？下一步，赢彻科技又将如何从量产走向无人？

　　什么是自动驾驶的量产？

　　量产正在成为自动驾驶行业的主旋律，但对于量产的概念以及多大的量算量产这些基本的内容我们需要厘清。

　　赢彻科技执行副总裁黄刚认为，量产就是要通过严密的开发流程，产品达到市场投放的标准，批准正式进入批量生产，也就是大家常说的SOP（Start of Production）。

　　那么，SOP必须具备什么样的条件？

　　基于实践，赢彻科技总结了自动驾驶卡车量产应该遵循8大原则：安全至上、正向前装、车规标准、可靠耐久、交互友好、规模生产、维护简易和成本最优。

　　其中，正向前装指的就是正向开发、前装设计，自动驾驶的量产必须是搭载自动驾驶系统的整车的量产，因为自动驾驶系统需要跟车端多个系统进行复杂的交互，不能够通过后装或改装来实现。

　　安全至上的原则，自动驾驶的目的之一就是要提高驾驶的安全性，必须要具备比人类司机更安全的水平，所以要防止系统失效、性能不足，甚至是驾驶员误用造成的安全危害。要按照功能安全、预期功能安全标准来开发，同时也要保证网络安全。

　　车规标准的原则包括两个方面：一是零部件要满足车规级的要求，通过DV、PV和PPAP认证，特别是要满足商用车更复杂的使用环境要求；其二是整车要通过各种法规标准的认证，取得产品公告目录，最后才能够合规生产、合法上路。

　　自动驾驶卡车的量产是面向整车的正向开发，赢彻科技认为有7大核心系统需要作为重点量产开发任务，除了自动驾驶系统之外，还有电子电子架构、线控底盘、人机交互、网络安全、云基础设施和数据闭环。

　　嬴彻科技分别与中国领先的重卡主机厂东风商用车有限公司及中国重型汽车集团有限公司于2019年启动了L3能力级别智能重卡的联合开发和量产合作。

　　项目合作严格遵循正向设计、前装量产的原则，嬴彻科技全栈自研重卡自动驾驶系统，包括算法、软件、自动驾驶域控制器 ADCU（Autonomous Driving Control Unit）和线控底盘接口。嬴彻科技与主机厂在整车集成、线控底盘、电子电气架构、网络安全、人机交互和功能安全等方面进行了正向联合开发。

　　2021 年底，嬴彻科技与主机厂伙伴联合开发的首个自动驾驶智能卡车车型实现量产，并成功投放商业运营。

　　从量产走向无人

　　以量产为根本，赢彻科技制定了1.0-3.0的技术发展路线。伴随着嬴彻轩辕系统1.0的量产落地，嬴彻全栈自研技术迈入2.0阶段，并在核心技术上取得重大突破。

　　感知层面，嬴彻采用多模多视角Transformer的前融合感知框架，从透视视图切换至BEV视角，并将不同数据源的特征图充分融合，然后利用长短期记忆(LSTM)的时序融合网络获得视频流的感知结果。

　　针对规划和控制的难点，嬴彻创造性地开发了规控一体的PNC架构，实现了预测、决策、规划和控制的紧耦合，在苛刻的运营要求中找到最优解。

　　节油算法层面，嬴彻从亚秒级、秒级、分钟级、小时级对油耗进行全面优化，在实际运营中比金牌司机平均节油2-5%，逼近7%的节油上限。

　　核心硬件层面，嬴彻自研的计算平台已进入第二代开发，尺寸更小、性能更佳、成本更低。单板算力高至256 TOPS，架构支持拓展至1000TOPS以上。平台基于TSN协议，可以实现30ns的时间同步精度。

　　最后在数据闭环层面，赢彻科技的增强影子模式，相比传统影子模式，提供面向L4级技术迭代所需的长时间行为（如油耗相关行为等）的采集和评估能力，实现实时A/B Test高效算法迭代，降低数据采集成本同时提升数据有效性和精准度。

　　随着这些核心技术突破，嬴彻轩辕自动驾驶系统2.0也在开始规划量产。

　　对于最后走向的全无人驾驶技术，嬴彻科技认为，当前的自动驾驶技术架构很有可能遭遇瓶颈。为此，嬴彻轩辕自动驾驶系统3.0提出了一种全新的自动驾驶架构的构想。

　　该架构可以拆除自动驾驶系统各子模块之间人为设计的边界，替代为端到端的深度神经网络，并通过结合深度强化学习（DRL）和神经辐射场（NeRF）技术的NeDFS (Neural Driving Field Simulator)终极自动驾驶仿真器，训练端到端模型，实现自动驾驶能力的自我演进，最终走向无人。