市場

理想智駕從此站起來了？

AutoLab 2024-07-07 07:10

對于理想AD Max用戶來說，今天絕對是一個值得慶祝的日子。

理想汽車在今天正式召開了智能駕駛夏季發(fā)布會，主要內(nèi)容包含了：

- 基于端到端模型、VLM視覺語言模型和世界模型的全新自動駕駛技術(shù)架構(gòu)；

- 將于7月內(nèi)推送的全自動AES和全方位低速AEB。

其中，端到端模型、VLM視覺語言模型和世界模型是理想AD Max的全新技術(shù)，這項技術(shù)能夠幫助理想汽車智能駕駛擺脫對先驗信息的依賴，在全國范圍內(nèi)實現(xiàn)有導(dǎo)航覆蓋即可使用NOA。

而全自動AES和全方位低速AEB，則能夠讓理想AD Max在更多場景下實現(xiàn)更好的主動安全能力。

下面我們一項一項來看。

首個雙系統(tǒng)架構(gòu)方案

大多數(shù)人今天關(guān)注的重點是理想的全新的雙系統(tǒng)技術(shù)架構(gòu)，早在近一個月前的「2024中國汽車重慶論壇」上，李想就分享了這套理想汽車的最新技術(shù)架構(gòu)。

理想團隊在一本書《思考，快與慢》中得到啟示：

我們?nèi)祟惖拇竽X日常在工作的時候，分為系統(tǒng)一和系統(tǒng)二。系統(tǒng)一來處理一些需要直覺和快速響應(yīng)的事情。系統(tǒng)二處理比較復(fù)雜的邏輯推演工作。

代入到人類的駕駛行為，日常近95%的駕駛?cè)蝿?wù)是不需要推演的，開車時腦子里甚至還可以想其他事情，這時候大腦并不是沒有工作，而是以一種低能耗的方式在工作。

但是當(dāng)我們到了復(fù)雜路況時，比如遇到復(fù)雜的路口、多車混行的路段，我們的大腦就會調(diào)用系統(tǒng)二來工作，用它來處理比較復(fù)雜的邏輯推演的能力，雖然它對大腦消耗比較大，但我們不會一直以系統(tǒng)二的方式開車。

自動駕駛?cè)绻匀祟惖姆绞絹黹_車，那么系統(tǒng)一和系統(tǒng)二對應(yīng)的是什么？

理想汽車認(rèn)為，現(xiàn)在行業(yè)在研究的端到端技術(shù)正是自動駕駛需要的系統(tǒng)一，它的效率很高，善于處理簡單任務(wù)，是人類基于經(jīng)驗和習(xí)慣形成的直覺，足以應(yīng)對駕駛車輛時95%的常規(guī)場景。

系統(tǒng)二則是理想率先基于 Orin-X 部署的 VLM 視覺語言模型，它更擅長邏輯推理、復(fù)雜分析和計算能力，在駕駛車輛時用于解決復(fù)雜甚至未知的交通場景，占日常駕駛的約5%。

系統(tǒng)一和系統(tǒng)二的相互配合，分別確保大部分場景下的高效率和少數(shù)場景下的高上限，成為人類認(rèn)知、理解世界并做出決策的基礎(chǔ)。

系統(tǒng)一，即端到端

理想汽車的端到端輸入主要由攝像頭和激光雷達(dá)構(gòu)成，多傳感器特征經(jīng)過CNN主干網(wǎng)絡(luò)的提取、融合，投影至BEV空間。

為了提升模型的表征能力，理想汽車加入了記憶模塊，具備時間和空間的記憶能力。

在模型的輸入中，理想汽車還加入了汽車的狀態(tài)信息和導(dǎo)航信息，經(jīng)過 Transformer模型的編碼，輸出感知任務(wù)，包含了動態(tài)障礙物、道路結(jié)構(gòu)和通用障礙物等等，并規(guī)劃行車軌跡。

輸入感知信息，輸出規(guī)控軌跡，這是理想AD的系統(tǒng)一，端到端模型。

更擅長「讀圖」的VLM模型

VLM 視覺語言模型，通俗地說，這是一個擅長解讀照片的網(wǎng)絡(luò)。

我們都知道，自動駕駛感知主要輸入的是圖片，這是最重要的信息，但如何讓系統(tǒng)讀懂信息，這是最關(guān)鍵的一步。

VLM 模型相對來說更擅長這些場景理解，能識別和描述道路環(huán)境、交通標(biāo)志、動態(tài)交通參與者等等。通過不斷的訓(xùn)練，VLM能夠進行自主推演。例如交警的手勢，大多數(shù)模型架構(gòu)是無法解決「讀懂」的，甚至人的大腦都需要推理，但是VLM可以承擔(dān)這部分任務(wù)。

這就是為什么李想說，VLM是端到端很好的補充。

理想汽車的VLM視覺語言模型參數(shù)量達(dá)到22億，對物理世界的復(fù)雜交通環(huán)境具有強大的理解能力，許多場景即便是第一次經(jīng)歷，也能夠很好地化解。

再舉個例子，VLM模型可以理解公交車道、潮汐車道和分時段限行等復(fù)雜的交通規(guī)則，在駕駛中作出合理決策。

可以說，VLM給端到端在給端到端這種不可加規(guī)則的模型進行了很好的兜底。

但是，VLM本身也是黑盒，理想為了驗證雙系統(tǒng)的安全性，用 Diffusion Transformer 的方式來構(gòu)建一個重要的、小型的世界模型，拿到這個世界模型，讓車在里面考試。

理想汽車結(jié)合端到端模型和VLM視覺語言模型，成為了首個在車端部署雙系統(tǒng)的方案，也首次將VLM視覺語言模型成功部署在車端芯片（Orin-X）上。

主動安全

看完了發(fā)布會，我對理想智駕的印象只有一個字，那就是卷。不僅僅是城區(qū)NOA的前瞻研發(fā)和工程化落地，在主動安全上，理想也把場景和功能類型做到了非常豐富和完備。

理想的主動安全包含了四大能力，分別是復(fù)雜路口的AEB、夜間弱光AEB、全自動AES和全方位低速AEB。

我們分別來看這四大場景的能力和價值。

復(fù)雜路口指的是當(dāng)我們在人車混行的轉(zhuǎn)彎行駛時，尤其是轉(zhuǎn)彎時，駕駛員的視線是存在盲區(qū)的，這時候主動AEB就能夠幫助駕駛員規(guī)避風(fēng)險。

尤其是橫穿的兒童，這是典型的高危場景。

夜間弱光環(huán)境下，駕駛員視線會受到嚴(yán)重干擾，尤其是在閃著燈的龍門架下，更是一個難解的場景。理想這次也針對夜間暗光環(huán)境做了升級，確保功能極限夠高。

全自動AES（自動緊急轉(zhuǎn)向）指的是，在車輛行駛速度較快時，留給主動安全系統(tǒng)的反應(yīng)時間極短，部分情況下即使觸發(fā)AEB，車輛全力制動仍無法及時剎停。這個時候，AES功能將被及時觸發(fā)，無需人為參與轉(zhuǎn)向操作，自動緊急轉(zhuǎn)向，避讓前方目標(biāo)，從而避免碰撞的發(fā)生。

最后一項，全方位全方位低速AE則針對泊車和低速行車場景。