易航智能陈禹行：渐进式路径看到无人驾驶量产曙光｜量子位·视点( 三 ) 视点发自凹非寺量子位|公众号

以前做ADAS功能的时候，这个车的驾驶员主要还是人，只是在一个碎片化的阶段里面，让这个系统来介入一下，到了人机共驾的时代，可能就真是“人”和“机”一起来驾驶了。
还有就是在技术上我们觉得数据是自动驾驶的核心， NOA的方案实现了人机共驾，能够快速地积累高价值的自动驾驶数据。
因此一个比较好的NOA方案要具备基于量产数据回传和OTA升级的能力，就是我们让这个车更加智能。我们可以随着经历的场景更多、更复杂，来回传更多的数据，然后我们会把这样的数据进行不停的迭代，解决不同的复杂场景下的CornerCase 。
最后我们觉得其实一个好的NOA方案也要具备足够的商业竞争力，就是NOA系统虽然已经到达新的阶段，但是如果我们想让更多的终端用户能使用这个功能的话，那就必须把成本控制好，最终的车型能覆盖更广泛的价位。
比如说易航智能的方案覆盖到15万以内的车型，这也是我们国内汽车市场目前占比最大的一个价格区间，只有这样，我们觉得才能实现一个大规模的量产。再往后一个台阶那就是FSD了。
FSD在功能和原理上其实已经和人类驾驶高度接近了，尤其是在感知端，我们采用了这种BEV的方法， BEV可以让自动驾驶系统获得一个俯视视角。简单来讲就是BEVNET通过神经网络从各个相机提取特征后，在网络中将特征转换到BEV视角下，进而对各个相机的特征进行空间尺度的融合，得到BEV视角下的特征，同时在时间尺度上，融合之前若干帧的特征，最后解析得到BEV视角下的结果。
通俗点来说，我们就是把车辆四周安装的摄像头所看到的图像，变成了一整个周围局部的小地图，那么这个小地图不但包含这个道路信息，也包含我们车周围的像车和人这些目标的信息。
这种其实就已经和人类驾驶车辆的情况非常一致了。就像我们人在驾驶车辆的时候，也会用手机进行导航，有一个全局的路径，比如说我们从家怎么去单位，要在哪条街左转，哪条街右转，而在车的近处，我们也会观察周围的车和人，包括周围的这种路沿隔离带、车道线，然后去避让这些车人，行驶在我们可以行驶的道路上。所以我们说使用BEV的FSD方案会带来一个行业发展的拐点。
做Demo易，做量产难，用冰山理论看自动驾驶量产前面讲了通过场景的拓展来实现自动驾驶功能的不断完善。而自动驾驶大规模的应用，我们觉得也不能停留在Demo或者小范围的试验，它必须得走向量产，而量产又恰恰是渐进式路径解决的又一个难题。
我们现在其实很多人都说量产难，我正好在这里介绍一下量产究竟难在哪里。我们说自动驾驶量产非常符合冰山理论：因为有一部分是可以展示出来的功能，还有一部分是展示不出来的功能。

文章图片
所以我们说这个Demo是什么？
Demo显示的是自动驾驶系统在最佳状态时候的一个表现，比如说在特定的路段、特定的天气或者是特定的驾驶员，然后给比较熟悉自动驾驶车辆的人展示这套系统。但量产，关注的是系统在极端条件下它最差的表现。
比如说我们做一辆量产车，那么这辆车可能要在全国的4S店卖，天气如何、谁来开，我们都不知道，所以这就对系统提出了非常高的要求。这个体现到我们自动驾驶系统的研发工作上面，就是说我们让车上路做演示的这部分，其实可能只占我们全部工作量的10%；那么第二步，我们要完成更完善的功能开发，比如说我们解决驾驶员违规操作的这些问题。这些都解决了之后，我们大概可能完成了20%-30%的工作量，剩余的大部分的工作量其实都是一些我们产品级的算法，包括一些工程Case的解决，还可能有一些功能诊断。