打法 三步走 觉非科技的 来临 自动驾驶数据融合 奇点 (三步的走法)
数据,是驱动自动驾驶向前发展的重要「燃料」。
在数据的连通之下,汽车已经不再是一座信息孤岛,而是一个集车、路、云端信息于一体的智能移动终端;同时,通过 5G、人工智能等新兴技术,为智慧交通的构建穿针引线。
眼下,自动驾驶商业化落地的路线众多,各路玩家都在寻觅最适合自己的方式。
其中,觉非科技的方式是以智能数据运营为落脚点,以车路协同的路径为突破口,为企业提供基于 SaaS 平台的 L2-L4 高精地图平台、V2X 融合计算、云数据分发等解决方案,为自动驾驶的商业化落地的提供多一份可能性。
更重要的是,在刚刚过去的 2020 年中,国家曾两度出台相关政策强调了“车-路-云”的协同战略。
不难想见,随着国家力量的注入,车路协同领域的发展已经有了坚实后盾。
近日,新智驾与觉非科技创始人刘斌、觉非科技 CEO 李东旻展开了对话,试图了解觉非科技面对这个蕴藏着无限机遇的市场的打法,以及其技术路径背后的逻辑。
要做「智能数据运营商」
事实上,经过数年的发展,自动驾驶的热土上已经挤满了玩家,并且呈现着「三分天下」的业态:
尽管觉非科技是一家非常年轻的公司,但对于自身在自动驾驶这个日益成熟的赛中的定位非常之清晰——要做「智能数据运营商」。
于自动驾驶而言,数据以各种形式贯穿研发、生产、测试、运营等生命周期。与此同时,数据的爆发也呈指数级增长。
“我们打造了一个以道路数字化为核心的「数据服务平台」,同时为产业的不同层面提供数据应用服务”觉非科技创始刘斌对新智驾说道。
具体怎么来理解这句话?刘斌作了进一步的解释:
简而言之,基于智能网联的模式,觉非科技对于智能数据的运用已经融入了车路协同的各个层面。
对此,觉非科技 CEO 李东旻举了一个生动的例子——将单车智能看作是汽车标配的车灯,而路灯能够让汽车更安全地在路上行驶。他对新智驾说道:
无论从何种角度来看,对于数据的运用是觉非科技技术链路中不可或缺的要素。同时,对于这类玩家来说,其竞争力在很大程度上取决于数据要素和计算资源的低成本获取和高效利用。
根据目前的情况来看,觉非科技已经实现了数据收集、分级、重组、推理、输出的数据运营闭环。
在这之后,需要考虑的是如何来提高数据处理的速度,实现数据运营闭环的高效运转。
刘斌向新智驾介绍,充分发挥数据价值的前提是从三个层次来理解数据的应用,包括动态数据应用、静态数据应用、管理类数据应用。
“我们必须要在车与路的通信能力上建立实时感知能力,将道路上发生的交通参与者的动态收集起来进行计算和预测,再结合基于静态数据的高精度地图,将交通参与者的行动轨迹在坐标系里体现出来,帮助自动驾驶车辆更安全地行驶,”刘斌进一步解释说,“同时,在实时的动态数据与静态数据的合力之下,交通规则的制定者能够在交通管理方面进行更灵活的调节。”
车路协同的「三步走」打法
基于「智能数据运营商」的定位,觉非科技已经参与到了车路协同产业的多个环节。而这一产业也在近两年提到了国家战略层面的高度。
2020 年 2 月,国家 11 部委联合出台《智能汽车创新发展战略》,首次从国家政策方向明确了车-云-路协同方案正式成为智能驾驶的「中国路径」。
2020 年 9 月发布的《智能网联汽车技术路线图 2.0》中,再次重申了车-路-云高度协同战略,以车辆关键技术、信息交互关键技术与基础支撑关键技术为核心,共同支撑中国智能网联产业的发展。
其中,从技术的层面来说,相比起相关的硬件设备,软件(感知、定位、规划)和云端更是「车-路-云协同模式」最根本的内核。
觉非科技告诉新智驾,应对未来发展的大趋势,公司也已经总结了一套明确的打法,即通过「三步走战略」来将自身在数据方面的优势最大程度地发挥出来:
目前,觉非科技已搭建了高度自动化、高规格 SaaS 数据平台,从路端环境数据规模化融合处理、分析、管理、编译与应用等核心技术,加持自研的视觉与激光点云融合感知的深度学习算法与模型,实现了可针对 L2-L4 不同级别的全场景高精度、车规级量产数据平台服务。
目前,觉非科技已经自研了边缘计算终端与解决方案。得益于觉非科技丰富的智能驾驶场景数据集,并结合其深度学习算法和神经网络模型,将激光点云和视觉数据融合,为场端车路协同提供精准的感知和定位软硬一体化解决方案。
面向新基建智慧交通建设领域,觉非科技通过软硬一体化边缘部署的方式,推出了“智慧交通融合感知解决方案”,并已落地于智能网联新型示范区。这套方案实现了城市交通的数字化建模,构建了路基感知体系,同时也将实现车辆的协同运营,为交通管理部门提供实时的数据支持,也为交通参与者提供安全保障。
图:觉非科技智能网联解决方案落地现场
觉非科技认为,解决“统一授时与空间同步”问题,是实现车路协同最关键的步骤。
无论是车端还是路侧都有许多的传感器,但传感器越多,将其放到同一个时间维度上进行统一曝光的难度就越大,数据处理的复杂性也更高;期间,还要充分发挥各个传感器的长处,规避其短板。
对于这些难题,觉非科技已经找到了自己的答案。刘斌对新智驾说道:
对于空间坐标系和时间线的基准,产业中目前普遍一致的观点是以路侧设备及数据优先——使车辆在统一的静态(道路)空间数据与动态(时间、事件等)实时数据下运行。
为了解决此问题,觉非科技也同时推出了边缘计算终端与解决方案。通过强大的智能驾驶场景数据集,结合觉非科技熟练可扩展的深度学习算法和神经网络模型,将激光点云和视觉数据融合,为场端车路协同提供精准的感知和定位软硬一体化解决方案。
落地能力正在深化
实际上,基于对传感器实时感知类数据与经验知识类数据的积累,觉非科技的「三步走」战略正在有序地推进,产品落地的能力也在不断深化。
针对车路云建设的不同的方向,觉非科技可以提供 L2-L4 高精地图平台、V2X 融合计算、云数据分发等解决方案。
在业内公认的自动驾驶最先落地的商用车领域,觉非科技已经与宇通集团开展合作,为后者的自动驾驶客车提供专业的融合感知服务。
据新智驾了解,觉非科技还在与国内众多无人配送物流企业推进合作项目,通过数据平台服务进一步推动无人配送解决方案的持续规模化扩张。
李东旻也向新智驾透露了觉非科技过去一年在乘用车方面的进展。他说道:
据新智驾了解,「超感」是觉非融合感知的一项技术验证,字面意思即“超越传感器的感知”。
具体来说,觉非科技可以在不依赖昂贵感知硬件前提下,采用摄像头+GPS+IMU 的多传感器融合方案,基于视觉道路特征匹配定位技术,结合边缘计算硬件平台,实现低成本、亚米级的定位方案,从而实现当前车道识别、标牌定位、超视距变道识别等功能,完成高精度道路语义数据先验采集和车道级定位服务。
除此之外,李东旻进一步补充说:
与此同时,觉非科技已为中国移动提供了路侧融合感知高精定位解决方案,并应用于港口、隧道和城市高架桥道路等场景。通过V2X与车辆实时通讯,实现了对L4重卡的精准控制。解决方案的落地,有效降低了自动驾驶车辆传感器的使用数量与配置标准,进一步提升自动驾驶单车与管理的投产比。
而面向新基建智慧交通建设领域,觉非科技结合边缘计算终端与解决方案,也推出了“道路资产数字化及智能巡检系统”。
更重要的是,觉非科技的技术还融入到了高铁轨道巡检管理之中。
从整体上来说,铁路属于智慧交通的范畴,而且在铁路的场景下去落地「车-路-云模式」有着先天优势——铁路上的管理十分规范,道路非常结构化。
刘斌告诉新智驾:
据刘斌介绍,对于觉非科技来说,任何场景的底层技术基本上都是相通的。“我们第一步做环境的数字化,第二步我们做动态物体的目标追踪,第三步则是把这两者动静态数据去进行融合,最后再把结果进行业务端的处理,”刘斌说道,“对于技术的透彻理解也是我们能做到跨场景的原因。”
简言之,觉非科技能够将核心算法与技术封装,快速供给不同客户,而且这种解决方案的兼容性很高,可以灵活部署在不同设备上,不需增加额外成本。
目前,觉非科技的道路资产数字化及智能巡检系统已正式落地安徽、浙江等地重点区域高速路段。系统所产生的高精度实时数据,也将成为车路协同可持续发展的重要突破点。
新智驾总结
从创立时间上来说,觉非科技是自动驾驶领域里非常年轻的玩家,但从技术实力和落地能力来说,觉非科技的潜力不容小觑——从首款产品推出到正式落地再到产生商业订单,觉非科技只经历了一两个月的时间。
如今,自动驾驶迎来了 2021 年的重要关口,行业发展的路径也已经走过了分水岭。随着国家“北斗”导航系统的全面建成,车路协同也将朝着纵深融合发展的方向前进。新型传感器高精度的数据融合与应用将成为纽带,强大的运算后台将成为驱动,将车路协同中的关键技术进行串联,而这也将成为车路协同在落地过程中最重要的突破方向。
在这车路协同赛道深耕的觉非科技,无疑也将乘上风,在这个前景光明的市场中发挥更大的作用。
原创文章,未经授权禁止转载。详情见 转载须知 。