近日，Nullmax首席科学家成二康博士带来专业分享，畅谈行泊一体爆发趋势下，Nullmax如何基于Transformer打造BEV量产应用，赋能行泊一体方案加速落地、持续进化，以技术创新驱动智能驾驶的大规模普及。
打造4.0行泊一体，引领智能驾驶「增效降本」
(相关资料图)
近年来，以行泊一体为代表的智能驾驶方案在行业内深受欢迎，尤其是2022年，中国市场的行泊一体应用迎来巨幅增长。在汽车智能化竞争日趋激烈的当下，行泊一体已然处在市场爆发的前夕。
行泊一体相比于传统的行泊分离架构，具有天然的成本优势，域控的整合、SOC的减少，不仅优化了汽车的硬件架构，也让智能驾驶的总体硬件成本大幅降低，因此行泊一体被看作是提升车型竞争力的重要手段。与此同时，随着芯片等硬件逐渐成熟，相应行泊一体域控制器的陆续量产下线，也为行泊一体量产上车打下了坚实基础。
在此基础上，如何通过软件算法促成行泊一体应用的实质性落地，甚至进一步降低成本和提升体验，也就成为了智能驾驶走向普及的关键。Nullmax致力于实现自动驾驶的大规模商业化应用，提出了软硬件深度融合的行泊一体4.0形态，并推出了相应的MaxDrive行泊一体平台化方案，通过计算资源充分共享、传感器深度复用的方式，帮助智能驾驶「增效降本」。
归功于Nullmax在上层应用算法、中间件、云端数据系统等方面的深厚积累，MaxDrive行泊一体方案可以将行车、泊车功能整合为一套系统，并部署到单SOC的一体式域控制器上实现量产应用。同时，凭借包括BEV感知、Transformer网络在内的领先技术，MaxDrive能够在各种硬件配置下实现业内一流的智能驾驶体验，并更快完成高质量方案的交付。
成二康博士介绍，Nullmax对BEV和Transformer有着深入的研究与长期的实践，打造的平台化BEV-AI技术架构，能够同时支持行车、泊车功能，并且具有超长感知距离、面向部署优化等优点，可以为量产车型提供包括行泊一体在内的BEV领先应用。
此外，Nullmax的这套BEV-AI技术架构既能支持包括德州仪器TDA4、英伟达Orin、黑芝麻智能华山系列等芯片在内的不同算力平台，也能自动化适配所有的传感器量产配置，大幅提升量产部署时的效率，为各种行泊一体应用的实际落地提供最大程度的便利。
BEV + Transformer，助力行泊一体体验升级
作为自动驾驶领域的技术热点，BEV + Transformer的研发和落地如今已经成为行业内外多方关注的焦点。Nullmax很早就在这方面开展了许多工作，尤其是在BEV-AI技术架构当中，融入了大量Transformer的研究成果。
成二康博士介绍，Nullmax将自动驾驶感知分为两个方面，一是静态场景的理解，二是动态障碍物的检测、预测。这是Nullmax最早开始BEV-AI研发的环节，也是率先应用Transformer的环节，比如基于Transformer的BEV语义分割算法BEVSegFormer，基于Transformer的3D车道线检测算法CurveFormer，均取得了业界最优（SOTA）的算法效果。
BEVSegFormer可以用于实时构建高精度的局部地图，将自动驾驶的场景扩展至任意道路，包括全国各地的城乡道路，而且支持任意的相机配置，不依赖相机参数。CurveFormer则是可以在不显式构建BEV的情况下，直接输出3D车道线结果，加速计算、便于部署，即使在低算力条件下也能满足复杂场景的车道线检测要求。
Nullmax在BEV + Transformer领域技术领先
除此之外，Nullmax在BEV感知方面的具体应用还有车道识别、3D目标检测、3D障碍物融合等方面。这些BEV感知技术，大部份已经投入到实际的量产项目当中，部分已经在去年、今年的项目中实现交付。
在规控方面，Nullmax开展了BEV Planning的研究并推进落地，以支持城市路段的自动驾驶。在不依赖高精地图的情况下，面对路口、无车道线、人车行为复杂等场景，通过BEV Planning也可以实现自动驾驶。
分享中，成二康博士还介绍了MaxDrive的自主成长系统，背后的数据平台，以及Nullmax的数据集开源工作。通过贯通车端、云端的高效数据闭环，Nullmax将持续推动自动驾驶技术的持续迭代，以及量产方案的长期升级。
当前，Nullmax已和多家汽车厂商、一级供应商、芯片厂商建立了深度合作关系，产品技术获得了业内广泛认可。所打造的自动驾驶方案，在不同算力区间的芯片平台上实现了落地。未来，Nullmax将继续扩大合作生态“朋友圈”，共同推动先进技术的商业化落地。
标签：
