悄然改變看清世界的方式——賽恩領(lǐng)動(dòng)5R架構(gòu)與新一代感知系統(tǒng)

導(dǎo)言

消費(fèi)者對(duì)智能駕駛的進(jìn)步了解，可能僅是新車(chē)宣發(fā)上的某些“亮眼功能”，但從業(yè)界與安全維度出發(fā)，則是車(chē)輛在復(fù)雜環(huán)境里能否保持判斷穩(wěn)定。今年感知系統(tǒng)的變化，隱藏在更底層的地方，車(chē)輛開(kāi)始接收到更完整、未經(jīng)加工的原始信息。賽恩領(lǐng)動(dòng)在廈門(mén)展示的5R衛(wèi)星架構(gòu)，就是沿著這條方向走出的重要一步。

過(guò)去一年里，行業(yè)從關(guān)注“單個(gè)傳感器的能力”，轉(zhuǎn)向思考“整套感知系統(tǒng)如何服務(wù)中央計(jì)算”。當(dāng)智能駕駛越來(lái)越依賴(lài)模型訓(xùn)練時(shí)，原始數(shù)據(jù)的質(zhì)量就成了影響系統(tǒng)能力的基礎(chǔ)。也正因如此，雷達(dá)的角色開(kāi)始從“給結(jié)果”變成“給事實(shí)”。5R架構(gòu)的出現(xiàn)讓系統(tǒng)拿到更接近現(xiàn)場(chǎng)的世界描述。

過(guò)去的雷達(dá)到底卡在哪里

如果只看量產(chǎn)數(shù)據(jù)，傳統(tǒng)毫米波雷達(dá)確實(shí)曾是個(gè)“功成名就”的成熟零部件，很多車(chē)上已經(jīng)用了好幾代。耐用、不怕雨霧，成本價(jià)格也控制得下來(lái)，這是它能持續(xù)大規(guī)模鋪開(kāi)的原因。不過(guò)只要跟開(kāi)發(fā)團(tuán)隊(duì)一起在城市場(chǎng)景里調(diào)過(guò)車(chē)的人都會(huì)有一個(gè)認(rèn)知共識(shí)，只要路況變得復(fù)雜，雷達(dá)看到的世界就有點(diǎn)“粗糙”，很多細(xì)節(jié)根本來(lái)不及交給系統(tǒng)。

問(wèn)題出自感知信息在路上被“瘦身”過(guò)一次。傳統(tǒng)做法是先讓雷達(dá)在本地完成一輪處理，把判定后目標(biāo)結(jié)果發(fā)給上層。對(duì)于早期相對(duì)簡(jiǎn)單的高速AEB來(lái)說(shuō)，這種方式?jīng)]啥問(wèn)題，可當(dāng)開(kāi)始適配城市NOA，甚至要在混合交通、立交橋、匝道口里跑的時(shí)候，這種“先概括再上報(bào)”的流程就顯得不夠用了。比如前方是一團(tuán)黑影，是陰影？積水？還是掉落異物？雷達(dá)在本地有時(shí)會(huì)直接把它歸到“不重要”，中央控制單元也就失去了重新判斷的機(jī)會(huì)。

5R架構(gòu)的第一步改變，就是把雷達(dá)從“裁判”變回“記錄員”，少做武斷判斷、多把原始情況交代清楚。前中衛(wèi)星雷達(dá)換上了更多的通道和更大的帶寬，本質(zhì)上就是讓它能捕捉到更細(xì)的差別。之后再通過(guò)高速SerDes鏈路，把這些幾乎未經(jīng)壓縮的波形直接送進(jìn)中央域控，讓真正擁有全局信息的那顆“大腦”來(lái)結(jié)合其他傳感器一起做決定。就像醫(yī)生看病，更希望看到完整片子，而不是別人幫你挑好的一張縮略圖。

角雷達(dá)在這套架構(gòu)里也不再是“把盲區(qū)補(bǔ)滿就行”的角色。新的版本開(kāi)始承擔(dān)測(cè)高和側(cè)向識(shí)別等任務(wù)，說(shuō)人話就是不僅告訴系統(tǒng)“前方有東西”，還帶上“它大概有多高、是在什么方位”這類(lèi)更具體信息。高速上前車(chē)掉落物品，是壓扁在地上，還是立在車(chē)道中間，這些差別往往決定了車(chē)輛應(yīng)該剎停、繞行，還是可以安全通過(guò)。

對(duì)整車(chē)的中央計(jì)算平臺(tái)來(lái)說(shuō)，這些變化的意義不在于參數(shù)表多了一行，而在于收到的信息比以前更接近真實(shí)路況。過(guò)去雷達(dá)給出結(jié)論，如今則遞來(lái)一份現(xiàn)場(chǎng)記錄，讓系統(tǒng)更有余地去結(jié)合攝像頭、地圖等其他信息重新做判斷。隨著更多裝車(chē)反饋被帶回開(kāi)發(fā)流程，這種“少替系統(tǒng)做決定，多把事實(shí)說(shuō)清楚”的方式，正在一點(diǎn)點(diǎn)改變感知鏈路的底層。

更完整的數(shù)據(jù)讓車(chē)更懂場(chǎng)景

硬件能力提升只解決了“車(chē)能看到什么”，而今年明顯感覺(jué)變化的，是“車(chē)怎么處理這些信息”。以前的信息流程是，雷達(dá)被迫把大量細(xì)節(jié)“揉成一團(tuán)”，再把結(jié)果發(fā)給系統(tǒng)；現(xiàn)在5R架構(gòu)放開(kāi)這步，中央計(jì)算單元也第一次拿到幾乎完整的雷達(dá)原始波形。這對(duì)算法的影響比想象中大。

過(guò)去不少業(yè)內(nèi)團(tuán)隊(duì)默認(rèn)“AI模型主要靠攝像頭吃飯”，因?yàn)閳D像天然適合深度學(xué)習(xí)。但當(dāng)雷達(dá)把原始波形搬上中央計(jì)算平臺(tái)后，模型能從毫米波的紋理里提取更多維度的特征。換句話說(shuō)，成像雷達(dá)提供的已經(jīng)不是“有沒(méi)有東西”，而是“東西大概是什么樣子、距離和形狀是否在變化”。

SAINet 的端到端模型，就是在這樣的數(shù)據(jù)基礎(chǔ)上發(fā)揮作用。它不需要工程師提前寫(xiě)好一堆判斷條件，而是在大量真實(shí)場(chǎng)景中自己總結(jié)規(guī)律。高速路上那種邊緣反光、角度怪異的小物體，以往很容易被當(dāng)成噪聲扔掉，現(xiàn)在模型會(huì)嘗試先理解它，再?zèng)Q定要不要提醒系統(tǒng)注意。對(duì)于用戶(hù)來(lái)說(shuō)，就是車(chē)在一些意外場(chǎng)景里不再“愣一下”。

SAIL-Hyper Loop 數(shù)據(jù)閉環(huán)的作用，更像學(xué)生把“不會(huì)做的題”收進(jìn)錯(cuò)題本。當(dāng)遇到模型猶豫不決的情況，系統(tǒng)會(huì)自動(dòng)標(biāo)記并回傳訓(xùn)練鏈路。工程師不再需要成百倍地篩視頻，而是讓模型自己指出“這一段我不太確定”。下一版模型更新后，它就會(huì)在這一類(lèi)場(chǎng)景里表現(xiàn)得更穩(wěn)。對(duì)于普通用戶(hù)，這種確定性通常比絕對(duì)性能更重要，因?yàn)樗鼪Q定了整套智駕系統(tǒng)讓人“敢不敢用”。

技術(shù)最終走向量產(chǎn)，才算真正改變行業(yè)

前瞻的設(shè)計(jì)，極佳的思考，再好的技術(shù)，無(wú)法穩(wěn)定量產(chǎn)也就不能證明自己。過(guò)去一年，賽恩領(lǐng)動(dòng)把廈門(mén)的產(chǎn)線完全跑起來(lái)，讓這套感知方案從實(shí)驗(yàn)室樣機(jī)變成真正能上車(chē)的產(chǎn)品。這里說(shuō)的量產(chǎn)不是把零件拼起來(lái)交貨，而是每一顆雷達(dá)產(chǎn)品的一致性，供應(yīng)鏈要能穩(wěn)住節(jié)奏，成本還要壓進(jìn)車(chē)企能接受的范圍的一整套標(biāo)準(zhǔn)。

李旭陽(yáng)博士提到下一代產(chǎn)品的目標(biāo)時(shí)，用的詞很直接：“視距更遠(yuǎn)、細(xì)節(jié)更清楚，但成本要再降”。這看上去更像一句簡(jiǎn)單的工作要求，可對(duì)供應(yīng)鏈來(lái)說(shuō)實(shí)則屬于很硬的挑戰(zhàn)。想進(jìn)入主流車(chē)型，就不能繼續(xù)靠昂貴器件堆性能，只能讓設(shè)計(jì)本身更“聰明”，讓制造鏈條更高效，否則永遠(yuǎn)停留在小規(guī)模試點(diǎn)。

越來(lái)越多的新車(chē)開(kāi)始采用集中式電子架構(gòu)，傳感器不再各自為政，而是要把數(shù)據(jù)直接送到同一個(gè)“大腦”里。5R架構(gòu)被大家關(guān)注，大程度因?yàn)樗烊贿m配中央計(jì)算平臺(tái)。這種趨勢(shì)沒(méi)什么戲劇性，卻會(huì)慢慢影響整個(gè)行業(yè)的技術(shù)路線。誰(shuí)能把原始數(shù)據(jù)接進(jìn)去，誰(shuí)就更容易在下一階段的智能化競(jìng)爭(zhēng)里站住腳。

在這個(gè)問(wèn)題上，賽恩領(lǐng)動(dòng)的態(tài)度也很明確：不做“能用但不穩(wěn)”的方案。有車(chē)企想用低價(jià)雷達(dá)做組合，李旭陽(yáng)的回答很干脆，可以試，但解決不了真正的安全問(wèn)題。智能駕駛的底線不是“正常情況下沒(méi)問(wèn)題”，而是“最復(fù)雜、最糟糕的情況下也能挺住”。這決定了技術(shù)必須有足夠的基本盤(pán)，而不是只追求表面好看。

過(guò)去一年，中國(guó)的智能駕駛供應(yīng)鏈明顯提速，競(jìng)爭(zhēng)也從單點(diǎn)比拼轉(zhuǎn)向整體能力。5R架構(gòu)有點(diǎn)像在進(jìn)入下一階段前打的一次“地基”。數(shù)據(jù)流要足夠真實(shí)，算法要有成長(zhǎng)空間，產(chǎn)線要穩(wěn)定，成本要往下走。只有這些都成立了，智能駕駛才談得上真正的普及。

結(jié)語(yǔ)

智能駕駛最終比拼的，是在復(fù)雜路況下依舊可靠的那一秒。5R架構(gòu)的意義不在某項(xiàng)指標(biāo)，而在它為未來(lái)的模型學(xué)習(xí)和數(shù)據(jù)迭代提供了更真實(shí)的輸入。隨著中央計(jì)算平臺(tái)逐漸普及，感知系統(tǒng)獲取世界的方式也在隨之在變。這種悄然改變車(chē)輛看清世界的方式，可能決定了未來(lái)智能駕駛能走多遠(yuǎn)。

歡迎線上購(gòu)買(mǎi)《汽車(chē)之友》雜志

北京時(shí)尚

成都雜志鋪

掃碼進(jìn)店，線上購(gòu)買(mǎi)，快遞到家

獲取更多圖文資訊，歡迎關(guān)注《汽車(chē)之友》微信公眾號(hào)

獲取更多視頻資訊，敬請(qǐng)關(guān)注《汽車(chē)之友》視頻號(hào)