芯耀
262
本文經(jīng)AI新媒體量子位（公眾號(hào) ID: QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處
2019年，當(dāng)百度自動(dòng)駕駛工程師為Mobileye純視覺DEMO效果驚嘆不已時(shí)，不會(huì)想到一切來(lái)得這么快。
2021年，百度純視覺L4方案，已經(jīng)花開兩朵，各表一支。
Apollo史無(wú)前例的成本48萬(wàn)的量產(chǎn)Robotaxi，背后有百度純視覺自動(dòng)駕駛技術(shù)的精進(jìn)和支持。
更明顯的，是純視覺方案以L4實(shí)力降維釋放于普通乘用車，業(yè)內(nèi)唯一一款“自上而下”的城市領(lǐng)航輔助駕駛方案ANP，已經(jīng)走在量產(chǎn)路上。
這一切，都來(lái)自Apollo Lite，中國(guó)唯一L4級(jí)純視覺城市道路自動(dòng)駕駛閉環(huán)解決方案的助力。
Apollo Lite 3年前一葉輕舟啟航，卻聞兩岸“猿聲”不止：百度真要拋棄激光雷達(dá)？
而在3周年之際，Apollo Lite已過(guò)萬(wàn)重山，成了和特斯拉、Mobileye三足鼎立的純視覺自動(dòng)駕駛門派。
不管是出于對(duì)自動(dòng)駕駛技術(shù)路線的關(guān)注，還是對(duì)自動(dòng)駕駛數(shù)據(jù)融合迭代的探索，Apollo Lite的實(shí)踐經(jīng)驗(yàn)和思考沉淀，都能提供獨(dú)一無(wú)二的參考。
而能給出解答的人，最合適的自然就是百度智能駕駛事業(yè)群組技術(shù)委員會(huì)主席、自動(dòng)駕駛視覺技術(shù)實(shí)踐者王亮博士。
Apollo Lite三周年畫像
先來(lái)勾勒一下Apollo Lite的三年圖景。
Apollo Lite，2019年在計(jì)算機(jī)視覺頂會(huì)CVPR“學(xué)術(shù)出道”，被一些業(yè)內(nèi)人看做是對(duì)特斯拉“腹地的奇襲”。
同年年底，就在北京稻香湖區(qū)域的數(shù)條城市開放道路上完成了不依賴激光雷達(dá)，基于純視覺感知的自動(dòng)駕駛閉環(huán)路測(cè)。
2020年，Apollo Lite晉級(jí)北京亦莊L4級(jí)別自動(dòng)駕駛路網(wǎng)，通過(guò)與Robotaxi同場(chǎng)競(jìng)技打磨視覺感知能力，技術(shù)指標(biāo)和乘坐體驗(yàn)逐步向Robotaxi看齊。
此時(shí)，兩周歲的Apollo Lite具備了僅用攝像頭應(yīng)對(duì)中國(guó)復(fù)雜道路環(huán)境的自動(dòng)駕駛能力。
同年12月的黃埔Apollo生態(tài)大會(huì)上，百度宣布將Apollo Lite視覺技術(shù)從L4降維至L2+級(jí)領(lǐng)航輔助駕駛應(yīng)用——打造覆蓋“泊車域+行車域”城市全場(chǎng)景一體化智駕解決方案 - Apollo智駕產(chǎn)品ANP（Apollo Navigation Pilot）。
△三域融通智能駕駛產(chǎn)品ANP
2021年，Apollo Lite踏入產(chǎn)品化元年，團(tuán)隊(duì)踐行L4降維，將技術(shù)向更輕量，可量產(chǎn)的方向推進(jìn)。
這一過(guò)程中挑戰(zhàn)不少，具體來(lái)說(shuō)，有四重挑戰(zhàn)。
首先是前裝量產(chǎn)方面。與此前研發(fā)使用的后裝測(cè)試車不同，前裝量產(chǎn)對(duì)冗余設(shè)計(jì)、線控調(diào)校、散熱方案和傳感器集成等都是全新的挑戰(zhàn)，前裝也意味著車輛可靠性、一致性和穩(wěn)定性都通過(guò)了考驗(yàn)。
比如傳感器層面，ANP產(chǎn)品新增了前后2顆魚眼攝像頭和12顆超聲雷達(dá)兼顧低速自動(dòng)召喚/泊車，而且所有傳感器的安裝嵌入車身之內(nèi)，使量產(chǎn)集成度良好。
其次，計(jì)算硬件上。Lite從自研計(jì)算平臺(tái)轉(zhuǎn)向低功耗可量產(chǎn)的車規(guī)級(jí)計(jì)算單元，相比為高性能計(jì)算任務(wù)設(shè)計(jì)的GPU，AI算力大幅降低。
Lite團(tuán)隊(duì)投入大量精力進(jìn)行了視覺感知模型的輕量化，對(duì)模型進(jìn)行了極致壓縮，通過(guò)多任務(wù)模型、量化訓(xùn)練等手段減少計(jì)算量，降低推理時(shí)延的同時(shí)兼顧了模型預(yù)測(cè)精度。
比如在某量產(chǎn)項(xiàng)目中，團(tuán)隊(duì)攻克batch推理的難題，在低算力車規(guī)級(jí)芯片上實(shí)現(xiàn)了二階段目標(biāo)檢測(cè)網(wǎng)絡(luò)的實(shí)時(shí)推理。
第三個(gè)挑戰(zhàn)是完成L4代碼從X86架構(gòu)到ARM架構(gòu)遷移。
面對(duì)ARM平臺(tái)腰斬的CPU算力，團(tuán)隊(duì)對(duì)軟件系統(tǒng)進(jìn)行了大刀闊斧的改造。架構(gòu)層面做了基于場(chǎng)景化思想的代碼重構(gòu)和功能隔離，系統(tǒng)根據(jù)場(chǎng)景和車輛行為動(dòng)態(tài)分配計(jì)算資源到不同的傳感器/感知任務(wù)，從前是算力充沛時(shí)的兼顧全局，如今是有限算力下的有的放矢，聚焦局部，計(jì)算資源得到更合理的應(yīng)用。
算法層面全面精簡(jiǎn)邏輯，通過(guò)專用指令優(yōu)化熱點(diǎn)算法模塊。
系統(tǒng)層面也重新設(shè)計(jì)了計(jì)算資源調(diào)度分配策略，提升數(shù)據(jù)流轉(zhuǎn)效率。
硬件層面，調(diào)配異構(gòu)計(jì)算單元上可用的硬件資源（專用圖像處理器、DSP計(jì)算單元等），緩解CPU、AI加速器計(jì)算壓力。通過(guò)一系列優(yōu)化手段，與ARM平臺(tái)遷移初期相比， CPU占用率降低138%，端到端時(shí)延（99分位）降低50%。
最后，Apollo Lite對(duì)高精地圖的定義和使用方式也做了降級(jí)。
此前，Lite仍沿用為Robotaxi專屬定制生產(chǎn)的高精地圖，圖中包含道路拓?fù)浜投ㄎ粓D層信息。
高精地圖中的先驗(yàn)信息能夠簡(jiǎn)化車端算法，降低研發(fā)難度。
但量產(chǎn)乘用車面對(duì)的是更為廣闊的路網(wǎng)，高精地圖的生產(chǎn)成本和日常維護(hù)難度非常大。
這不但限制了地圖范圍覆蓋，而且車端算法重依賴地圖也給系統(tǒng)泛化性帶來(lái)挑戰(zhàn)。
針對(duì)量產(chǎn)，Apollo Lite放寬對(duì)地圖精度的要求，同時(shí)將地圖元素減少到了原來(lái)的50%，單位距離地圖文件大小僅為原來(lái)的10%。
為了在能地圖依賴的前提下“看懂”場(chǎng)景，團(tuán)隊(duì)還研發(fā)了與輕量級(jí)地圖相適配的感知、定位和決策規(guī)劃算法，通過(guò)車端算法的升級(jí)彌補(bǔ)地圖信息缺失。
這一系列工作，最終都?xì)w為解決用低成本硬件（計(jì)算、傳感器）帶動(dòng)復(fù)雜的L4算法問(wèn)題，內(nèi)部研發(fā)把這個(gè)過(guò)程比喻成“小馬拉大車”。
這也是Apollo Lite技術(shù)降維產(chǎn)品化過(guò)程中面臨的最大挑戰(zhàn)，能做到“以能力補(bǔ)成本”，是Apollo Lite能力演進(jìn)的最直觀體現(xiàn)。
三周年，Apollo Lite助力智駕產(chǎn)品化
百度選擇的輕傳感器、輕算力、輕地圖、強(qiáng)視覺感知路徑，看似與時(shí)下各家車企和Robotaxi自動(dòng)駕駛公司頻頻曬出的高配置“主流”方案相悖，但它卻是百度Apollo智駕產(chǎn)品競(jìng)爭(zhēng)力的壁壘。
基于Apollo Lite視覺自動(dòng)駕駛技術(shù)，百度智駕業(yè)務(wù)第一個(gè)進(jìn)入市場(chǎng)的產(chǎn)品是AVP（Apollo Valet Parking）自主泊車。
目前已與多家車企定點(diǎn)量產(chǎn)。AVP采用了5顆攝像頭+12超聲波雷達(dá)方案，技術(shù)路線以視覺感知為主，已在威馬和廣汽車型上量產(chǎn)，后續(xù)還將持續(xù)覆蓋長(zhǎng)城等品牌的多款車型。
百度通過(guò)提升視覺感知能力，不斷探索減少自動(dòng)駕駛對(duì)高成本激光雷達(dá)的依賴。今年推出的第五代Robotaxi共享無(wú)人車成本僅為48萬(wàn)，可謂是前無(wú)古人把RoboTaxi做到了駕駛員運(yùn)營(yíng)出租車的人車成本區(qū)間。
成本之所以低，重要因素就是在百度的Robotaxi方案中，僅使用了一顆40線激光雷達(dá)與Apollo Lite的環(huán)視攝像頭配合，整車體驗(yàn)?zāi)芰s超越一眾搭載四五顆激光雷達(dá)和數(shù)十顆攝像頭的Robotaxi競(jìng)品。
百度Robotaxi技術(shù)理念的特殊之處在于其致力于持續(xù)提升視覺在感知系統(tǒng)中的作用占比。
得益于Apollo Lite的技術(shù)積累，視覺能力做強(qiáng)了才有在傳感器成本上做減法的信心和資本，在行業(yè)內(nèi)對(duì)激光雷達(dá)使用做到肉眼可見的個(gè)數(shù)最少，線數(shù)最低，形成了百度在整車成本上的絕對(duì)優(yōu)勢(shì)。
這一切背后的邏輯是全力降低Robotaxi車輛的BOM成本，加速跑通商業(yè)化。
△僅使用一顆激光雷達(dá)的第五代共享無(wú)人車Apollo Moon
如今再回想起做Apollo Lite的緣起，王亮依然清楚地記得這背后的權(quán)衡和博弈。
2016年，百度自動(dòng)駕駛事業(yè)部?jī)?nèi)展開過(guò)一場(chǎng)討論。待決策的問(wèn)題只有一個(gè)，百度自動(dòng)駕駛采用重視覺還是重激光雷達(dá)路線？
出于讓各算法模塊快速上路迭代的目的，百度選擇了激光雷達(dá)為主的技術(shù)路線。而為了聚焦，當(dāng)時(shí)并沒(méi)有分資源投入純視覺路線研發(fā)。
激光雷達(dá)路線成為百度一塊招牌同時(shí)，也帶來(lái)問(wèn)題：成本。
在過(guò)去很長(zhǎng)一段時(shí)間內(nèi)，全球范圍內(nèi)能提供高線束機(jī)械式旋轉(zhuǎn)激光雷達(dá)的只有Velodyne一家，成本高昂產(chǎn)量小。
對(duì)于百度這種TOP級(jí)玩家來(lái)說(shuō)，成本和產(chǎn)能限制了車隊(duì)規(guī)模，也就限制了迭代速度，百萬(wàn)起步的乘用車顯然更難起量。
所以2019年，百度內(nèi)部終于下決心成立團(tuán)隊(duì)純視覺方案做起來(lái)，既為追趕先進(jìn)，也為商業(yè)化準(zhǔn)備彈藥。
Apollo Lite成立第一天就明確性能指標(biāo)和L4級(jí)Robotaxi對(duì)齊，形成和激光雷達(dá)團(tuán)隊(duì)并行的兩條路線。
回憶起技術(shù)路線選擇，王亮給出百度的思考：無(wú)人駕駛的規(guī)模化落地是一次長(zhǎng)征，除了有篤定的信念支撐，更要基于正確的路線才能到達(dá)目的地。
他還不無(wú)感慨地分享：正是當(dāng)年從以色列傳來(lái)的Mobileye純視覺DEMO，堅(jiān)定了大家對(duì)視覺路線的決心。
就這樣，在2019年，一個(gè)還不到20人的團(tuán)隊(duì)啟動(dòng)，開始了Apollo Lite的征途。
ANP因何生而不同？
2021年，城市場(chǎng)景已成各車企領(lǐng)航輔助駕駛功能的必爭(zhēng)之地。
特斯拉純視覺FSD功能在美國(guó)逐步小批量推送，漸進(jìn)測(cè)試；Mobileye將自家純視覺駕駛方案帶到紐約和印度最復(fù)雜的街道DEMO演示。
國(guó)內(nèi)多家新勢(shì)力公布的城市方案趨向擁抱半固態(tài)激光雷達(dá)，這背后既有對(duì)安全的重視，也從側(cè)面印證了純視覺方案在中國(guó)道路場(chǎng)景下的進(jìn)入門檻極高，絕非普通玩家敢于挑戰(zhàn)。
百度主打的ANP（Apollo Navigation Pilot）智駕產(chǎn)品以Apollo Lite視覺方案為基礎(chǔ)，融通泊車域和行車域下的多類駕駛場(chǎng)景，實(shí)現(xiàn)“點(diǎn)到點(diǎn)（door-to-door）”的智能駕駛功能，同時(shí)為用戶帶來(lái)安全、平穩(wěn)、連貫的駕駛體驗(yàn)。
由于不強(qiáng)依賴激光雷達(dá)，ANP利于車企優(yōu)化硬件成本，更經(jīng)濟(jì)的獲得城市領(lǐng)航輔助駕駛功能。
同時(shí)基于百度多年在Robotaxi項(xiàng)目上對(duì)激光雷達(dá)的使用經(jīng)驗(yàn)/技術(shù)積累，ANP也可根據(jù)車企不同級(jí)別車型的定位和智能化預(yù)算，選配激光雷達(dá)用以提升工況并獲得更先進(jìn)的駕駛能力。
作為百度智駕旗艦產(chǎn)品，ANP核心產(chǎn)品優(yōu)勢(shì)是什么？自研純視覺方案，為何國(guó)內(nèi)只有百度能與特斯拉、Mobileye一戰(zhàn)？
△視覺感知融合方案ANP研發(fā)測(cè)試車
安全
ANP是業(yè)內(nèi)唯一來(lái)自L4技術(shù)降維的高級(jí)輔助駕駛產(chǎn)品，核心算法經(jīng)過(guò)Robotaxi長(zhǎng)期實(shí)路驗(yàn)證。
百度目前已積累超過(guò)2000萬(wàn)公里的L4級(jí)真實(shí)道路測(cè)試?yán)锍蹋送?0億公里仿真測(cè)試?yán)锍虒?duì)每行代碼更新做詳盡的回歸測(cè)試，兩項(xiàng)業(yè)內(nèi)領(lǐng)先的基礎(chǔ)數(shù)據(jù)，成為ANP駕駛策略安全的基石。
相比特斯拉等企業(yè)采用“影子模式”讓用戶充當(dāng)測(cè)試人員的方式不同，百度Robotaxi測(cè)試聘用經(jīng)過(guò)專業(yè)認(rèn)證的自動(dòng)駕駛測(cè)試人員，有科學(xué)嚴(yán)謹(jǐn)?shù)臏y(cè)試體系對(duì)自動(dòng)駕駛邊界能力進(jìn)行測(cè)試評(píng)估。
熟路
應(yīng)對(duì)中國(guó)復(fù)雜城市道路情況下的種種挑戰(zhàn)，短期完全脫離高精地圖的技術(shù)路線并不現(xiàn)實(shí)。
百度身為頭部圖商，擁有地圖測(cè)繪資質(zhì)和成熟的高精地圖產(chǎn)線，同屬一個(gè)部門下的地圖團(tuán)隊(duì)與算法策略團(tuán)隊(duì)能夠緊密配合，共同定義適配ANP策略的地圖產(chǎn)品和制作更新流程。Apollo Lite“輕地圖”的技術(shù)路線能夠保證ANP在未來(lái)的地圖路網(wǎng)覆蓋率和產(chǎn)品可用性上有顯性優(yōu)勢(shì)。
開放
ANP系統(tǒng)內(nèi)置的數(shù)據(jù)回收策略能夠在車端動(dòng)態(tài)對(duì)高價(jià)值數(shù)據(jù)進(jìn)行實(shí)時(shí)挖掘和存儲(chǔ)，數(shù)據(jù)在合適時(shí)間通過(guò)wifi/4G回傳到服務(wù)器，且每類數(shù)據(jù)與對(duì)應(yīng)的車端模型或者策略關(guān)聯(lián)在平臺(tái)統(tǒng)一管理。
之后，通過(guò)分析工具和標(biāo)注服務(wù)，原始數(shù)據(jù)被轉(zhuǎn)化為可以參與模型/策略迭代的標(biāo)準(zhǔn)結(jié)構(gòu)化數(shù)據(jù)。
依托百度多年在仿真技術(shù)和數(shù)據(jù)閉環(huán)方向上的實(shí)踐積累，ANP如今能為客戶提供與之配套的數(shù)據(jù)服務(wù)，支持車企內(nèi)部研發(fā)人員通過(guò)平臺(tái)參與到整車智駕能力的持續(xù)演進(jìn)提升中,參與的媒介是百度提供的一系列工具鏈系統(tǒng)和云端服務(wù)。
通過(guò)數(shù)據(jù)服務(wù)，ANP也能與客戶間的界面更加透明，客戶能夠低成本、低門檻的參與ANP的能力進(jìn)化，在數(shù)據(jù)的驅(qū)動(dòng)下形成產(chǎn)品的差異化體驗(yàn)和競(jìng)爭(zhēng)力。
如何評(píng)價(jià)Apollo Lite這3年？
Apollo Lite3周年的速度和成績(jī)，其實(shí)不難理解，更重要的是，怎么看待Apollo Lite給自動(dòng)駕駛行業(yè)帶來(lái)的改變？
其實(shí)概括起來(lái)很簡(jiǎn)單，就是一套性能可以和L4級(jí)RoboTaxi媲美的純視覺智能駕駛解決方案。
而且最重要的，這套方案輕傳感器、輕算力、強(qiáng)感知能力的方案具備了高性價(jià)比的量產(chǎn)能力，足夠物美價(jià)廉，真正讓國(guó)內(nèi)車廠有了和特斯拉對(duì)抗的“彈藥”，在眼下特斯拉攻城略地之時(shí)，有了反攻的底氣。
當(dāng)然，性價(jià)比只是吸引企業(yè)的一個(gè)因素，Apollo Lite的更大魅力，還在于它身后的Apollo生態(tài)。百度的地圖、百度的云，百度的車路協(xié)同能力，都向合作伙伴開放。
而對(duì)于百度自身來(lái)說(shuō)，Apollo Lite 3年來(lái)最重要的意義，是率先把領(lǐng)先的技術(shù)變成落地的商業(yè)產(chǎn)品，從而“反哺”Apollo。
因?yàn)榱慨a(chǎn)之后必然推動(dòng)整個(gè)數(shù)據(jù)閉環(huán)轉(zhuǎn)得更快，數(shù)據(jù)驅(qū)動(dòng)也會(huì)不斷提高整個(gè)百度自動(dòng)駕駛業(yè)務(wù)的技術(shù)壁壘，為技術(shù)迭代帶來(lái)正反饋。
△ANP-Robotaxi架構(gòu)實(shí)現(xiàn)技術(shù)降維與數(shù)據(jù)反哺
最后，在通向完全無(wú)人駕駛的終極目標(biāo)道路上，百度率先領(lǐng)悟了純視覺路線“心法”，在底層算法層面打開突破口。
數(shù)年的技術(shù)實(shí)踐和研發(fā)投入，不僅使百度順利切入智能汽車賽道，也成就了另一條激光雷達(dá)方案，以最低成本實(shí)現(xiàn)RoboTaxi，恰好從另一個(gè)角度解釋了激光雷達(dá)路線在特定歷史時(shí)期的合理性。
而很有可能，通往終局的路上，純視覺路線、激光雷達(dá)路線最終會(huì)回歸、合流。
百度的Apollo Lite團(tuán)隊(duì)，3年來(lái)完成的是充滿困難但極具前瞻性的事情；從成果來(lái)看，其價(jià)值開始凸顯；而從終極目標(biāo)來(lái)看，Apollo Lite的長(zhǎng)遠(yuǎn)價(jià)值和意義，才剛剛拉開序幕。
賈浩楠 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI
