電子發燒友網報道(文/梁浩斌)自動駕駛商業化的進度正在加速,最近工業和信息化部副部長辛國斌在國務院政策例行吹風會上表示,將深化智能網聯汽車測試示范應用,支持有條件的自動駕駛,包括L3級及更高級別的自動駕駛功能商業化應用。
而相關自動駕駛公司以及一些造車新勢力早已開展布局,包括小鵬、蔚來、理想,以及元戎啟行、毫末智行、小馬智行、Momenta等,都在今年開始推出不依賴高精地圖的高階自動駕駛方案,為未來全域L3自動駕駛打下基礎。
自動駕駛往“通用性”發展,工程能力成為自動駕駛落地關鍵
可以說,當前業界已經將采用BEV和Transformer來實現無高精地圖方案,作為自動駕駛的未來路線。在擺脫高精地圖后,自動駕駛的使用場景以及使用范圍將大大擴展,這也是自動駕駛的“通用性”體現。
元戎啟行CEO周光在2023未來汽車先行者大會上也提到,一套通用的智能駕駛方案,必然具備全域全時、低成本、可量產、車規級等特性。
自動駕駛經過近幾年的爆炸式發展,技術路徑其實已經趨同,但對于自動駕駛公司來說,正如周光提到的“全域全時、低成本、可量產、車規級”,總結成一個詞就是工程能力。簡單來說,就是將技術轉化為可以落地的產品的能力。
可以發現在過去幾年很多自動駕駛公司在技術上競爭激烈,包括各種前沿論文、開創性的思路等等,盡管這非常有意義,并且在技術上有很高的含金量,但自動駕駛行業多年來一直受到詬病的量產落地能力對于公司現階段而言可能會更加重要。
多年來不少自動駕駛公司處于持續投入而幾乎無收入的階段,擁有大量技術但由于包括成本在內的種種原因,無法量產,或者是獲得定點但沒有項目落地。因此,擁有可支持技術落地的工程能力,是現階段自動駕駛公司能否從行業中脫穎而出的關鍵。
量產方案進展如何?
元戎啟行在今年3月推出了不搭載高精地圖的DeepRoute-Driver 3.0方案,沒有行駛范圍的限制,硬件成本同比2021年推出的上一代方案便宜了80%。基于這套方案,元戎啟行還推出了高階智能駕駛產品D-PRO與輔助駕駛產品D-AIR,硬件成本僅分別為1.4萬元和7000元。
其中在硬件配置上,D-AIR擁有80+TOPS計算平臺和7個攝像頭,具備全套輔助駕駛功能(包括ACC、LCC、AEB、ILC、APA等),支持自主路口通行、主動安全功能等。
D-PRO則擁有更強的硬件,包括200+TOPS的計算平臺、一個激光雷達以及7個攝像頭,具備導航地圖下的點到點智駕、全域自主決策規劃、VPV高階記憶泊車、泊車輔助、主動安全功能等。
據周光透露,目前D-PRO已經獲得了車企的定點合作,并且在深圳進行泛化測試。在測試視頻中,D-PRO能夠直面深圳的“龍舟水”暴雨天氣,完成了近20公里的城區NCA自主行駛。在能見度不高的情況下,依靠強大的感知系統,D-PRO能夠精準識別信號燈和車道線;在繁忙十字路口與對向車輛博弈,完成精準識別岔道、長距離路口通行等高難度操作。
除此之外,去年輕舟智航也推出了量產成本低至1萬元的車規級自動駕駛方案DBQ V4,據稱只需業內10%的成本即可實現99%的L4能力;毫末智行也表示,其“輕地圖,重感知”的HPilot 3.0城市NOH系統在年內量產上市。
寫在最后
低成本、可量產、通用性的自動駕駛方案已經成為業內的主攻方向,畢竟商業化落地才是自動駕駛行業能夠長久發展的前提。伴隨國內法規逐步完善,自動駕駛公司全面進軍前裝量產的時代或許即將來臨。
而相關自動駕駛公司以及一些造車新勢力早已開展布局,包括小鵬、蔚來、理想,以及元戎啟行、毫末智行、小馬智行、Momenta等,都在今年開始推出不依賴高精地圖的高階自動駕駛方案,為未來全域L3自動駕駛打下基礎。
自動駕駛往“通用性”發展,工程能力成為自動駕駛落地關鍵
可以說,當前業界已經將采用BEV和Transformer來實現無高精地圖方案,作為自動駕駛的未來路線。在擺脫高精地圖后,自動駕駛的使用場景以及使用范圍將大大擴展,這也是自動駕駛的“通用性”體現。
元戎啟行CEO周光在2023未來汽車先行者大會上也提到,一套通用的智能駕駛方案,必然具備全域全時、低成本、可量產、車規級等特性。
自動駕駛經過近幾年的爆炸式發展,技術路徑其實已經趨同,但對于自動駕駛公司來說,正如周光提到的“全域全時、低成本、可量產、車規級”,總結成一個詞就是工程能力。簡單來說,就是將技術轉化為可以落地的產品的能力。
可以發現在過去幾年很多自動駕駛公司在技術上競爭激烈,包括各種前沿論文、開創性的思路等等,盡管這非常有意義,并且在技術上有很高的含金量,但自動駕駛行業多年來一直受到詬病的量產落地能力對于公司現階段而言可能會更加重要。
多年來不少自動駕駛公司處于持續投入而幾乎無收入的階段,擁有大量技術但由于包括成本在內的種種原因,無法量產,或者是獲得定點但沒有項目落地。因此,擁有可支持技術落地的工程能力,是現階段自動駕駛公司能否從行業中脫穎而出的關鍵。
量產方案進展如何?
元戎啟行在今年3月推出了不搭載高精地圖的DeepRoute-Driver 3.0方案,沒有行駛范圍的限制,硬件成本同比2021年推出的上一代方案便宜了80%。基于這套方案,元戎啟行還推出了高階智能駕駛產品D-PRO與輔助駕駛產品D-AIR,硬件成本僅分別為1.4萬元和7000元。
其中在硬件配置上,D-AIR擁有80+TOPS計算平臺和7個攝像頭,具備全套輔助駕駛功能(包括ACC、LCC、AEB、ILC、APA等),支持自主路口通行、主動安全功能等。
D-PRO則擁有更強的硬件,包括200+TOPS的計算平臺、一個激光雷達以及7個攝像頭,具備導航地圖下的點到點智駕、全域自主決策規劃、VPV高階記憶泊車、泊車輔助、主動安全功能等。
據周光透露,目前D-PRO已經獲得了車企的定點合作,并且在深圳進行泛化測試。在測試視頻中,D-PRO能夠直面深圳的“龍舟水”暴雨天氣,完成了近20公里的城區NCA自主行駛。在能見度不高的情況下,依靠強大的感知系統,D-PRO能夠精準識別信號燈和車道線;在繁忙十字路口與對向車輛博弈,完成精準識別岔道、長距離路口通行等高難度操作。
除此之外,去年輕舟智航也推出了量產成本低至1萬元的車規級自動駕駛方案DBQ V4,據稱只需業內10%的成本即可實現99%的L4能力;毫末智行也表示,其“輕地圖,重感知”的HPilot 3.0城市NOH系統在年內量產上市。
寫在最后
低成本、可量產、通用性的自動駕駛方案已經成為業內的主攻方向,畢竟商業化落地才是自動駕駛行業能夠長久發展的前提。伴隨國內法規逐步完善,自動駕駛公司全面進軍前裝量產的時代或許即將來臨。
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
汽車電子
+關注
關注
3036文章
8291瀏覽量
169852 -
激光雷達
+關注
關注
971文章
4218瀏覽量
192397 -
自動駕駛
+關注
關注
788文章
14265瀏覽量
170154
發布評論請先 登錄
相關推薦
熱點推薦
自動駕駛安全基石:ODD
和限制下可以正常工作,是自動駕駛安全的核心概念之一。 ? 對于人類司機來說,在不同的道路上駕駛的能力也有所區別,比如新手司機在一些窄路、山路,或者交通狀況復雜的道路上可能會無所適從,人也會判斷哪些路自己沒有
新能源車軟件單元測試深度解析:自動駕駛系統視角
的潛在風險增加,尤其是在自動駕駛等安全關鍵系統中。根據ISO 26262標準,自動駕駛系統的安全完整性等級(ASIL-D)要求單點故障率必須低于10^-8/小時,這意味著每小時的故障概率需控制在億
發表于 05-12 15:59
NVIDIA Halos自動駕駛汽車安全系統發布
NVIDIA 整合了從云端到車端的安全自動駕駛開發技術套件,涵蓋車輛架構到 AI 模型,包括芯片、軟件、工具和服務。 物理 AI 正在為自動駕駛和機器人開發技術的交叉領域釋放新的可能性,尤其是加速了
沃爾沃與Waabi攜手開發自動駕駛卡車
沃爾沃自動駕駛解決方案公司(V.A.S.)近日宣布與加拿大自動駕駛卡車技術公司Waabi建立合作伙伴關系,共同致力于自動駕駛卡車解決方案的研
滴滴自動駕駛C輪融資成功,加速Robotaxi量產進程
的資金將主要用于加大自動駕駛技術的研發投入,并加速推動滴滴首款Robotaxi(自動駕駛出租車)量產車的落地進程。這標志著滴滴在自動駕駛領域



Rapidus與電裝共享芯片設計,加速AI與自動駕駛發展
日本半導體制造商Rapidus與汽車零部件供應商電裝近日宣布,將共享先進芯片設計方法。這些芯片將廣泛應用于人工智能和自動駕駛汽車等前沿領域,有望為相關行業帶來技術革新。

自動駕駛無圖方案真的可行嗎?
隨著自動駕駛技術的迅猛發展,傳統的高精度地圖依賴逐漸受到挑戰。近年來,越來越多的汽車制造商和技術公司開始探索輕地圖甚至無圖的自動駕駛解決方案
FPGA在自動駕駛領域有哪些優勢?
領域的主要優勢:
高性能與并行處理能力:
FPGA內部包含大量的邏輯門和可配置的連接,能夠同時處理多個數據流和計算任務。這種并行處理能力使得FPGA在處理自動駕駛中復雜的圖像識別、傳感器數據處理等
發表于 07-29 17:11
FPGA在自動駕駛領域有哪些應用?
是FPGA在自動駕駛領域的主要應用:
一、感知算法加速
圖像處理:自動駕駛中需要通過攝像頭獲取并識別道路信息和行駛環境,這涉及到大量的圖像處理任務。FPGA在處理圖像上的運算速度快,可并行性強,且功耗
發表于 07-29 17:09
深度學習在自動駕駛中的關鍵技術
隨著人工智能技術的飛速發展,自動駕駛技術作為其中的重要分支,正逐漸走向成熟。在自動駕駛系統中,深度學習技術發揮著至關重要的作用。它通過模擬人腦的學習過程,實現對車輛周圍環境的感知、理解和決策。本文將深入探討深度學習在自動駕駛中的
評論