繼“城市NOA：BEV數(shù)據(jù)閉環(huán)融合智駕解決方案”后，近日，覺(jué)非科技再次發(fā)布了“高速NOA地圖定位量產(chǎn)解決方案”。該方案的發(fā)布，將數(shù)據(jù)閉環(huán)系統(tǒng)與影子模式延展至高速場(chǎng)景，讓“重感知、輕地圖”實(shí)現(xiàn)了在城市與高速的全場(chǎng)景覆蓋。

方案解析

在已落地的高速NOA中，除特斯拉以外，各家的方案基本都高度依賴高精地圖。相比普通的導(dǎo)航地圖，高精地圖的定位精度可達(dá)到厘米級(jí)別，并且可以提供道路形狀、道路標(biāo)記、交通標(biāo)志和障礙物等信息。

行業(yè)目前普遍采用的是重地圖的PnC架構(gòu)，也就是根據(jù)圖商提供的高精地圖進(jìn)行感知匹配與RTK定位。但這樣的方案依舊面臨許多挑戰(zhàn)，例如由于高精地圖鮮度或更新速度緩慢，在某些復(fù)雜場(chǎng)景下，地圖精度及數(shù)據(jù)更新等問(wèn)題難以支撐自動(dòng)駕駛的要求，導(dǎo)致接管率居高不下。

面對(duì)這樣的挑戰(zhàn)，覺(jué)非科技認(rèn)為，城市NOA“重感知、輕地圖”的應(yīng)用模式可復(fù)用于高速NOA，通過(guò)輕圖或眾源地圖實(shí)現(xiàn)車道級(jí)定位，可與重感知方案形成有效互補(bǔ)，有助于提升高速NOA整體的駕駛體驗(yàn)與安全性。

覺(jué)非科技的“高速NOA地圖定位量產(chǎn)解決方案” 可通過(guò)車機(jī)導(dǎo)航地圖或眾源地圖實(shí)現(xiàn)，結(jié)合量產(chǎn)車實(shí)時(shí)感知結(jié)果，滿足車輛在高速場(chǎng)景下的高精定位需求。

覺(jué)非科技將“高速NOA地圖定位量產(chǎn)解決方案”分為兩個(gè)版本。

1. 融合定位Air方案

該方案基于“圖商車機(jī)導(dǎo)航地圖”實(shí)現(xiàn)，可通過(guò)更加輕量級(jí)的地圖數(shù)據(jù)接入方式實(shí)現(xiàn)高精定位。方案應(yīng)用中，覺(jué)非科技將車機(jī)導(dǎo)航地圖數(shù)據(jù)與感知數(shù)據(jù)進(jìn)行匹配，同時(shí)結(jié)合GNSS定位，替代傳統(tǒng)L2+ PnC架構(gòu)下的重地圖方式，為車輛提供車道約束與相對(duì)定位。

2. 地圖定位Live方案

覺(jué)非科技同時(shí)提供基于“眾源地圖Live服務(wù)”的建圖定位方案。該方案基于眾源地圖Live服務(wù)可進(jìn)行規(guī)格定制，進(jìn)而再與車輛感知進(jìn)行匹配，結(jié)合GNSS位置，為車輛提供并線和進(jìn)出匝道時(shí)機(jī)判斷。同時(shí)基于自車感知數(shù)據(jù)可進(jìn)行數(shù)據(jù)的實(shí)時(shí)更新，與眾源地圖Live服務(wù)形成閉環(huán)。在Live模式下，車輛可以在“鮮度”更高的數(shù)據(jù)模式下，具備更加精準(zhǔn)的定位能力，有效降低因地圖數(shù)據(jù)錯(cuò)誤導(dǎo)致的NoA降級(jí)或接管。

在Air版本和Live版本的方案搭建中，覺(jué)非科技將高速公路車輛前向感知與L2 SOC芯片及GNSS/IMU衛(wèi)導(dǎo)與慣導(dǎo)進(jìn)行搭載，結(jié)合眾源地圖服務(wù)實(shí)現(xiàn)。

覺(jué)非科技同時(shí)搭建了針對(duì)高速NOA的數(shù)據(jù)閉環(huán)處理流程，將車端感知結(jié)果進(jìn)行數(shù)據(jù)拼接，通過(guò)高速公路數(shù)據(jù)制圖工具鏈與數(shù)據(jù)質(zhì)檢后生成增量化的高速輔助駕駛地圖數(shù)據(jù)庫(kù)。

數(shù)據(jù)可以通過(guò)“增量離線包”或“Online服務(wù)”的方式下發(fā)給車輛，讓車輛的感知數(shù)據(jù)在鮮度更高、數(shù)據(jù)準(zhǔn)確的環(huán)境下運(yùn)行，整體方案已可應(yīng)用于L2自動(dòng)駕駛規(guī)控系統(tǒng)，可大幅降低高速場(chǎng)景下的接管次數(shù)。

整套“高速NOA地圖定位量產(chǎn)解決方案”，其背后對(duì)應(yīng)的是覺(jué)非感知大模型的搭建與應(yīng)用能力。

覺(jué)非科技的感知大模型通過(guò)規(guī)?；瘮?shù)據(jù)采集，生成冷啟動(dòng)模型，而后通過(guò)量產(chǎn)化制圖能力產(chǎn)生地圖數(shù)據(jù)庫(kù)，結(jié)合覺(jué)非自研的數(shù)據(jù)中心實(shí)現(xiàn)快速不斷的迭代，并生成算法訓(xùn)練數(shù)據(jù)庫(kù)，進(jìn)而實(shí)現(xiàn)向大模型的正向循環(huán)。

與此同時(shí)，未來(lái)覺(jué)非科技將形成感知智能和認(rèn)知智能的雙維大幅提升，基于感知大模型的不斷迭代，將數(shù)據(jù)驅(qū)動(dòng)的算法應(yīng)用于更多量產(chǎn)項(xiàng)目，實(shí)現(xiàn)感知大模型在城市與高速場(chǎng)景的全面落地。