搞自动驾驶的这么多 为什么智己IM AD最有机会成为“中国智驾NO.1”？

从2016年AlphaGo成为首个战胜人类职业围棋选手的人工智能机器人开始，到刷爆2023年热搜的ChatGPT，人工智能开始迅速进入大众视野，在全球范围内引起技术变革。现在，这股变革也已经来到了汽车行业，今年，智己汽车携手全球头部智能驾驶算法玩家Monmenta，发布了行业首个D.L.P.人工智能模型，开始将数据驱动的规划算法应用量产项目。

AlphaGo和ChatGPT之所以能各自所处的细分领域战胜人类，其共同的关键点就是，它们都拥有深度学习能力，通过喂数据或者自我博弈的学习（新版AlphaGo）来训练模型，完成了从机器到智能的转变。而现在智己推出的D.L.P.人工智能模型，就是深度学习决策规划模型（Deep Learning Planning），作为行业首创，“自动驾驶前的最后一战”很可能会由智己来终结。

模型、算法才是变革的关键

人类是如何驾驶车辆的？首先第一步就是“感知”，人类通过视觉、听觉甚至身体对震动的感知来判断路况，之后是“规划、决策”，这一步是大脑在思考怎么办，最后一步就是“执行、控制”，通过对刹车、油门、转向的操作，让车辆按照大脑的想法移动。

“感知”和“控制”对机器来说已经不再是问题，各种视觉传感器、超声波雷达甚至地图数据，都可以给车辆提供道路情况，机器对车辆的控制现在已经可以做到比大部分人类驾驶者更加精准、无误，所以核心问题就在“规划”层面。

现在消费者接触到的大多数辅助驾驶系统中，“规划”环节大部分采用的都是Rule Base规则，大家可以理解为工程师把各种预想到的情况和需要执行的操作，写成既定的规则。这种方法对于简单、固定的工况非常高效，因为一切条件都很理想，可能发生的情况都匹配了应对办法。

但开放道路上存在近乎无穷的各种情况，比如规定距离匝道1.5km时开始执行变道动作，道路拥堵怎么办？后方车辆突然加速怎么办？全部采用Rule Base规则去应对几乎是不可能的，这种“穷举”机制下，车辆执行起来完全不会“变通”，一旦遇到规定以外的情况就无法做出正确决策，甚至宕机。

其实现在经常用辅助驾驶系统的消费者应该有所体会，当下常见的辅助驾驶系统的“驾驶风格”很像一台机器，路况良好的时候基本无可挑剔，一旦驶入复杂路况，就不知如何应对，随时退出把驾驶权交还驾驶者。

面对“决策规划”问题，智己汽车联合Momenta推出了行业首个D.L.P.人工智能模型，前面教授说到的Rule Base规则下的算法属于感知智能范畴，而感知智能对应物理世界，D.L.P.人工智能模型属于认知智能，对应的是人类行为，拥有强大的自我学习能力。所以有了D.L.P.人工智能模型的智己IM AD是可以学习的，可以不断成长的。

为此智己汽车和Momenta为D.L.P.人工智能模型构建了Planning数据-模型生产线，目前每日的数据产能峰值可以达到1400万公里，而这种庞大且不断高速增长的高质量数据喂养下，D.L.P.人工智能模型可以快速学习、成长，无限逼近“老司机”直至超越大部分的人类驾驶水平。

当然，除了D.L.P.人工智能模型之外，智己汽车还有DDLD感知算法和Occupancy Network（占用网络模型），前者可以解决高精地图覆盖度和鲜度（就是地图更新频率）问题，让智己IM AD不需要依赖高精地图，也能给用户提供安全、安心、智能的体验；而Occupancy Network则可以把三维世界划分为一个分辨率很高的网格单元，定义每个网格单元的占用情况，从而实现对三维世界的重建，再结合BEV模型，从而搭建出车身周围可以抵达、行驶的空间。

而且智己采用的Occupancy网络模型也是有百亿级别的海量训练数据，可以实现空间占用的准确检测，对道路上的不规则障碍物可以做出精准判断，这也是去高精地图依赖的关键性技术。

目前很多人在评价智能座舱、智能驾驶体验的时候，喜欢拿硬件参数、算力来当作依据，但真正能让体验提升的方式是“卷”算法，这就好比用笨办法去解题可能需要庞大计算量，而一套好的算法找到答案只需要几步。

智己IM AD通过对算法的优化，在功能大幅度增长的前提下，对算力要求降低了90%，而且模型运行效率也提高了500%。所以智己可以凭借Xavier、OrinN有限算力平台，就实现了全域视觉融合，而且智己IM AD也是汽车行业中唯二兼容这两个平台的自研玩家。

像“老司机”一样

说了那么多先进技术和人工智能算法，那作为消费者的我们能有什么不一样的体验？和现有的辅助驾驶系统有何不同？能说服消费者付出真金白银的其实不是技术，而是效果。

“加塞”可以说是最能体现驾驶者日常驾驶技术的一个场景，太急会很危险，发生剐蹭还是“加塞者全责”，但一味礼让的下场就是加不进去。目前的智能驾驶系统对于加塞的执行策略会非常保守，这是出于安全考虑，但这也近似宣告了这项功能无法使用。那智己NOA是如何处理的？教授之前体验过，打完转向灯后，主动加速超越慢车和后车距离拉开，随后一把方向驶入目前车道，整个过程一气呵成，颇有老司机风范。

面临匝道排长队的情况，开启NOA的智己IM AD也会低速慢慢向右方并线，直到后车礼让或者前车拉开了足够距离，再一把汇入。除了这些场景之外，在出入匝道、复杂路况下超车等场景下，智己IM AD都会有这些非常“老司机”的操作。

这就是D.L.P.人工智能模型算法的神奇之处，随着数据量增大，智己IM AD会越来越熟练，并且解决自动驾驶领域的长尾问题。目前智己IM AD已经有了6亿公里数据，预计2025年能达到80亿公里、2027年突破1000亿公里大关，伴随着暴增的数据，用户体验将会持续提升。

也正是这样的技术实力，给了智己汽车向外界公布未来规划的底气，2023年9月份，IM AD去高精地图公测、2023年10月份开启城市NOA公测、2024年通勤模式将百城齐开，而2025年IM AD则必将买入Door to Door的时代。

统计上的安全和体验上的安全

安全是一切的前提，智能驾驶更是如此，而且“安全性”也是决定智能驾驶发展好坏的重要评判标准，没有用户愿意把驾驶权交给一个危险的司机，更别说交给一套不够安全的智能驾驶系统了。

那在这方面，智己IM AD也有着非常惊人的表现，根据现有的实际行驶数据统计结果来看，现阶段IM AD百万公里平均碰撞事故数量为0.6次，而人类驾驶下的这一数字则是1.9次/百万km，换算下来智己IM AD比人类驾驶员安全3.2倍。

安全类误制动频小于1次/100万km，行业参考水平是＜1次/20万km。另外，智己IM AD的变道成功率为98%，不舒适减速频率为1.3次/1000公里，安全接管频次为0.36次/1000公里，各项指标、数据表现均远高于行业头部玩家。

当然，统计数据所体现的安全性不等同于绝对的安全体验，举个一个人类驾驶员的例子，假如一个车手级别的驾驶员驾驶风格很激进，每次并线、加塞都比较“极限”，而且从未失手，从数据上看它驾驶是安全的，但是从乘坐者的视角来看，体验无疑是非常“危险”的。

所以智己IM AD的数据驱动决策规划除了绝对安全性之外，更考虑到了行驶过程中的安全感、舒适性以及智能性。比如传统“规则”类的智能驾驶系统，在面对地图或者道路限速标识时会进行比较突兀的降速，而IM AD则会学习经验丰富驾驶员的线性减速，甚至在环岛、匝道行驶时，会根据道路不同的曲率去尽量线性的调整车辆的加速和减速。

实际上IM AD决策前的思考过程会比多数驾驶者的更加周道，安全、舒适、效率甚至说行驶中的能耗表现，它都会考虑到。

最后：有了人工智能赋能的智己IM AD，将带领整个行业拨云见月，解决当下阻碍，快速迈入智能驾驶时代。那回归产品本身，作为用户和消费者，最快能领略IM AD强大智能驾驶能力的车型，是将要在成都车展发布亮相的智己LS6，该车将全系具备去高精地图的NOA、搭载业内首创的“一键场景代驾”功能，十分值得期待。

分享到