全場景智能駕駛落地可期，知行科技加速布局

　　盡管實現全場景的智能駕駛很難，但通過從單一場景著手，逐步連點成面，還是有很大可能趟出一條“血路”來。

　　2021年以來，包括蔚來、小鵬、理想、長城等在內的整車企業紛紛推出了各自的領航輔助駕駛，并不斷升級迭代，拓寬應用邊界。

　　仔細分析，這些企業無一不是先從高速以及城市快速路等特定場景著手，然后逐步向城市、泊車等更復雜的場景延伸，以逐步打通全場景的智能駕駛。比如小鵬汽車，此前已經宣布將于2022年上半年在部分地區開放城市NGP，另外蔚來、長城、智己等主流車企也有類似的規劃。

　　而在整車廠之外，很多主流的自動駕駛解決方案提供商甚至選擇了同時從商用車和乘用車兩個領域著手布局自動駕駛，試圖通過多場景聯動逐步實現全場景的自動駕駛。這意味著，從單一場景向多場景或全場景融合發展已經成了自動駕駛行業的共識。

　　面對這一趨勢，知行科技作為國內領先的智能出行科技公司亦在積極行動。目前，知行科技正在研發集NOA（Navigate on Autopilot, 領航輔助駕駛）及AVP（Automated Valet Parking無人自主泊車）等行泊功能于一體的域控制器，旨在給予消費者多個不同場景之間無縫銜接的智能駕駛體驗。據了解，該行泊一體解決方案分為基礎版、標準版、旗艦版三個不同的版本，其中標準版算力可達40+TOPS，能支持NOA及HPA等功能，旗艦版算力可達100+TOPS，支持Urban NOA及AVP功能，標準版將于2022年在多家頭部車企新車型上交付應用。

　　自動駕駛百花齊放，終極目標是打通全場景

　　因著技術的高度復雜性，自動駕駛從低速封閉向高速開放、從載物向載人逐級演進，漸進式落地，已經成了不爭的事實。正是這樣的發展規律，造就了當前自動駕駛多種技術路線并存的繁榮發展局面。

　　不過，自動駕駛各個細分賽道雖然參與者眾，不可否認，最終這些玩家都將匯入同一個賽道，即打通全場景，研發全域全無人自動駕駛，這也是自動駕駛的終極目標所在。否則只要有ODD的存在，就無法稱之為真正的自動駕駛。

自動駕駛的終極目標是實現全場景端到端的自動駕駛，圖片來源：知行科技

　　但正如大家所見，打通全場景自動駕駛的愿景雖然很美好，要想順利落地并不容易。

　　比較現實的問題是，每個場景有每個場景的know-how，如何通過一套自動駕駛系統實現跨場景應用，本身就面臨很多挑戰。另外從封閉區域向開放場景拓展，雖然聽起來很簡單，實際落地過程中亦困難重重，特別是開放場景中的corner case，充滿了巧合性與不可預見性的邊緣情況，可謂高階自動駕駛發展最主要的掣肘。

　　為此，自成立知行科技就確立了軟硬一體的全棧式高級自動駕駛輔助系統開發技術策略，打通了從核心算法、軟硬件研發到系統集成測試驗證的全棧能力。特別是算法，作為打造高安全、高可靠自動駕駛系統的關鍵所在，是知行科技布局的重中之重。

　　在算法方面，知行科技具備了全場景智能駕駛、深度學習和傳統視覺相結合的多路徑感知、多傳感器感知融合、定位與規劃、決策與控制、大數據閉環及算法訓練、傳感器參數動態矯正等多項算法能力的開發。

　　其中感知算法方面，結合不同的應用場景，知行科技對主流的傳感器算法都開展了深入研究。針對市場主流泊車功能，知行科技自主研發了基于超聲波雷達的環境感知和車輛定位算法。針對當前在量產車市場大熱的高低速輔助駕駛，以及高級別L4級自動駕駛，知行科技研發了對應的視覺和激光雷達感知算法，以及動態圖像拼接、影子模式驗證、在線數據挖掘等環視和數據功能，以通過多傳感融合實現更加復雜的路況感知，同時推進算法持續迭代。

　　特別值得一提的是，考慮到自動駕駛系統的性能表現強依賴于傳感器的精度，而在整個車輛的生命周期中，難免會出現安裝偏差，進而讓系統性能下降。對此知行科技專門研發了傳感器參數動態矯正算法，讓車輛在正常行駛過程中可以實時修正傳感器參數，同時也為售后市場提供經濟便利的動態校準維護方案。

　　正是秉承著這樣將每項核心技術挖掘到極致的態度，目前知行科技僅通過一個攝像頭就可以實現包括ACC、AEB、 LKA、TJA、TSR、LDW等在內的ADAS功能，并成功推出了相關的L2量產方案。目前，L2已經有多個車型量產下線，獲得新定點也超過了12個。

　　除此之外，針對更高階的L2++以及L3/L4自動駕駛，知行科技也開展了相關的研發，包括結合新的電子電氣架構演進趨勢，開發高性能自動駕駛域控制器，助力全場景智能駕駛愿景的實現，其中部分解決方案也已實現規模化量產。

　　助力全場景融合，知行科技研發行泊一體域控制器

　　在知行科技打造全場景智能駕駛的過程中，其行泊一體域控制器IDC占據了重要戰略地位。該方案共分為三個不同的版本，旨在應對不同的客戶需求，其中標準版是知行科技當前主推的版本。

　　該產品基于高級自動駕駛系統及軟件架構向下兼容設計開發，算力可達40+TOPS，能靈活適配TDA4及EQ5H雙SOC方案，最大支持7路8Mp攝像頭、4路2Mp攝像頭和1路DMS，以及多Radar和Lidar擴展，同時支持REM及高精地圖和定位服務。

　　值得關注的是，這也是目前可量產智能駕駛系統主流的硬件配置方案，雖然在傳感器配置數量上不同車企有不同的選擇，但基于可擴展的設計思路，知行科技依然可以很好地滿足不同車企的需求。而且知行科技的IDC域控制器還支持C-V2X以及4G/5G等多種通訊接口，并兼容目前主流的路端設備和通訊基站，具備直接接入V2X網絡的能力，這意味著對于車路協同自動駕駛方案，該域控制器同樣適用。就應用場景而言，可支持NOA導航輔助駕駛以及HPA自學習泊車等功能。

　　為加速行泊一體解決方案的規模化量產，知行科技正在研發NOA領航輔助駕駛和智能泊車系統。其中NOA領航輔助駕駛系統，傳感器均采用了當前成熟的行車和泊車傳感器以及控制器，包括知行科技自主研發的智能前視攝像頭、自動駕駛域控制器，配合生態內的其它傳感器及高精度地圖等，實現穩定性能和成本之間的平衡。

知行科技NOA測試車，圖片來源：知行科技

　　根據知行科技的規劃，該NOA領航輔助駕駛將可以實現高速公路、城市快速路以及開放城市道路上端到端的高級駕駛輔助功能，這與當前主流車企的智能駕駛量產步伐基本一致。現階段，知行科技的NOA導航輔助駕駛系統已經更新到3.0版本，可以實現在高速公路及城市快速路等結構化道路上按照導航規劃的路徑自動上下匝道、自動超車、車道保持、自動避讓、彎道智能減速、接管提醒等功能，即將迎來的是4.0版本。目前已獲多家頭部OEM的量產項目定點。2022年下半年，知行科技NOA導航輔助駕駛系統將正式規模化量產。

　　在智能泊車方面，知行科技也規劃了多個不同的版本，包括APA 自動泊車/遙控泊車、HPA自學習泊車、AVP 自動代客泊車等。其中APA可支持駕駛員在車內通過按鍵或者制動板接管車輛控制，或在車外通過手機、鑰匙等遙控裝置接管車輛控制，并具備泊車過程中針對行人及其他車輛的緊急制動。

　　HPA自學習泊車主要是針對家庭區域的泊車方案，使用該功能時，駕駛員需要先訓練系統生成記憶軌跡，即先學習一遍泊車路線，之后只要車輛進入記憶區域，同時環境條件滿足，且HPA功能提示可用，就可以開啟記憶泊車功能。

　　知行科技基于IDC域控制器實現的HPA等低速泊車功能已獲得奇瑞汽車的量產定點。除此之外，知行科技也在研發更高級的AVP自主代客泊車和城市NOA，并將相關功能與即將量產的高速NOA一起集成至下一代旗艦版行泊一體域控制器中，以真正實現全場景智能駕駛，覆蓋更多的長尾場景。

　　以大數據閉環為驅動，賦能全場景智能駕駛量產

　　對于自動駕駛而言，大數據閉環將會成為量產決勝的正負手，搭建高效、低成本的數據智能體系不僅是自動駕駛健康發展的基礎，也是自動駕駛系統能夠不斷迭代前行的重要環節。正是意識到這一點，近兩年很多整車廠和自動駕駛技術提供商都在爭相構建自動駕駛數據閉環，包括知行科技。

知行科技大數據閉環系統，圖片來源：知行科技

　　由知行科技自主研發的數據閉環和云平臺網絡，采用了原生云架構的設計方式，具備極強的可擴展性，可實現與國家中心云平臺的互通互聯，具備天生上云的優勢，這使得所有搭載知行科技解決方案的車輛數據都能做到可追溯、可監控。

　　為實現數據驅動自動駕駛發展，知行科技研發了專門的數據篩選算法，通過將該算法預埋在搭載了知行科技自動駕駛系統的量產車以及研發測試車上，系統可以根據駕駛場景和算法需要，記錄并上傳有價值的數據到云端，然后在云端進行數據的深度分析和挖掘。

　　由此產生的結果，一方面可幫助整車廠在后續實施OTA升級，持續向用戶開放更多的自動駕駛功能，另一方面供知行科技進行模型訓練、仿真測試及驗證，持續優化迭代自動駕駛算法，開發更高級的自動駕駛系統，甚至探索UBI這樣的新型商業模式。

　　其中通過數據回傳，實現算法的不斷優化尤為重要。特別是corner case的累積，可以幫助知行科技在后續大大提升應對此類場景的能力，更好地向全場景智能駕駛邁進。因為從demo到小批量，再到大規模的使用，即便是原來一些概率很小的事件，也有可能變成常發事件，這也是為什么現在整個行業都在死磕corner case。

　　目前，知行科技已經實現了L2以及L2++自動駕駛系統的規模化量產。其中基于單V的L2級自動駕駛輔助系統已在五菱E300、威馬E5等車上實現量產。ADCU 行泊一體的自動駕駛解決方案也已經獲得了多個量產項目，包括吉利極氪001等。通過這些量產車的大規模上路，可以進行大量真實場景的運行數據采集，驅動自動駕駛技術持續迭代，形成價值閉環。

知行科技園區自動駕駛智能底盤套件解決方案，圖片來源：知行科技

　　不僅如此，知行科技也在同步開展高級別L4自動駕駛汽車的研發及測試，相關場景中產生的測試數據，同樣可以上傳到云端形成一個數據庫，用于進行仿真測試及驗證，最后打磨形成可量產的產品，然后在對應的場景中繼續測試，不斷優化系統性能，形成基于數據的研發閉環。

　　可以說，正是有了這樣堅定的目標，以及堅實的全棧式技術底座，目前知行科技距離全場景智能駕駛的終極目標正越來越近。而在以知行科技為代表的本土自動駕駛科技公司的共同努力下，自動駕駛從單一場景向全場景應用演變已指日可待！