最前线|图森未来:无人驾驶卡车需要长距离感知,稀疏BEV是正解
发布时间:2023-07-30 09:31:40 文章来源:36氪
文|李安琪编辑|李勤7月27日,图森未来在上海举办了首届AIDAY,从冗余架

文 | 李安琪

编辑 | 李勤


(资料图片)

7月27日,图森未来在上海举办了首届AI DAY,从冗余架构、感知预测、规划控制等方面介绍了图森未来的自动驾驶卡车的最新介绍。

在技术分享环节,图森中国CTO王乃岩认为,L3和L4级别自动驾驶功能可能并不比辅助驾驶产品更加复杂,但可靠性方面需要非常质的变化。

为此,图森未来设计了一套全冗余架构,涵盖转向制动、算法算力、传感器等方面,比如在感知模块中构建了三冗余方案以提升可靠性。

除了冗余挑战,王乃岩认为无人驾驶卡车还面临着一个更独特的挑战——需要看得更远。他介绍道,乘用车一般长6米左右,完成一次舒适变道需要3-4秒的时间,但重型卡车满载时重量近50吨,整车长超20米,完成一次变道时间需要7-8秒,变道需要的距离是普通乘用车的一倍。无人驾驶卡车如果想在高速路上安全行驶,感知距离最好是400米500米。

感知层面率先遇到挑战。图森未来介绍,当下主流的3D目标检测是BEV(Bird"s Eye View,可翻译为鸟瞰图),但如果直接将BEV引入重卡干线物流场景,需要构建更长距离的BEV空间,需要消耗大量计算以及空间资源。

因此,图森未来提出了基于物体多视角3D检测框架,将环视摄像头的感知内容输入后,基于图像做2D检测,图像检测出来的框会作为一个query去聚合各个摄像头的视角信息,最终得到3D检测结果。

此外,图森未来还自研了一个稀疏BEV算法。因为长距离感知检测,传统的BEV算法在干线卡车领域会有很多卷积动作是在“卷”空气,“这是没有意义的,浪费了很多显存和计算量。”

所以图森未来采用了稀疏卷积方法取代原来致密卷积操作,并在检测头做了特殊的设计,来保证计算开销不随着感知距离的增加而增加的,对于高度上有重叠物体的检测会更加友好,更适合长距离检测。

基于上述感知方案,图森未来表示,其无人驾驶卡车在实际路测中,卡车可以在超过120米的距离就发现白色塑料瓶,提前完成避让、变道行为。

此外,图森未来还从定位、预测规划和控制、端到端仿真、数据自动标注和产品等进行了技术分享。

标签:

资讯播报

乐活HOT

娱乐LOVE

精彩推送