自動駕駛新勢力攪局，行猩科技發布最新感知系統“APANet”，欲打造下一代無人電動運力網絡

近年來，智能自動駕駛儼然已經成為了汽車行業的熱門關鍵詞，并且在全球范圍內進入了高速發展期，競爭尤為激烈。

 然而，在中國龐大的自動駕駛賽道面前，入局者們的發力方向卻各有不同，且主要都是聚焦于某一細分技術之上，這意味著現階段自動駕駛市場仍有較大潛力空間可供挖掘。 “中國擁有超過 16 萬公里的高速公路通車里程，是全球貨運量最大、最繁忙的物流市場。但在這樣一個巨大的市場里，目前還沒有出現一輛可真正實現商業運營的電動化智能卡車?！毙行煽萍继焓雇顿Y人、董事，阿爾法公社創始合伙人蔣亞萌說道。
如何通過人工智能和電動化的手段，打造高效、清潔、可靠的物流服務，推動傳統物流市場走向變革，也因此成為行猩科技這一自動駕駛新勢力的重要目標。
集結頂尖人才，行猩科技強勢“闖入”自動駕駛賽道
就涉足自動駕駛領域的時間而論，行猩科技完全可以稱得上是“后浪”，它成立于 2021 年，距今只有短短數月時間。 但作為一家新興的自動駕駛新勢力，行猩科技在技術層面的實力并不容小覷。據其創始人兼 CEO 趙睿璇介紹，目前，行猩科技已發布最新自動駕駛感知系統“APANet”，并計劃在 2023 年量產自動駕駛純電廂式重卡物流車。

圖 | 行猩科技創始人兼 CEO 趙睿璇博士（來源：行猩科技） 而之所以能在這么短的時間內實現技術的迭代，與其強大的研發團隊可謂密不可分。
據了解，行猩科技由趙睿璇博士聯手前 Waymo 技術大牛王清洲聯合創立。趙睿璇曾任 Pony.ai 小馬智行的副總裁，幫助公司實現估值的超 10 倍增長。并在過去 16 年間先后在 Facebook、新浪微博、聯想集團等高科技大廠擔任高管職務。 而王清洲則是世界上最早利用谷歌大腦從事深度學習方面研究和應用的工程師之一，曾經在谷歌機器學習研究院長期擔任技術負責人，有著超過 15 年的美國硅谷最精尖的軟硬件技術開發經驗，目前擔任行猩科技的 CTO。 此外，行猩科技在美國硅谷和中國上海均設有技術研發中心，研發團隊包括系統工程、感知、決策規劃、控制、深度增強學習、高精度地圖及定位和大數據等各個方向。值得注意的是，該團隊成員均來自谷歌、Pony.ai 小馬智行、高通、小鵬汽車、博世、采埃孚等行業頂尖公司。
L4 級自動駕駛純電卡車亮相，率先布局智慧物流
新能源和人工智能是中國重點扶持的高科技產業方向，在物流行業的應用也契合節能減排，降本增效的大趨勢。 “行猩科技希望提供一張大型的無人電動運力網絡，這是智能物流的終局狀態。無人電動卡車穿梭在公路上，由行猩來調度和提供虛擬司機，實現無人智能配送。而且我們會采用 Cabless Driverless EV，即沒有駕駛室，沒有司機的電動車來提供成本最優的物流方案?！壁w睿璇表示。 基于這個理念，行猩科技開始著重發力無人電動車。并在成立半年時間內，就率先發布了一款 L4 級自動駕駛純電廂式重卡物流車 Apebot I，也是目前該車型全球第一款自動駕駛前裝的純電動車型。
圖 | 純電卡車 Apebot I（來源：行猩科技） 據了解，該車為 4x2 廂式貨車，車貨總重 18 噸，貨箱長度為 9.6 米，貨箱容積最大可做到 67 立方，是目前物流省內跨城最常用的車型，對于快遞快運公司的省內跨倉轉運至關重要。 尤其是該車采用了行猩科技創新的電動線控底盤和 L4 級別自動駕駛的前裝量產方案?？梢愿玫貪M足物流長續航的需求，同時也彰顯了行猩科技的整車三電定義及自動駕駛快速研發的實力。
（來源：行猩科技） 值得注意的是，行猩此次發布的自動駕駛系統還是全球首個在卡車上大規模使用固態激光雷達的自動駕駛方案。目前 Apebot I 已經在做量產前的各種驗證測試準備，預計將于 2023 年 2 月量產。
發布最新感知系統，助力自動駕駛算法迭代
行猩科技致力于通過最先進的機器學習理論來助力自動駕駛算法的迭代。而且與競爭者相比，行猩科技還擁有一個顯著的優勢，那就是可通過自主知識產權的自有車輛來獲取真實行駛數據。 圖 | 行猩科技 CTO 王清洲（來源：行猩科技） “自動駕駛一定要摒棄一半智能，一半人工的方式，靠堆工程師寫 rule 來解決極端狀況不可行?！?行猩科技 CTO 王清洲介紹道，“因為我們擁有車輛硬件和核心知識產權，我們可以通過真實行駛數據來驅動算法，這對規劃模塊的迭代來說至關重要?！?/span> 目前，行猩科技已發布了基于最先進人工智能算法的感知系統——APANet。感知系統是自動駕駛最重要的核心模塊之一，對于其他下游模塊以及自動駕駛系統的整體性能都起著非常關鍵的作用。
圖 | 感知系統 APANet 網絡結構示意圖（來源：行猩科技） 據了解， APANet 是一個基于最新深度學習技術的多任務網絡架構，可以在 Bird’s-Eye View（鳥瞰視角）進行多攝像頭和激光雷達等傳感器特征級的深度融合。從功能的角度看，APANet 可以同時完成 2D 和 3D 的目標檢測、圖像語義分割、圖像深度估計、和車道線檢測等功能?；?APANet 的網絡結構，行猩科技在感知算法上利用數據驅動，大量減少了后處理中基于規則的操作，從而可以在算法角度實現真正的量產。 當前，由于實際路測場景的復雜性，不少自動駕駛公司在實現“去司機”之前，往往都會陷入一個較大的技術瓶頸，即其系統越做越復雜，已經很難再進行系統重構以及引入最前沿的算法。 而行猩科技自研的自動駕駛感知系統 APANet，在此方面則實現了極大的突破。其最突出的優勢便是多攝像頭與固態激光雷達并重，其鳥瞰圖上傳感器特征級的融合可以讓傳感器融合變得可插拔化，既能增強其感知性能，又有利于傳感器冗余。 通過視覺圖像進行鳥瞰視角的 3D 重建是近兩年才擁有重要突破的一個領域，同時也是感知最重要的技術環節。大多數 L4 公司的做法往往是先借助固態激光雷達（LiDAR）建立 3D 模型，借助與高清地圖擬合來識別障礙物，而視覺圖像更多是用來作為物體識別的一個補充環節。 但是這種方式并不完美，尤其在高速遠距離場景中，LiDAR 有限的角分辨率會導致嚴重的信息丟失。而多攝像頭則可以帶來更豐富的細節信息，且無論從造價還是性能來說都遠遠優于 LiDAR。 掌握了多鏡頭聯合 3D 重建技術，不僅對環境信息（車道線、障礙物、標識等）有準確的掌握，還能更好地對移動物體進行跟蹤和預測。從而幫助脫離對高清地圖的依賴，以更快的速度實現 L4 的量產。 從下圖可以看到，無論白天還是夜晚的場景，多攝像頭為主感知系統都可以非常清晰地識別出周邊的車輛及障礙物，并且可以通過上方的鳥瞰圖一目了然掌握周邊車輛的移動軌跡。
動圖 | APANet 在開源數據集 NuScenes 上的效果展示（來源：行猩科技） 而在感知的靈敏度上，趙睿璇說，“我們的傳感器可以實現 20Hz 以上的感知測算頻率，比大多數仍為 10Hz 的傳統自動駕駛系統可以更優的檢測和預測移動的車輛和障礙物?！?/span> 這意味著行猩科技基于電動車底盤的自動駕駛系統，可以更好地結合車輛底盤反饋的狀態信息，來更精準的預測周邊障礙物的位置和軌跡。 除此之外，基于數據驅動，APANet 也是一個當之無愧的神經網絡大模型，其既可以避免模型過多所帶來的的功耗憂慮，以及自適應的學習不同障礙物的空間關系，同時也能降低開發成本。 談及未來發展路徑，趙睿璇希望行猩科技可以在為物流降本增效的路徑上一直加速前行，更快地搭建下一代無人電動運力網絡。

-End-

*博客內容為網友個人發布，僅代表博主個人觀點，如有侵權請聯系工作人員刪除。