BETHASH官方网站(访问: hash.cyou 领取999USDT）

　　要解决“好用”的问题，我们认为首先要解决自动驾驶的scale up和scale out的难题。所谓scale up，在特定、固定、受控的小ODD范围内实现性能最优，能够处理很多复杂的场景。但是在广泛的场景应用里面，系统性能却无法保持，出现我们讲的怂、鲁莽这些行为，使得整个自动驾驶的应用还受限于一些相对小的范围，在大范围上体验不好。我们追求的目标，是要实现在一个能够scale up更好的上限，同时在所有的地方都能够开。

　　在感知端，地平线采用“三网合一”端到端，能够把传感器信息、包括地图、导航信息都作为一个输入源输入到一个模型中进行训练推理。同时，基于感知端到端的优势，不仅可以输出动静态目标信息，还能输出高维特征级信息，实现信息的无损传递，从而提升感知端的系统上限，带来对于世界的认知能力和系统性能的全面提升。接着无损信息输入到下游的规控，规控里面有基于神经网络的模块，也有少量基于规则的部分做安全兜底，既能提升系统上限，也能确保系统下限。整个系统基于动静态推理与数据训练，实现场景认知与理解，提升场景泛化能力，从而实现全域可开。

　　从地平线来讲，我们认为采用一个端到端和交互博弈的解决方案，能够比较好地解决scale out和scale up的难题。我们采用了“三网合一”的端到端大模型，在这个大模型里面它能够把传感器的数据和地图和导航信息输入大模型进行训练。在这个模型里面它通过不丢失信息的情况下对周边世界进行更好的感知，通过动静态的推理还有数据的训练，能够产生出动静态目标。除此之外还能够输出一个机器能读懂的高维特征级信息，给到下一个模块，也就是交互博弈模块。这个模块有两个部分组成：一个是神经网络的模块，再一个是基于Rule-based的模块。神经网络能够提高整个系统上限，同时基于Rule-based的模块可以做好安全兜底，确保系统下限。

　　2022年地平线D的架构，它是行业比较领先的高性能，高效率，长时序、纯稀疏融合感知架构，它通过长时序纯稀疏还有端到端很好解决了之前或者现在用的BEV+Transformer架构里面的感知范围和精度以及与计算效率的矛盾，打造了一个比较好的端到端的感知基座。同时它在各方面的性能表现都远好于其他的架构，特别是在nuScenes公开数据集排行榜第一。所以它是接棒“BEV+Transformer”的下一代架构。通过和BEVFormer的对比，可以看到在夜间城区密集人群的精准感知、远距离及时感知的场景下，Sparse4D的感知结果都更精准。

　　UniAD它首次将检测、跟踪、建图、轨迹预测、占据网格预测以及规划整合到一个基于Transformer框架里面的大模型里面，实现感知的一体化，它相对于黑盒的我们讲的端到端，它更可控、可解释、可拓展，是一个比较好的架构。它在NuScenes数据集上获得了SOTA （state of the art），评测结果最优。同时，我们这个算法也在业界作为一个Benchmark，当下产业界的很多端到端都有受UniAD启发开启端到端的上车应用，学术与科研界也以UniAD作为标杆去benchmark。

　　接下来我再把通过我们技术的积累，最新的产品给大家做一个介绍。今年四月份我们发布了两款产品，一个是硬件产品，一个是软件产品。硬件产品就是征程6系列，相对于之前的三代产品征程2、征程3、征程5都是单芯片，征程6是一个家族，总共有6款芯片，主要覆盖低中高阶智能驾驶应用。所以在整个智能驾驶的应用当中，总有一款芯片适合我们的合作伙伴，它带来的好处是基于同样的开发环境、开发工具链能够大大提升我们合作伙伴的开发效率，同时降低开发成本，能够加速整个自动驾驶的应用落地。

　　再一个我们发布了第二个产品，我们叫做Horizon SuperDrive，这个是全场景智能驾驶解决方案，我们希望基于我们的软件、算法研究还有我们最新芯片的基础上打造一个“样板间”，充分展现在技术上限上，自动驾驶能够解决什么样的问题，能够怎么样更好的来解决我们目前遇到的很多困难的场景。通过我们三网合一端到端的技术，还有交互博弈，还有征程6的芯片，我们追求的是像老司机一样优雅和从容的驾驶。它会覆盖全场景，包括城区、高速和泊车产品，实现全场景无差别的高阶智驾。