2024年汽車智能化系列專題之決策篇：特斯拉FSD持續(xù)升級-智能駕駛加速落地

2024年汽車智能化系列專題之決策篇：特斯拉FSD持續(xù)升級_智能駕駛加速落地智能化時代來臨，高階智駕已成必然趨勢智駕系統(tǒng)：軟硬件協(xié)同智能駕駛核心模塊：感知、決策、規(guī)劃、控制。感知模塊主要負責車周信息感知和目標檢測。感知模塊輸入各類傳感器的數(shù)據(jù)，輸出車道線，行人，車輛等的位置和軌跡等信息。主流的感知方式包含激光雷達和攝像頭視覺兩種。決策模塊主要負責預測車周物體的運動，評估障礙物下一時刻可能的動作，輸出物體運動軌跡的預測。規(guī)劃模塊主要負責計算車輛下一時刻的運動路徑，規(guī)劃與決策在開發(fā)環(huán)節(jié)往往結(jié)合在一起，基于感知模塊輸出的車周信息在神經(jīng)網(wǎng)絡訓練融合，輸出行動路線?？刂颇K主要負責精準控制車輛按規(guī)劃軌跡行駛?？刂颇K根據(jù)決策規(guī)劃輸出的路線，生成具體的加速、轉(zhuǎn)向和制動指令，控制驅(qū)動系統(tǒng)，轉(zhuǎn)向系統(tǒng)，制動系統(tǒng)和懸架系統(tǒng)。產(chǎn)業(yè)鏈：智駕是整車的基礎上進行智能+網(wǎng)聯(lián)的升級上游：目前參與智能駕駛探索的企業(yè)主要有傳統(tǒng)車企、初創(chuàng)車企和互聯(lián)網(wǎng)造車企業(yè)。中游：1）智能部分包含感知層、決策層和執(zhí)行層，智能駕駛汽車需安裝如激光雷達、毫米波雷達、超聲波雷達、GNSS定位和接受系統(tǒng)、IMU慣性傳感器、高精地圖、ADAS系統(tǒng)、車載芯片、車載存儲器等，以實現(xiàn)智能化。2)網(wǎng)聯(lián)部分:包含網(wǎng)絡層、平臺層、終端，智能駕駛汽車還需移動網(wǎng)絡、大數(shù)據(jù)平臺和終端的支持，實現(xiàn)網(wǎng)聯(lián)。下游：智能駕駛汽車下游應用場景廣闊，可覆蓋共享汽車、無人駕駛巴士、通勤車等多類應用場景。特斯拉FSD進展遙遙領(lǐng)先，滲透率有望快速提升算法端：由后融合向端到端的演進模型逐步由“后融合模式”走向“端到端模式”。為提升終端用戶體驗，擺脫對高精地圖的依賴，增強任務協(xié)調(diào)能力。新模型聚焦于提升感知能力，減少各模塊間處理數(shù)據(jù)的頻次，從而避免數(shù)據(jù)的損失。后融合時期(2020年以前):采用基于HydraNet的多任務神經(jīng)網(wǎng)絡架構(gòu)，每個傳感器對應一個神經(jīng)網(wǎng)絡，將傳感器各自處理后的信息做基于統(tǒng)計學模型的加權(quán)運算，這樣會出現(xiàn)數(shù)據(jù)損失。特征融合時期(2020-2023):采用基于BEV+Transformer做特征融合的方式，利用Transformer大模型提取特征向量，在統(tǒng)一的3D坐標系空間（BEV）內(nèi)做特征融合，最后進行多任務輸出。端到端模型(2024-至今)：基于深度神經(jīng)網(wǎng)絡，通過攝像頭采集駕駛場景的信息，將其作為深度卷積神經(jīng)網(wǎng)絡模型的輸入，再不斷對網(wǎng)絡模型進行訓練，得到學習好的網(wǎng)絡參數(shù)，從而對智能車方向盤轉(zhuǎn)角進行預測，直接向控制器輸出操作指令。數(shù)據(jù)端：自動標注下的數(shù)據(jù)訓練閉環(huán)特斯拉已經(jīng)建立了一個全面的數(shù)據(jù)訓練流程，涵蓋數(shù)據(jù)采集、模擬仿真、自動標注、模型訓練和部署等環(huán)節(jié)：數(shù)據(jù)收集：特斯拉通過影子模式進行數(shù)據(jù)收集，這是一種在車輛行駛過程中自動啟動的系統(tǒng)。當駕駛員的行為與模型預測不符時，相關(guān)數(shù)據(jù)會被發(fā)送回數(shù)據(jù)中心，用于分析和優(yōu)化模型。目前，特斯拉已經(jīng)擁有超過180萬輛車輛和13億英里的駕駛數(shù)據(jù)。仿真模擬：特斯拉的仿真系統(tǒng)創(chuàng)建了一個3D環(huán)境，模擬真實世界的場景，包括道路、車輛、行人、路燈和其他周邊環(huán)境。這種全面的仿真環(huán)境使得特斯拉能夠生成大量高質(zhì)量的訓練數(shù)據(jù)。自動標注：特斯拉已經(jīng)從過去的2D標注過渡到4D標注體系，即在空間和時間上進行數(shù)據(jù)標注。數(shù)據(jù)被劃分為稱為"clip"的基本單位，并利用自動化系統(tǒng)進行標注。算力端：Dojo投入后算力大幅提升Dojo芯片發(fā)布并投入量產(chǎn)后，Tesla的算力得到了大幅提升：Dojo1是Tesla在2022年AIDay上發(fā)布的用于進行深度學習模型訓練的超級計算芯片。該芯片可以通過接受海量的輸入數(shù)據(jù)，對道路上的車輛、標志與行人進行自動標注與學習，進而實現(xiàn)深度學習模型的自動化訓練，是目前Tesla已發(fā)布的算力最大的芯片。Dojo1芯片投入量產(chǎn)后，Tesla立刻將這些芯片運用到自主研發(fā)的超級計算平臺DOJO上，在2023-2024年間實現(xiàn)了算力的大幅提升：由原先A100集群不到5EFLOPS的算力規(guī)模迅速提升到全球算力前5水平，并有望于今年10月達到100EFLOPS的算力規(guī)模，約30萬張A100的水平。各地FSD滲透率有望迎來拐點北美：3月底開始，F(xiàn)SDV12.3.3開始向北美用戶推送，版本引入“端到端”智駕，cornercase解決能力大幅提升。目前，170w使用用戶0事故。3月底開始，特斯拉針對美國和加拿大的客戶（包括未購買FSD的用戶）推出了一個月的FSD免費試用服務。4月12日開始，特斯拉在北美地區(qū)FSD每月訂閱價格從199美元調(diào)整到99美元。歐洲:2024年2月1日，聯(lián)合國歐洲經(jīng)濟委員會（UNECE）通過了駕駛員控制輔助系統(tǒng)條例（DCAS）新法規(guī)草案，新法規(guī)將允許批準駕駛控制輔助功能的組合，包括制動、加速和超車輔助，同時，不再將變道系統(tǒng)的使用限制在高速公路，而是將其擴展到其他類型的道路。新條例預計將于2024年6月提交世界協(xié)調(diào)車輛條例論壇（WP.29）通過，于2025年1月生效。DCAS新條例生效后，特斯拉有望在歐洲地區(qū)開通FSD。中國:4月28日，中國汽車工業(yè)協(xié)會、國家計算機網(wǎng)絡應急技術(shù)處理協(xié)調(diào)中心發(fā)布《關(guān)于汽車數(shù)據(jù)處理4項安全要求檢測情況的通報（第一批）》，特斯拉是唯一一家符合汽車數(shù)據(jù)安全合規(guī)要求的外資企業(yè)，意味著國內(nèi)大多數(shù)區(qū)域?qū)⒔獬龑μ厮估南拗?。解除限制后，F(xiàn)SD在中國地區(qū)有望投入使用。華為國內(nèi)領(lǐng)先，各廠商加速發(fā)展智駕產(chǎn)業(yè)ADS3.0算法：端到端架構(gòu)，實現(xiàn)深度理解駕駛場景障礙物識別GOD大網(wǎng)+預測決策規(guī)控一體PDP網(wǎng)絡＝ADS3.0端到端算法。GOD大網(wǎng)：去掉了傳統(tǒng)的BEV網(wǎng)絡，構(gòu)建了端到端的GOD大網(wǎng)，實現(xiàn)對駕駛場景、障礙物識別更深度理解。PDP網(wǎng)絡：實現(xiàn)預測決策和規(guī)劃一張網(wǎng)，從而實現(xiàn)類人化的決策和規(guī)劃，行駛軌跡更類人，通行效率更高，復雜路口通過率>96%。云端算力平臺：昇騰芯片助力智駕模型快速迭代高算力：總算力達3.3EFLOPS。高兼容：昇騰云服務除了支持華為的Al框架昇思Mindspore外，還支持Pytorch,Tensorflow等主流AI框架。這些框架中的90%算子，都可以通過華為的遷移工具從GPU平滑遷移到昇