轻舟智航举办首届技术工坊发布自动驾驶解决方案品牌“乘风”

华龙。com-新重庆客户端讯11月1日，全球领先的无人驾驶通用解决方案公司QCraft举办了首届技术工作坊，首次在城市感知、PNC、数据等领域全面分享了QCraft在NOA核心技术领域的最新成果和独特优势，充分展示了QCraft“以数据为基础，让感知成功，以最强PNC引领城市NOA迈向新高度，与生态伙伴携手打造最广泛的应用范围。”

“风中泛舟”品牌标志。周志航华龙网发供图

轻舟智航不仅创新性地将辅助驾驶的用户价值认知划分为“能用、好用、爱用”三个阶段，还正式公布了QCraft的中文名称Driven-by-QCraft，意为“总有一天我会登上长风破浪，直起我的云帆，架起深深的深海”。融合了轻舟前沿的全栈软硬件技术，全力推动NOA在城市的量产落地。

超融合传感首次在量产计算平台上实现多传感器特征和时序融合。

2022年是NOA城市发展的里程碑年。它代表了当前智能汽车核心竞争力的重要标志，也是满足消费者对智能驾驶期望的关键技术。在保证安全的前提下，轻舟智航坚持打造场景更多、性价比更高的城市NOA方案，而一个lidar城市NOA是现阶段实现这一目标最务实的方案。感知、PNC等底层软硬件架构的能力优势，以及数据驱动RD模式的长期积累，为加速NOA在城市的“登车”，实现快速量产提供了全面的技术支持。

感知就像司机的眼睛一样，是NOA在城市中的重要基础。感知模型需要准确高效地观察和认知世界，为下游任务提供有效的数据支持。同时还需要满足车级计算平台的适配，有效解决复杂路况下的各种长尾问题。canoe独有的“超融合”感知方案，拥有领先的“多传感器定时交错融合”技术，可以使不同阶段的感知模型相互补充，利用不同的传感器信息获得更好的融合结果，避免各种误检和漏检，准确率高，鲁棒性强。

基于“超融合”感知方案，轻舟智航提出了OmniNet，这是国内首个在量产计算平台上实现视觉、激光雷达、毫米波雷达特征和时间序列融合的大型模型。一个神经网络可以实现视觉、激光雷达、毫米波雷达在BEV空间和图像空间的多任务输出。与传统方案相比，OmniNet可以提供更丰富、更准确的环境感知结果，有效提高感知精度；可以节省2/3的计算资源，满足车辆仪表芯片的应用需求，低成本适应不同厂商的传感器配置；更适合通过数据驱动解决实际道路面临的长尾问题，以“更精准的感知、更适应的车端、更高效的迭代”更好地满足城市NOA的量产需求。

OmniNet模型架构。周志航华龙网发供图

通过包括OmniNet在内的感知算法能力，轻舟智航可以充分利用激光雷达，实现行业领先的通用障碍物识别能力和噪声过滤能力。不仅能有效识别车辆、人群、植被、护栏、锥筒、小动物、施工区域等常见的道路交通参与要素。，还包括各种奇怪的或不寻常的具有罕见长尾的障碍，以便更好地处理城市中的长尾问题。渐进式的噪声过滤方案，也能最大限度地消除雨、雾、泛光灯等噪声对感知的干扰，充分提高安全性。

独家时空联合规划技术，以“世界观”打造国内最佳PNC方案

PNC就像驾驶员的大脑一样，负责在复杂的城市路况下，引导车辆完成导航、预测、决策规划、控制等一系列操作。对于驾驶效率和舒适性至关重要，是真正打动用户的核心关键。轻舟智航秉承自己的算法“世界观”，致力于从空间和时间的角度看待和解决自动驾驶的各类问题，前瞻性地选择更适合中国复杂路况的决策规划技术框架，独家实现了业界公认的更好的时空联合规划算法。

“时空联合规划算法”可以直接求解空间和时间上的最优轨迹。像老司机一样可以同时控制车辆的方向和速度，更接近实际驾驶行为，可以灵活应对国内各种复杂路况。相比之下，业内广泛采用的“时空分离规划”会将轨迹规划拆分为路径规划和速度规划两个问题，无法同时计算路径和速度，僵化不灵活。不仅如此，“时空分离规划”的研发很大程度上依赖于手写规则和大量的路测，而“时空联合规划”只需要很少的手写规则，具有更高的人工效率，更适合利用人类驾驶数据，通过机器学习不断提高算法效率。

灵活的“时空联合规划”可以让车辆驾驶更智能、更高效、更舒适。在实际行驶过程中，当车辆面临动态障碍物的相互作用时，“时空联合规划”可以使车辆提前把握最佳时机选择最佳行驶轨迹，更加顺畅地完成车辆之间的博弈，而不会出现反复急刹车的情况。车辆在多车道行驶时，可以通过对前方车流量和速度的判断，灵活变换车道，选择更快的路线，而不是随车“硬性”减速。

预测方面，轻舟智航研发的Prophnet预测模型可以提供10秒的长期意向和轨迹预测，预测时间国内领先。该模型可同时计算数百个障碍物，每个障碍物提供三条预测轨迹，推理时间小于20ms，完全满足实时计算要求。根据权威公开数据集Argoverse的评测结果，canoe的Prophnet模型无论是预测效果还是预测时间都领先于同行，真正可以用于实车量产。

轻舟智航领先的PNC性能和RD效率得益于数据驱动的RD模式。目前，数据驱动已经在感知等模块的研发中显示出巨大的价值。然而，由于PNC模块中规则系统的广泛使用，数据驱动的实现一直是业界尚未克服的重要问题。轻舟智航采用的时空联合规划，在运行模式上更贴近实际驾驶行为，因此可以直接利用人类驾驶数据进行持续的模型训练。通过自动驾驶数据和人工驾驶数据的自动标注，canoe构建了包含道路、环境、自驾行为意图等信息的驾驶数据仓库。，可以通过“所想即所得”的数据查询，快速挖掘和评估各种数据和场景，快速发现和解决算法中存在的各种问题。实现PNC的数据驱动，也意味着canoe基本打通了数据驱动在整个自动驾驶RD系统中的应用，引领了RD范式的创新。

L4的数据资源和工具链优势，让NOA这座城市高效落地。

比如数据驱动的经验库。通过数据提升自动驾驶能力，城市NOA可以更好地应对复杂多样的交通参与者行为和交通规则，有效应对城市高精地图里程有限等问题。轻舟智航深耕L4级自动驾驶多年，在数据和工具链上的积累可以降维使用，全面赋能NOA在城市的研发。

截至目前，轻舟智航已测试超过112万公里的城市道路，拥有丰富的L4级激光雷达、摄像头等传感器数据，以及长期积累的驾驶行为数据，可持续提升城市NOA容量上限。周志航用于构建自动驾驶RD工具链的canoe矩阵，具备L4级自动驾驶能力，也可以完全重用于NOA城市的能力建设，不断加速NOA城市能力的迭代。

得益于数据和工具链的充分配合，轻舟智航可以高效处理多种典型场景问题，包括特定行为的行人识别、全国各地不同形状的红绿灯识别等。尤其是对于缺乏或缺少最新高精地图的场景，canoe的高精自动标注工具可以通过高精地图的优化，大规模生成车道线自动标注数据，可以在路口、匝道、匝道等场景精确检测行驶车道线。针对城市中的各种静态交通设施，canoe采用自监督学习的方法，可以在大量未标记数据的基础上快速学习物体的特征，保证行车安全，使车辆快速适应新城市和新场景。

汽车评估

从感知、PNC到数据驱动，轻舟智航揭开了NOA城市“冰山”下的技术布局，展现了作为高水平自动驾驶公司建设NOA城市的独特优势。轻舟智航凭借领先的技术架构、全栈的人才团队、丰富的L4级自动驾驶RD和应用经验，以及与硬件、主机厂、软件、供应链等上下游企业的良好生态合作关系，正在加速自动驾驶的前装量产，为“双引擎”战略的快速发展，不断向“将无人驾驶带入现实”的终极使命迈进。“乘风”品牌的发布，也标志着轻舟智航正以全新的姿态勇往直前，打造中国最好的先进辅助驾驶解决方案，实现中国特色城市NOA。