2021年，特斯拉推出BEV+transformer、“重感知轻地图”的自动驾驶解决方案，进一步点燃了车企智驾的竞赛热情。现阶段，高精地图存在显著缺点，随着BEV方案的出现，车企看到了不依赖高精地图的可能性。当然，抛弃高精地图并不意味着问题的结束，新的挑战才刚刚开始。自动驾驶算法反映了工程师们根据人的思维模式，对自动驾驶所需处理过程的思考。通常包含感知、预测、规划模块，同时辅助一些地图、定位等模块，最终实现自动驾驶功能的落地。根据开源证券的研究报告，算法、算力和数据是人工智能的三大要素，数据在模型训练中拥有不可忽视的影响。一方面，Transformer等大模型在大体量数据集训练下才能表现更佳的特性带来其对训练端数据的要求激增。特斯拉在2022年AI DAY上曾表示，训练其占用网络采用了14亿帧图像数据。另一方面，由于自动驾驶面临的场景纷繁复杂，诸多长尾问题需要在现实或虚拟场景中获取。因此数据闭环在自动驾驶领域弥足重要。数据挖掘和针对性的训练能显著减少Corner Case（边缘场景）。以特斯拉为例，在面临一个看起来像临时停车但实际上是永久停车的场景时，最初算法会将其判定为临时停车。当特斯拉通过数据挖掘在训练集中增加了1.4万个类似场景的视频并训练模型后，神经网络便理解了这辆车里面没有司机，将其判别为永久停车。早期自动驾驶方案采用激光雷达+高精度地图为主。早期市场以传统计算机视觉和专家系统为基础构建辅助驾驶功能，随后人工智能的蓬勃发展让深度学习在自动驾驶领域被广泛使用，以waymo为代表的自动驾驶先驱玩家开创了激光雷达+高精度地图的感知范式，Cruise、百度等纷纷效仿。
该方案中，对道路结构、车道线等静态环境元素的感知强依赖高精度地图，而实时的动静态障碍物信息则强依赖激光雷达。高精地图成为一项“基础设施”，将很多在线难以解决的问题提前存储到地图数据中，行车时作为一项重要的感知数据来源，减轻传感器和控制器的压力。由于该方案只能在有图地区行驶，也被一些人形象的称为“有轨电车”。
另一方面，高昂的单车成本和高精度地图成为自动驾驶大规模推广瓶颈。市场亟待出现一种单车性能强大、成本低廉的自动驾驶解决方案。2021年特斯拉推出BEV+transformer、重感知轻地图的自动驾驶解决方案，开启了自动驾驶行业新的篇章。亿欧汽车认为，该方案不仅可以提高车辆感知、决策能力，降低对硬件的依赖，还能让车企摆脱对于高精地图的依赖，实现城市NOA（导航辅助驾驶）的快速落地，进一步点燃了车企智驾竞赛热情。现阶段，高精地图存在显著缺点，如价格高企、鲜度低以及限制城市NOA落地速度。车企抛弃高精地图，主要是由于高精地图行业还处于发展早期，满足不了城市NOA快速落地的需求。随着BEV方案的出现，车企看到了不依赖高精地图的可能性，即通过GPS、IMU、轮速计以及导航地图，可以实现精准定位能力；通过BEV+Transformer，可以提升车辆的感知能力和决策能力；除了弥补高精地图的能力之外，BEV方案还可以通过数据闭环不断迭代算法，增强车辆应对Corner Case的能力。
2023年以来，各车企密集推出了不依赖高精地图的城市NOA落地规划。亿欧智库预测，2025年中国城市NOA前装市场规模将达到76亿元。
对于车企而言，抛弃高精地图并不意味着问题的结束，而是挑战的开始。虽然BEV+Transformer一定程度上增强了智驾系统的感知、决策能力，但是比起使用高清地图的方案，“重感知轻地图”的方案对硬件、数据闭环能力都有一定的要求。
在2023年上海车展期间，国内领先的自动驾驶感知决策算法与数据服务商觉非科技正式发布基于BEV的数据闭环融合智能驾驶解决方案。
该方案可通过量产车BEV的实时感知结果，提供完整的城市Map-lite及Map-free数据闭环融合解决方案，并满足城市NOA、记忆通勤/泊车以及感知大模型训练的需要。
觉非科技还同国内知名主机厂及Tier1达成合作，将在2024年量产车上实现该方案的规模化落地。
一镜到底：基于BEV的数据闭环融合智驾解决方案
基于Transformer的BEV智驾大模型是产业全新的感知范式，也为自动驾驶在融合感知、跟踪预测和规划控制等技术的发展带来了更大的拓展空间。目前不仅是学术界追捧的热点，更被认为是解决城市NOA对高精地图过度依赖的可达路径。
其优势在于，可以使用实时感知和以“脑补方式”输出局部地图，并直接进行决策规划，一定程度上可以解决先验高精地图覆盖和现实性的问题。
BEV感知的特征提取，主要依靠神经网络模型，这意味着要有足够的高质量数据，才能积累出一个强大的模型。
继面向城市NOA的“BEV数据闭环融合智驾解决方案”之后，觉非科技近日又发布了高速NOA地图定位量产解决方案，将数据闭环系统与影子模式延展至高速场景，让“重感知轻地图”实现了在城市与高速的全场景覆盖。觉非科技的“高速NOA地图定位量产解决方案”可通过车机导航地图或众源地图实现，结合量产车实时感知结果，满足车辆在高速场景下的高精定位需求。
觉非科技将“高速NOA地图定位量产解决方案”分为两个版本：该方案基于“图商车机导航地图”实现，可通过更加轻量级的地图数据接入方式实现高精定位。方案应用中，觉非科技将车机导航地图数据与感知数据进行匹配，同时结合GNSS定位，替代传统L2+PnC架构下的重地图方式，为车辆提供车道约束与相对定位。该版本基于“众源地图Live服务”的建图定位方案。该方案基于众源地图Live服务可进行规格定制，进而再与车辆感知进行匹配，结合GNSS位置，为车辆提供并线和进出匝道时机判断。同时基于自车感知数据可进行数据的实时更新，与众源地图Live服务形成闭环。在Live模式下，车辆可以在“鲜度”更高的数据模式下，具备更加精准的定位能力，有效降低因地图数据错误导致的NOA降级或接管。在Air版本和Live版本的方案搭建中，觉非科技将高速公路车辆前向感知与L2 SOC芯片及GNSS/IMU卫导与惯导进行搭载，结合众源地图服务实现。觉非科技同时搭建了针对高速NOA的数据闭环处理流程，将车端感知结果进行数据拼接，通过高速公路数据制图工具链与数据质检后生成增量化的高速辅助驾驶地图数据库。数据可以通过“增量离线包”或“Online服务”的方式下发给车辆，让车辆的感知数据在鲜度更高、数据准确的环境下运行，整体方案已可应用于L2自动驾驶规控系统，可大幅降低高速场景下的接管次数。整套“高速NOA地图定位量产解决方案”，其背后对应的是觉非感知大模型的搭建与应用能力。觉非科技的感知大模型通过规模化数据采集，生成冷启动模型，而后通过量产化制图能力产生地图数据库，结合觉非自研的数据中心实现快速不断的迭代，并生成算法训练数据库，进而实现向大模型的正向循环。与此同时，未来觉非科技将形成感知智能和认知智能的双维大幅提升，基于感知大模型的不断迭代，将数据驱动的算法应用于更多量产项目，实现感知大模型在城市与高速场景的全面落地。
https://mp.weixin.qq.com/s/G8iqnapQiBC1_B1bEj3jlA
https://mp.weixin.qq.com/s/-gRCYvmPLrqUkW9y2hMH8w