“MAXIEYE杨腾飞：视觉系统的极致体验，客户思维助力场景通关”

9月28日-29日，“中国车谷2021智能车产业创新论坛”隆重举行。 本次论坛由武汉经济技术开发区和东风汽车集团有限企业共同主办，武汉市智能车产业创新联盟和盖西汽车共同主办，主要围绕智能车创新快速发展的主题展开，包括人机驾驶、地图定位、人工智能和芯片、仿真 以下是科技coo、联合创始人杨飞的发言。

谢谢你周先生的介绍。 感谢主办者的邀请。 我是智驱科技杨腾飞。 用一句话介绍我们的企业。 很多朋友不太了解我们。 智能驾驶科学技术是开始前视觉感知的adas系统的供应商，今天给大家带来的共享是视觉系统的终极体验和我们自身相关的思考。

让我们先从自动驾驶的几起事故开始吧。 这可以列举四个事故，但基本上在网上有几个有名的事故。 一个是特斯拉在台湾追尾了一辆横跨车道中间的卡车。 右上是理想的one事故，左下是刚刚发生的，轰动的信息，来的车追尾了工程车。 右下是几年前的伍佰的事故。 我发现这几起自动驾驶事故有共同的优点。 他们被种植在aeb场景中。 实际上，这是非常典型的驾驶辅助功能。 为什么这些被称为自动驾驶的公司不能获得驾驶辅助功能呢？ 在这个地方，我们其实也呼吁领域和费用达成共识。 驾驶辅助系统其实并不等同于自动驾驶。

那么，在这里，我做了个比喻。 是沸腾曲线。 如你所知，要烧开水，必须烧到100。 燃烧到99.99也不会沸腾。 这和驾驶辅助和自动驾驶的关系非常相似。 驾驶辅助系统的系统边界，只有有了100%的场景覆盖，我才能卸下司机，我才能完全的自动驾驶。 我知道驾驶辅助推进自动驾驶是一段很长的路。 对于这种结构化的场景，我们现在在这个地方的同时，也必须清醒地认识到我们可能长时间处于自动驾驶的初期阶段，也就是驾驶辅助阶段。

为什么这个这么难，我们要跨越这个鸿沟需要这么长的时间。 因为我们面临着很多极限场景，我们拥有各种各样的corner case，限制了我们系统的边界，我们经常会遇到长尾效应。 我们初期只需要使用20%的能量进行处理，但后期需要使用80%的能量来处理20%的corner case。 即使在前一次事故中，司机也告诉了我在那种情况下没有机会接管这样的( 10 )-20 )场景。 所以，有领域corner case的1万分之一的概率这一结论。 落到个体头上的时候，其实是100%。 作为负责任的公司，我们必须做好这些corner case。

具体来说，我们要用什么样的方法来处理这个问题，我们必须使用客户端思维方式来处理这种驾驶辅助的问题。 什么是客户思维方式？ 总而言之，就是客户需要什么样的驾驶体验。 两个词，一个是想用，另一个是能用。 想用的是给他提供终极的驾驶体验。 必须安全舒适，高效。 客户真的想使用我们的系统吗？ 我们有acc，或者lck的朋友的话应该有体会。 开acc有时会比自己开车更累，为什么会出现这样的场景呢？ 列举了三种典型的感受。 因为你还不相信这辆车，所以有时会出点问题。 前面沈博士也说了很多，有acc的时候，可能会非常担心那个(其他车辆)会不会勉强插入你的车道。 抄送的时候，有这样的不安。 车道的检测面临车道线的感知问题，经常会引起其他问题。

另一方面，我们的驾驶辅助系统真的能让客户觉得很聪明吗？ 在这样高端的智能手机时代，汽车软件，现在大部分汽车的产品软件，客户拿到了这辆车，这个软件终身不能升级的产品，这个产品也不能说是非常智能的产品。

其次，我试着找了一点实际开发过程中遇到的例子。 我们制造这样的adas驾驶体验的时候，有那些corner case的痛处。 仔细一看，这张照片是在隧道里的场景。 左边的在隧道的墙面上。 因为很亮，所以右边的车在反射。 这种情况下，对视觉来说很容易识别为“真的”车，这个场景怎么处理？ 下面的照片是三轮车，拿着铁架。 大约四五米长。 该目标的(检测)距离与雷达的距离和摄像机的检测距离有很大不同。 这个场景怎么处理？ 虽然也会遇到一点cut—in的车辆，但是希望一冒头就能检测出来。 还有一个车道线的问题。 左边的视频实际上是下灯的场景。 我们知道，目前车道线的检测不能形成非平行的车道线。 上下车道有分支点，但实际上如果没有很好地支撑算法，这条车道实际上很难支撑高速公路上制作上下车道的场面。

而且，我们过红绿灯时，车道线的检测是否足够长，能否检测到对面车道线，这些场景基本上是我们在开发中遇到的corner case问题。 当然，我们已经处理过了。 如果这些corner case无法应对，就不容易让客户放心。 刚才我提到了这个产品是否智能，现在1r1v的产品，带ota功能的也没有上市。 我们今年年底量产的项目，是业界首次在1r1v产品中引入了这样的ota功能。 这包括数据闭环方案。 每辆车都在终端机上，进行少量数据的收集，根据我们的算法，对算法进行改进，对有价值的数据进行一些检查。 这些数据通过接收服务器，进行一点模拟，抓住一点有价值的数据，重新进行训练，参与算法迭代，最终通过ota闭环到达车的终端，形成完美的数据闭环。 该产品只有实现了这样的闭环，才能说是我这个系统越使用越聪明的系统，可以说是智能系统。

正如前面所说，你把产品变成了顾客想使用的产品，发生了第二个问题。 我们现在也知道很多自动驾驶方案，看这个产品是否可以供顾客使用。 马上就有几个激光雷达，无数个照相机，很多毫米波雷达，一点点的rtk，包括高精度地图在内都在上面。 如果客户想要良好的驾驶体验，他真的在用吗？ 在科学技术公平性的时代，比起盲目堆积硬件，人们更倾向于充分发掘算法的局限性。 只是，与其说是单纯的机械重复，不如说是在做法论上进行了创新，真正实现了设计上的交货，希望最终的产品能够供所有人使用，让所有人都能享受。 具体来说，我接下来将播放一段简短的视频，说明如何按照客户的想法制作产品。 刚才我提到了我们是从视觉感知开始的adas系统的供应商，我们专注于汽车的前装业务，现在在商用车市场上市场占有率方面也做得很好。 我们今年年底也有两辆轿车的批量生产项目。 1r1v的产品为了实现l2的功能，还包括ota数据闭环。

企业成立4年多来，过去每年的收益大致达到了300%。 具体是在轿车和商用车上发售的产品，刚才是做低价产品，实现高性能的方案。 所以，我们在单一视觉产品的基础上进行扩展，有1r1v等方案。 在域控制方面，也有5r5v、dms驱动器的疲劳检测和5r11v两种线泊一体的产品，整个系统也可以支持激光雷达的访问。

众所周知，商用车相对于轿车有独特的优势，传感器整体安装位置比较高，载荷变化非常大，商用车服务量也非常大。 与商用车的这些优势相比，我们为商用车客户定制了方案。 因为有一点管制要求，所以有一点双警报。 此外，还有aeb、lck等有法规要求的计划。 我们的方案是，前面提到的轿车，和基于1v1r的l2使用的是基础算法的感知套件，所以这样的系统真的是可以让客户和客户放心大胆采用的产品。 因为这与aeb和lck有关。

另一个好处是没有引擎室。 挡风玻璃前面有行人。 这个行人站在死角。 如果只是57度摄像机的视觉范围，他就在你的死角。 如何应对这种问题，我们也是低价花钱的方案，不改变我的控制器，增加了摄像头模块，完成了整合型的产品。 该模块专门覆盖死角范围，可以将商用车整体死角从以前的10米缩小到10几米，直接缩小到0.2米，整个系统可以像轿车一样，具有tja、lck这样略高一点的l2+的功能。

由于时间原因，最后有我们量产的预告。 如上所述，轿车基于1r1v实现l2功能，再加上数据闭环方案的批量生产，将于今年年底批量生产。 现在，它通过灯泡，以灯泡限速的最高时速通过。 正如你所见，基本上司机不需要插手。 我们的这个产品实际上会创造两个记录。 第一个记录是国内第一个在国产视觉感知的基础上，加上国产的计划、控制算法，实现了l2级的1r1v的产品。 第二个记录是国内首款1r1v，是实现了数据闭环和ota (软件升级)的adas产品。 这辆车今年年底发售了。 也欢迎大家的体验，给我们提出宝贵的意见。

我是科技杨飞。 谢谢你。