2021年，百度純視覺L4方案，已經(jīng)花開兩朵，各表一支。
Apollo史無前例的成本48萬的量產(chǎn)Robotaxi，背后有百度純視覺自動駕駛技術(shù)的精進(jìn)和支持。
更明顯的，是純視覺方案以L4實力降維釋放于普通乘用車，業(yè)內(nèi)唯一一款“自上而下”的城市領(lǐng)航輔助駕駛方案ANP，已經(jīng)走在量產(chǎn)路上。
這一切，都來自Apollo Lite，中國唯一L4級純視覺城市道路自動駕駛閉環(huán)解決方案的助力。
Apollo Lite 3年前一葉輕舟啟航，卻聞兩岸“猿聲”不止：百度真要拋棄激光雷達(dá)？
而在3周年之際，Apollo Lite已過萬重山，成了和特斯拉、Mobileye三足鼎立的純視覺自動駕駛門派。
不管是出于對自動駕駛技術(shù)路線的關(guān)注，還是對自動駕駛數(shù)據(jù)融合迭代的探索，Apollo Lite的實踐經(jīng)驗和思考沉淀，都能提供獨一無二的參考。
而能給出解答的人，最合適的自然就是百度智能駕駛事業(yè)群組技術(shù)委員會主席、自動駕駛視覺技術(shù)實踐者王亮博士。
Apollo Lite三周年畫像
先來勾勒一下Apollo Lite的三年圖景。
Apollo Lite，2019年在計算機視覺頂會CVPR“學(xué)術(shù)出道”，被一些業(yè)內(nèi)人看做是對特斯拉“腹地的奇襲”。
同年年底，就在北京稻香湖區(qū)域的數(shù)條城市開放道路上完成了不依賴激光雷達(dá)，基于純視覺感知的自動駕駛閉環(huán)路測。
2020年，Apollo Lite晉級北京亦莊L4級別自動駕駛路網(wǎng)，通過與Robotaxi同場競技打磨視覺感知能力，技術(shù)指標(biāo)和乘坐體驗逐步向Robotaxi看齊。
此時，兩周歲的Apollo Lite具備了僅用攝像頭應(yīng)對中國復(fù)雜道路環(huán)境的自動駕駛能力。
同年12月的黃埔Apollo生態(tài)大會上，百度宣布將Apollo Lite視覺技術(shù)從L4降維至L2+級領(lǐng)航輔助駕駛應(yīng)用——
打造覆蓋“泊車域+行車域”城市全場景一體化智駕解決方案 - Apollo智駕產(chǎn)品ANP（Apollo Navigation Pilot）。
△三域融通智能駕駛產(chǎn)品ANP
2021年，Apollo Lite踏入產(chǎn)品化元年，團(tuán)隊踐行L4降維，將技術(shù)向更輕量，可量產(chǎn)的方向推進(jìn)。
這一過程中挑戰(zhàn)不少，具體來說，有四重挑戰(zhàn)。
首先是前裝量產(chǎn)方面。與此前研發(fā)使用的后裝測試車不同，前裝量產(chǎn)對冗余設(shè)計、線控調(diào)校、散熱方案和傳感器集成等都是全新的挑戰(zhàn)，前裝也意味著車輛可靠性、一致性和穩(wěn)定性都通過了考驗。
比如傳感器層面，ANP產(chǎn)品新增了前后2顆魚眼攝像頭和12顆超聲雷達(dá)兼顧低速自動召喚/泊車，而且所有傳感器的安裝嵌入車身之內(nèi)，使量產(chǎn)集成度良好。
其次，計算硬件上。Lite從自研計算平臺轉(zhuǎn)向低功耗可量產(chǎn)的車規(guī)級計算單元，相比為高性能計算任務(wù)設(shè)計的GPU，AI算力大幅降低。
Lite團(tuán)隊投入大量精力進(jìn)行了視覺感知模型的輕量化，對模型進(jìn)行了極致壓縮，通過多任務(wù)模型、量化訓(xùn)練等手段減少計算量，降低推理時延的同時兼顧了模型預(yù)測精度。
比如在某量產(chǎn)項目中，團(tuán)隊攻克batch推理的難題，在低算力車規(guī)級芯片上實現(xiàn)了二階段目標(biāo)檢測網(wǎng)絡(luò)的實時推理。
第三個挑戰(zhàn)是完成L4代碼從X86架構(gòu)到ARM架構(gòu)遷移。
面對ARM平臺腰斬的CPU算力，團(tuán)隊對軟件系統(tǒng)進(jìn)行了大刀闊斧的改造。架構(gòu)層面做了基于場景化思想的代碼重構(gòu)和功能隔離，系統(tǒng)根據(jù)場景和車輛行為動態(tài)分配計算資源到不同的傳感器/感知任務(wù)，從前是算力充沛時的兼顧全局，如今是有限算力下的有的放矢，聚焦局部，計算資源得到更合理的應(yīng)用。
算法層面全面精簡邏輯，通過專用指令優(yōu)化熱點算法模塊。
系統(tǒng)層面也重新設(shè)計了計算資源調(diào)度分配策略，提升數(shù)據(jù)流轉(zhuǎn)效率。
硬件層面，調(diào)配異構(gòu)計算單元上可用的硬件資源（專用圖像處理器、DSP計算單元等），緩解CPU、AI加速器計算壓力。通過一系列優(yōu)化手段，與ARM平臺遷移初期相比， CPU占用率降低138%，端到端時延（99分位）降低50%。
最后，Apollo Lite對高精地圖的定義和使用方式也做了降級。
此前，Lite仍沿用為Robotaxi專屬定制生產(chǎn)的高精地圖，圖中包含道路拓?fù)浜投ㄎ粓D層信息。
高精地圖中的先驗信息能夠簡化車端算法，降低研發(fā)難度。
但量產(chǎn)乘用車面對的是更為廣闊的路網(wǎng)，高精地圖的生產(chǎn)成本和日常維護(hù)難度非常大。
這不但限制了地圖范圍覆蓋，而且車端算法重依賴地圖也給系統(tǒng)泛化性帶來挑戰(zhàn)。
針對量產(chǎn)，Apollo Lite放寬對地圖精度的要求，同時將地圖元素減少到了原來的50%，單位距離地圖文件大小僅為原來的10%。
為了在能地圖依賴的前提下“看懂”場景，團(tuán)隊還研發(fā)了與輕量級地圖相適配的感知、定位和決策規(guī)劃算法，通過車端算法的升級彌補地圖信息缺失。
這一系列工作，最終都?xì)w為解決用低成本硬件（計算、傳感器）帶動復(fù)雜的L4算法問題，內(nèi)部研發(fā)把這個過程比喻成“小馬拉大車”。
這也是Apollo Lite技術(shù)降維產(chǎn)品化過程中面臨的最大挑戰(zhàn)，能做到“以能力補成本”，是Apollo Lite能力演進(jìn)的最直觀體現(xiàn)。
三周年，Apollo Lite助力智駕產(chǎn)品化
百度選擇的輕傳感器、輕算力、輕地圖、強視覺感知路徑，看似與時下各家車企和Robotaxi自動駕駛公司頻頻曬出的高配置“主流”方案相悖，但它卻是百度Apollo智駕產(chǎn)品競爭力的壁壘。
基于Apollo Lite視覺自動駕駛技術(shù)，百度智駕業(yè)務(wù)第一個進(jìn)入市場的產(chǎn)品是AVP（Apollo Valet Parking）自主泊車。
目前已與多家車企定點量產(chǎn)。AVP采用了5顆攝像頭+12超聲波雷達(dá)方案，技術(shù)路線以視覺感知為主，已在威馬和廣汽車型上量產(chǎn)，后續(xù)還將持續(xù)覆蓋長城等品牌的多款車型。
百度通過提升視覺感知能力，不斷探索減少自動駕駛對高成本激光雷達(dá)的依賴。今年推出的第五代Robotaxi共享無人車成本僅為48萬，可謂是前無古人把RoboTaxi做到了駕駛員運營出租車的人車成本區(qū)間。
成本之所以低，重要因素就是在百度的Robotaxi方案中，僅使用了一顆40線激光雷達(dá)與Apollo Lite的環(huán)視攝像頭配合，整車體驗?zāi)芰s超越一眾搭載四五顆激光雷達(dá)和數(shù)十顆攝像頭的Robotaxi競品。
百度Robotaxi技術(shù)理念的特殊之處在于其致力于持續(xù)提升視覺在感知系統(tǒng)中的作用占比。
得益于Apollo Lite的技術(shù)積累，視覺能力做強了才有在傳感器成本上做減法的信心和資本，在行業(yè)內(nèi)對激光雷達(dá)使用做到肉眼可見的個數(shù)最少，線數(shù)最低，形成了百度在整車成本上的絕對優(yōu)勢。
這一切背后的邏輯是全力降低Robotaxi車輛的BOM成本，加速跑通商業(yè)化。
△僅使用一顆激光雷達(dá)的第五代共享無人車Apollo Moon
如今再回想起做Apollo Lite的緣起，王亮依然清楚地記得這背后的權(quán)衡和博弈。
2016年，百度自動駕駛事業(yè)部內(nèi)展開過一場討論。待決策的問題只有一個，百度自動駕駛采用重視覺還是重激光雷達(dá)路線？
出于讓各算法模塊快速上路迭代的目的，百度選擇了激光雷達(dá)為主的技術(shù)路線。而為了聚焦，當(dāng)時并沒有分資源投入純視覺路線研發(fā)。
激光雷達(dá)路線成為百度一塊招牌同時，也帶來問題：
成本。
在過去很長一段時間內(nèi)，全球范圍內(nèi)能提供高線束機械式旋轉(zhuǎn)激光雷達(dá)的只有Velodyne一家，成本高昂產(chǎn)量小。
對于百度這種TOP級玩家來說，成本和產(chǎn)能限制了車隊規(guī)模，也就限制了迭代速度，百萬起步的乘用車顯然更難起量。
所以2019年，百度內(nèi)部終于下決心成立團(tuán)隊純視覺方案做起來，既為追趕先進(jìn)，也為商業(yè)化準(zhǔn)備彈藥。
Apollo Lite成立第一天就明確性能指標(biāo)和L4級Robotaxi對齊，形成和激光雷達(dá)團(tuán)隊并行的兩條路線。
回憶起技術(shù)路線選擇，王亮給出百度的思考：無人駕駛的規(guī)模化落地是一次長征，除了有篤定的信念支撐，更要基于正確的路線才能到達(dá)目的地。
他還不無感慨地分享：正是當(dāng)年從以色列傳來的Mobileye純視覺DEMO，堅定了大家對視覺路線的決心。
就這樣，在2019年，一個還不到20人的團(tuán)隊啟動，開始了Apollo Lite的征途。
ANP因何生而不同？
2021年，城市場景已成各車企領(lǐng)航輔助駕駛功能的必爭之地。
特斯拉純視覺FSD功能在美國逐步小批量推送，漸進(jìn)測試；Mobileye將自家純視覺駕駛方案帶到紐約和印度最復(fù)雜的街道DEMO演示。
國內(nèi)多家新勢力公布的城市方案趨向擁抱半固態(tài)激光雷達(dá)，這背后既有對安全的重視，也從側(cè)面印證了純視覺方案在中國道路場景下的進(jìn)入門檻極高，絕非普通玩家敢于挑戰(zhàn)。
百度主打的ANP（Apollo Navigation Pilot）智駕產(chǎn)品以Apollo Lite視覺方案為基礎(chǔ)，融通泊車域和行車域下的多類駕駛場景，實現(xiàn)“點到點（door-to-door）”的智能駕駛功能，同時為用戶帶來安全、平穩(wěn)、連貫的駕駛體驗。
由于不強依賴激光雷達(dá)，ANP利于車企優(yōu)化硬件成本，更經(jīng)濟(jì)的獲得城市領(lǐng)航輔助駕駛功能。
同時基于百度多年在Robotaxi項目上對激光雷達(dá)的使用經(jīng)驗/技術(shù)積累，ANP也可根據(jù)車企不同級別車型的定位和智能化預(yù)算，選配激光雷達(dá)用以提升工況并獲得更先進(jìn)的駕駛能力。
作為百度智駕旗艦產(chǎn)品，ANP核心產(chǎn)品優(yōu)勢是什么？自研純視覺方案，為何國內(nèi)只有百度能與特斯拉、Mobileye一戰(zhàn)？
△視覺感知融合方案ANP研發(fā)測試車
安全
ANP是業(yè)內(nèi)唯一來自L4技術(shù)降維的高級輔助駕駛產(chǎn)品，核心算法經(jīng)過Robotaxi長期實路驗證。
百度目前已積累超過2000萬公里的L4級真實道路測試?yán)锍蹋送?0億公里仿真測試?yán)锍虒γ啃写a更新做詳盡的回歸測試，兩項業(yè)內(nèi)領(lǐng)先的基礎(chǔ)數(shù)據(jù)，成為ANP駕駛策略安全的基石。
相比特斯拉等企業(yè)采用“影子模式”讓用戶充當(dāng)測試人員的方式不同，百度Robotaxi測試聘用經(jīng)過專業(yè)認(rèn)證的自動駕駛測試人員，有科學(xué)嚴(yán)謹(jǐn)?shù)臏y試體系對自動駕駛邊界能力進(jìn)行測試評估。
熟路
應(yīng)對中國復(fù)雜城市道路情況下的種種挑戰(zhàn)，短期完全脫離高精地圖的技術(shù)路線并不現(xiàn)實。
百度身為頭部圖商，擁有地圖測繪資質(zhì)和成熟的高精地圖產(chǎn)線，同屬一個部門下的地圖團(tuán)隊與算法策略團(tuán)隊能夠緊密配合，共同定義適配ANP策略的地圖產(chǎn)品和制作更新流程。Apollo Lite“輕地圖”的技術(shù)路線能夠保證ANP在未來的地圖路網(wǎng)覆蓋率和產(chǎn)品可用性上有顯性優(yōu)勢。
開放
ANP系統(tǒng)內(nèi)置的數(shù)據(jù)回收策略能夠在車端動態(tài)對高價值數(shù)據(jù)進(jìn)行實時挖掘和存儲，數(shù)據(jù)在合適時間通過wifi/4G回傳到服務(wù)器，且每類數(shù)據(jù)與對應(yīng)的車端模型或者策略關(guān)聯(lián)在平臺統(tǒng)一管理。
之后，通過分析工具和標(biāo)注服務(wù)，原始數(shù)據(jù)被轉(zhuǎn)化為可以參與模型/策略迭代的標(biāo)準(zhǔn)結(jié)構(gòu)化數(shù)據(jù)。
依托百度多年在仿真技術(shù)和數(shù)據(jù)閉環(huán)方向上的實踐積累，ANP如今能為客戶提供與之配套的數(shù)據(jù)服務(wù)，支持車企內(nèi)部研發(fā)人員通過平臺參與到整車智駕能力的持續(xù)演進(jìn)提升中,參與的媒介是百度提供的一系列工具鏈系統(tǒng)和云端服務(wù)。
通過數(shù)據(jù)服務(wù)，ANP也能與客戶間的界面更加透明，客戶能夠低成本、低門檻的參與ANP的能力進(jìn)化，在數(shù)據(jù)的驅(qū)動下形成產(chǎn)品的差異化體驗和競爭力。
如何評價Apollo Lite這3年？
Apollo Lite3周年的速度和成績，其實不難理解，更重要的是，怎么看待Apollo Lite給自動駕駛行業(yè)帶來的改變？
其實概括起來很簡單，就是一套性能可以和L4級RoboTaxi媲美的純視覺智能駕駛解決方案。
而且最重要的，這套方案輕傳感器、輕算力、強感知能力的方案具備了高性價比的量產(chǎn)能力，足夠物美價廉，真正讓國內(nèi)車廠有了和特斯拉對抗的“彈藥”，在眼下特斯拉攻城略地之時，有了反攻的底氣。
當(dāng)然，性價比只是吸引企業(yè)的一個因素，Apollo Lite的更大魅力，還在于它身后的Apollo生態(tài)。百度的地圖、百度的云，百度的車路協(xié)同能力，都向合作伙伴開放。
而對于百度自身來說，Apollo Lite 3年來最重要的意義，是率先把領(lǐng)先的技術(shù)變成落地的商業(yè)產(chǎn)品，從而“反哺”Apollo。
因為量產(chǎn)之后必然推動整個數(shù)據(jù)閉環(huán)轉(zhuǎn)得更快，數(shù)據(jù)驅(qū)動也會不斷提高整個百度自動駕駛業(yè)務(wù)的技術(shù)壁壘，為技術(shù)迭代帶來正反饋。
△ANP-Robotaxi架構(gòu)實現(xiàn)技術(shù)降維與數(shù)據(jù)反哺
最后，在通向完全無人駕駛的終極目標(biāo)道路上，百度率先領(lǐng)悟了純視覺路線“心法”，在底層算法層面打開突破口。
數(shù)年的技術(shù)實踐和研發(fā)投入，不僅使百度順利切入智能汽車賽道，也成就了另一條激光雷達(dá)方案，以最低成本實現(xiàn)RoboTaxi，恰好從另一個角度解釋了激光雷達(dá)路線在特定歷史時期的合理性。
而很有可能，通往終局的路上，純視覺路線、激光雷達(dá)路線最終會回歸、合流。
百度的Apollo Lite團(tuán)隊，3年來完成的是充滿困難但極具前瞻性的事情；從成果來看，其價值開始凸顯；而從終極目標(biāo)來看，Apollo Lite的長遠(yuǎn)價值和意義，才剛剛拉開序幕。
