5月15日-18日，第十届国际智能网联汽车技术年会（CICV 2023）在北京举行，产、学、研界代表围绕智能网联汽车的关键技术及创新成果进行深入交流。觉非科技在此次大会上分享了感知技术与应用领域的量产方案与实践经验。觉非科技高级技术总监张红飞出席并发表主题演讲。
觉非科技高级技术总监张红飞
自动驾驶的大规模量产落地，来源于数据、模型，以及算力的发展。随着软硬件升级与逐步深入，产业对于计算能力和海量数据处理能力的需求暴增。
通过训练大模型，自动驾驶车辆能够实时感知和理解道路环境，做出智能的决策和控制，这不仅是自动驾驶技术变革的催化剂，更是提升城市交通效率的有效途径。正因如此，国内自动驾驶大模型方案正在不断涌现。
在觉非科技看来，大规模的端到端模型是自动驾驶开进城市的有益探索，可以让车辆拥有自车视角的障碍物和环境感知和理解能力，在保障安全的前提下加速城市自动驾驶的落地。
觉非科技的BEV+Transformer感知大模型
“在汽车数智化的关键节点，大模型的出现，给了行业一个巨大的推动力。”张红飞表示，“觉非科技已通过车端与路侧技术实践，积累了大量覆盖不同场景的自动驾驶数据集，并转化成了数据服务平台，这为我们感知大模型的发展奠定了坚实的技术基础。”
在上海车展期间，觉非科技的感知大模型能力，得到了非常充分的展示。
觉非科技基于BEV的数据闭环融合智驾解决方案
觉非科技在上海车展期间发布了“基于BEV的数据闭环融合智能驾驶解决方案”。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数据闭环能力，满足城市NOA、记忆通勤/泊车的需要。
整套方案的背后，正是BEV+Transformer感知大模型的贡献。此次技术年会中，张红飞也展示了其算法量产架构。
觉非科技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，供给生成BEV+Transformer的算法训练数据，进而实现大模型的正向循环。
基于量产车BEV实时感知
在这套量产架构下，觉非科技将BEV感知与地图经验数据结合，通过BEV实时感知实现了建图能力，该能力既可应用于城市NOA规划控制，也可用于感知大模型的不断迭代。
SLAM实时建图
“Transformer算法特性对数据的质和量均有较高要求，需设计多种渠道的数据采集闭环通道。”张红飞表示。通过建立数据闭环，高阶辅助驾驶将通过大数据实现“感知万物”与“认知拟人化”，大模型则将加速这一过程，直到彻底实现向自动驾驶的质变。
在此次技术年会中，张红飞也表达了对于地图不同解决思路的想法。
高精地图作为自动驾驶的“千里眼”与“轨道”，具备精度高、量产快、安全性高等能力。高精地图可为自动驾驶提供精准的定位数据，并将全局坐标转换成自车坐标。同时，高速公路和城市路口拓扑关系因有人工作业与质检做保障，自动驾驶的安全性将得到充分地保障。
目前，业界已拥有成熟的高精地图供应商与解决方案，是城市NOA最快达到量产可用的重要方案。
然而，高精地图也面临着覆盖城市少、单价高、更新速度较慢等问题。为了解决这些问题，业界目前也出现了“隐性”使用高精地图数据的方案。
借助高精地图数据作为真值监督训练的感知模型，可以直接生成路口拓扑关系，用环境数据的“覆盖价值”替代自车数据的“精度价值”，但对于Corner Case的处理，主要依赖训练样本的覆盖。此时高精地图在自动驾驶中的角色，类似“样本库”与自动驾驶的训练“导师”。
觉非科技认为，基于量产车形成的数据闭环能力将成为主机厂的核心竞争力，数据在合法合规的情况下会汇聚闭环，不断积累一个真正能够支撑感知大模型的规模化数据集，而众源已成为解决鲜度和覆盖率的核心。
自动驾驶感知技术目前正围绕特征前融合、端到端大模型、数据闭环等方向不断发展。基于感知大模型，觉非科技将发力提升BEV对地图要素的识别，通过改造Bev+Transformer范式网络结构，提升在该范式之下车辆对地图要素的感知精度，实现端到端的从原始数据到PNC数据的跨越。
“觉非科技的BEV+Transformer感知大模型将成为市场全新的技术拓展空间。”张红飞表示，“希望有更多生态伙伴可以加入到觉非大模型量产算法架构的迭代演进之中，共同见证新技术带来的颠覆性变革。”
觉非科技是国内领先的自动驾驶感知决策算法与数据服务商，以“多传感器融合计算”为核心技术路线，围绕乘用车出行、干线物流和城市末端三大应用场景，提供跨场景、跨平台、跨终端的智能驾驶解决方案，实现了国内产业领域中少有的“三跨”服务能力。觉非的融合感知系统目前已覆盖车端与路端，构建了适用于全栈自动驾驶的具备“感知-决策-数据”闭环能力的量产方案，以“数据驱动量产化”为核心业务目标，为合作伙伴实现自动驾驶闭环能力。
