本文來源：智車科技

自去年以來，業(yè)界不斷討論和提及“BEV+Transformer”這一概念，即鳥瞰視圖與基于自注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)架構(gòu)。卷了半年時間，今年，“端到端”這一概念又迅速成為人們熱議的焦點(diǎn)。這兩個概念看似截然不同，實(shí)則在視覺路線建立的基于Transformer 的架構(gòu)上有著共通之處，也共同印證了人工智能技術(shù)從深度學(xué)習(xí)向多模態(tài)大模型演進(jìn)的趨勢。汽車領(lǐng)域始終處于自動駕駛技術(shù)革新的前沿。

BEV+Transformer：

鳥瞰視角下的感知革命

BEV+Transformer技術(shù)如同為自動駕駛汽車安裝了一雙“慧眼”，能夠清晰地“看到”周圍的環(huán)境和障礙物，并做出更加準(zhǔn)確的判斷。

如果說端到端大模型是自動駕駛領(lǐng)域新晉的“頂流”，那么 BEV+Transformer 可以算得上是它的“前輩”。兩者都是在視覺路線建立了基于Transformer 的架構(gòu)。ChatGPT，其中的“T”即代表了以 Transformer 為基礎(chǔ)的大模型。這種模型通過自注意力機(jī)制，能夠更好地處理和理解復(fù)雜的視覺信息，從而在自動駕駛領(lǐng)域發(fā)揮重要作用。BEV+Transformer 架構(gòu)通過鳥瞰視圖，能夠提供更全面、更準(zhǔn)確的環(huán)境感知能力，為自動駕駛系統(tǒng)提供更可靠的決策支持。因此，BEV+Transformer可以被視為自動駕駛領(lǐng)域的重要里程碑，為未來的發(fā)展奠定了堅實(shí)的基礎(chǔ)。

清華大學(xué)蘇州汽車研究院智能網(wǎng)聯(lián)中心技術(shù)總監(jiān)孫輝先生指出，BEV算法將各類傳感器信息統(tǒng)一映射至世界坐標(biāo)系中，實(shí)現(xiàn)了在不同類型傳感器數(shù)據(jù)的互補(bǔ)。此舉不僅推動了感知融合從后融合階段推進(jìn)至前融合階段的轉(zhuǎn)變，也為端到端方案奠定了堅實(shí)的基礎(chǔ)。隨后，基于BEV算法發(fā)展起來的占據(jù)柵格（Occupancy Grid）算法，進(jìn)一步增強(qiáng)了對動態(tài)與靜態(tài)障礙物的檢測能力，從而提升了自動駕駛汽車的安全避障功能。端到端自動駕駛方案是在BEV算法基礎(chǔ)上，通過神經(jīng)網(wǎng)絡(luò)將軌跡預(yù)測、柵格地圖預(yù)測、行為規(guī)劃等環(huán)節(jié)疊加，用大數(shù)據(jù)監(jiān)督學(xué)習(xí)取代了傳統(tǒng)復(fù)雜的人工規(guī)則設(shè)計，從而簡化了自動駕駛系統(tǒng)的開發(fā)流程，并提升了迭代效率。

BEV技術(shù)代表著繼深度學(xué)習(xí)之后，自動駕駛領(lǐng)域又一項重大技術(shù)突破。它有效地克服了多傳感器數(shù)據(jù)變化和異構(gòu)性帶來的挑戰(zhàn)，促進(jìn)了融合感知算法的發(fā)展。從理論基礎(chǔ)來看，BEV與傳統(tǒng)感知算法在輸入端并無二致，均采用多通道傳感器信息，但 BEV 的獨(dú)特之處在于它能夠直接生成適用于三維空間規(guī)劃和控制的輸出。BEV技術(shù)以二維數(shù)據(jù)為基礎(chǔ)，提供了一種俯瞰視角，與SLAM技術(shù)相得益彰，為自動駕駛技術(shù)的進(jìn)步和實(shí)際應(yīng)用開辟了新的道路。

端到端方案將 BEV 算法的優(yōu)勢進(jìn)一步放大，將軌跡預(yù)測、柵格地圖預(yù)測、行為規(guī)劃等環(huán)節(jié)疊加，通過神經(jīng)網(wǎng)絡(luò)將感知、決策和控制過程整合，用大數(shù)據(jù)監(jiān)督學(xué)習(xí)取代傳統(tǒng)的人工規(guī)則設(shè)計，從而簡化開發(fā)流程，提升迭代效率。更接近人類駕駛員的駕駛風(fēng)格，更容易實(shí)現(xiàn)更自然的駕駛行為。

端到端：智能駕駛的主流趨勢

端到端技術(shù)如同為自動駕駛汽車打造了一個“大腦”，使其能夠像人類一樣，自主地學(xué)習(xí)和思考，并做出更加靈活的駕駛決策。

目前大多數(shù)L4級無人駕駛系統(tǒng)仍依賴于“算法+規(guī)則”的執(zhí)行模式，通過地圖、攝像頭、激光雷達(dá)等多種傳感器和算法的冗余配置來確保安全。但這種模式在處理復(fù)雜多變的交通環(huán)境時顯得力不從心，難以解決所有長尾問題。因此，無人駕駛技術(shù)仍需不斷優(yōu)化和完善，而“端到端”模型的出現(xiàn)或許將為這一領(lǐng)域帶來新的突破，加速技術(shù)成熟度的提升，從而解決當(dāng)前存在的問題。“算法+規(guī)則”與端到端技術(shù)的融合將成為主流趨勢。

端到端，就像價格戰(zhàn)一樣，成為車企“內(nèi)卷”的又一個方向。

在2023年下半年，各大汽車制造商紛紛采納以BEV和Transformer技術(shù)為核心的策略，致力于實(shí)施以“輕地圖、重感知”為特點(diǎn)的城市級自動駕駛導(dǎo)航系統(tǒng)（NOA）的落地計劃。然而，隨著2024年特斯拉FSD V12版本的推出，標(biāo)志著端到端方案在實(shí)際應(yīng)用中取得了突破。市場趨勢轉(zhuǎn)向了更為重視感知能力的端到端解決方案，這標(biāo)志著智能駕駛技術(shù)發(fā)展的下一階段。

FSD Beta V12號稱是迄今為止首個完全由人工智能實(shí)現(xiàn)的端到端自動駕駛系統(tǒng)。該系統(tǒng)從識別道路、行人等概念到?jīng)Q策過程，均未涉及傳統(tǒng)編程，亦無程序員編寫任何代碼。整個過程完全依賴于神經(jīng)網(wǎng)絡(luò)的自主思考。相較于V11版本的30萬行代碼，F(xiàn)SD Beta V12的C++代碼縮減至僅2000行。該系統(tǒng)通過向神經(jīng)網(wǎng)絡(luò)提供視頻資料，使其不斷學(xué)習(xí)和優(yōu)化參數(shù)，從而通過分析數(shù)十億幀人類駕駛的視頻資料，自學(xué)掌握了駕駛技能。

隨著新機(jī)遇的出現(xiàn)，國內(nèi)企業(yè)積極擁抱變革，引領(lǐng)“端到端”自動駕駛技術(shù)的上車?yán)顺薄?/strong>