11月1日，世界前沿的無人駕駛通用解決方案公司輕舟智航（QCraft）舉辦首屆技術工坊，首次全面分享了輕舟智航在感知、PNC、數據等城市NOA核心技術領域的最新成果和獨到優勢，充分彰顯了輕舟“基于數據、成于感知，用最強PNC引領城市NOA新高度，攜手生態伙伴，打造適用范圍最廣的自動駕駛解決方案”的價值主張。輕舟智航不僅創新性地將輔助駕駛的用戶價值認知分為了“能用、好用和愛用”三個階段，還正式公布了自動駕駛解決方案品牌Driven-by-QCraft的中文名稱“乘風”，寓意“長風破浪會有時，直掛云帆濟滄海”，整合了輕舟最前沿的自動駕駛全棧軟硬件技術，全面助推城市NOA的量產和落地。

「輕舟乘風」品牌logo

城市NOA是輔助駕駛的天花板，也是無人駕駛的入門檻

2022年是城市NOA發展極具里程碑意義的一年，它代表了當前智能汽車核心競爭力的重要標志，也是滿足消費者對智能駕駛期待的關鍵技術。輕舟智航聯合創始人、CTO侯聰分享了輕舟智航對于城市NOA的思考和理念，他表示，“城市NOA是輔助駕駛的天花板，也是無人駕駛的入門檻，它已成為汽車高端智能化的大勢所趨，以及消費者的眾望所歸。我們會不斷拓展城市NOA的ODD，讓輔助駕駛從能用到好用，最終讓用戶愛用，以更普適性的智能駕駛讓開車像打車一樣輕松。”

輕舟智航堅持在確保安全性的前提下，打造覆蓋更多場景且具有更高性價比的城市NOA方案，而一顆激光雷達的城市NOA正是當前階段實現這一目標最務實的方案。輕舟智航在感知、PNC等底層軟硬件架構的能力優勢，以及在數據驅動研發模式方面的長期積累，為加速城市NOA“上車”，實現快速量產落地提供了全面的技術支撐。

超融合感知，首次在量產計算平臺實現多傳感器特征和時序融合

感知如同駕駛員的眼睛，是城市NOA的重要基礎。感知模型需要精準高效地觀察和認知世界、并為下游任務提供有效數據支撐，同時還要滿足車規級計算平臺的適配，并有效解決復雜路況中的各種長尾問題。

“城市NOA，萬丈高樓感知起”，輕舟智航感知負責人張雨表示，“輕舟獨特的‘超融合’感知方案擁有領先的‘多傳感器時序穿插融合’技術，可讓感知模型在不同階段、利用不同傳感器信息相互補充，得到更優融合結果，避免各類誤檢和漏檢，精度高且魯棒性強。”

基于“超融合”感知方案，輕舟智航提出了國內首個在量產計算平臺實現視覺、激光雷達和毫米波雷達特征和時序融合的大模型OmniNet，以一個神經網絡即可實現視覺、激光雷達、毫米波雷達在BEV空間和圖像空間上輸出多任務結果。相較傳統方案，OmniNet可提供更豐富且準確的環境感知結果，有效提升感知精度；可節省2/3的算力資源，滿足車規級芯片應用需求，并可低成本適配不同廠家傳感器配置；更適宜通過數據驅動解決實際道路面臨的長尾問題，“感知更精準、車端更適配、迭代更高效”，更好地滿足城市NOA的量產需求。

OmniNet模型架構

通過OmniNet在內的感知算法能力，輕舟智航可讓激光雷達“物盡其用”，實現了行業領先的通用障礙物識別能力和噪聲過濾能力。其不僅可以有效識別車輛、人群、植被、護欄、錐桶、小動物、施工區域等常見的道路交通參與元素，還包括各類陌生或長尾罕見的異形障礙物，更好應對城市中出現的長尾問題。逐層遞進的噪聲過濾方案，還能夠最大限度地排除雨霧、泛光等噪聲對感知的干擾，充分提高安全性。

獨家時空聯合規劃技術，以“世界觀”打造中國最好的PNC方案

PNC如同駕駛員的大腦，負責指導車輛在復雜城市路況中完成導航、預測、決策規劃和控制等一系列操作，對于行車效率、舒適性至關重要，是真正打動用戶的核心關鍵。

“城市NOA，PNC定高下”，輕舟智航技術合伙人李棟表示，“輕舟智航能夠提供中國最好的PNC方案，我們秉承著自己的算法‘世界觀’，致力于以空間和時間復合的視角看待和解決自動駕駛的各類問題，前瞻性地選擇了更適合國內復雜路況的決策規劃技術架構，獨家實現了行業公認更優的時空聯合規劃算法。”

“時空聯合規劃算法”可直接在空間和時間中求解最優軌跡，如同能夠同時控制車輛方向和速度的老司機，更接近實際駕駛行為，可靈活應對國內的各種復雜路況。相較之下，業界普遍采用的“時空分離規劃”會將軌跡規劃拆分為路徑規劃和速度規劃兩個問題，無法同時計算路徑和速度，刻板不靈活。不僅如此，“時空分離規劃”的研發非常依賴手寫規則和大量路測，而“時空聯合規劃”只需極少手寫規則，人效更高，且更適宜利用人類駕駛數據通過機器學習不斷提高算法效率。

靈活的“時空聯合規劃”能夠讓車輛行車更聰明、效率更高效、體驗更舒適。在實際行駛過程中，當車輛面臨動態障礙物的交互時，“時空聯合規劃”可以讓車輛提前把握最好時機選出最佳行車軌跡，更流暢地完成車輛間的博弈，而不會出現反復急剎的情況。在多車道行駛時，車輛還可以通過判斷前方車流量和車速，靈活地變道選擇更快的路線，而不會“死板地”跟車緩行。

在預測方面，輕舟智航自研的Prophnet預測模型能夠提供10秒的長時意圖和軌跡預測，預測時長國內領先。模型可同時計算數百個障礙物，每個障礙物提供3條預測軌跡，推理耗時不到20ms，完全滿足實時運算需求。根據權威公開數據集Argoverse的評測結果，輕舟Prophnet模型無論在預測效果還是預測時間上均領先同行，且可真正用于量產實車。

輕舟智航領先的PNC性能和研發效率，正是源于數據驅動的研發模式。當前，數據驅動已在感知等模塊的研發中展現出了極大價值，但PNC模塊由于普遍使用規則系統，數據驅動的實現一直是業界尚未攻克的重要難題。輕舟智航采用的時空聯合規劃由于在運作模式上更接近實際駕駛行為，可直接利用人類駕駛數據不斷進行模型訓練。通過對自動駕駛數據和人工駕駛數據的自動化標注，輕舟構建了包含道路、環境、自車行為意圖等信息的駕駛數據倉庫，可通過“所想即所得”的數據查詢，快速對各類數據和場景進行挖掘和評測，更快發現和解決算法存在的各種問題。

實現PNC的數據驅動也意味著輕舟基本打通了數據驅動在整個自動駕駛研發體系中的應用，引領研發范式的革新。

源于L4的數據資源和工具鏈優勢，賦能城市NOA高效落地

數據如同駕駛員的經驗庫。通過數據提升自動駕駛能力，可以讓城市NOA更好地處理復雜多樣的交通參與者行為、交通規則，并有效應對市區高精地圖覆蓋里程有限等難題。

“城市NOA，數據驅動高效落地”，輕舟智航數據智能平臺總監劉成表示，“輕舟智航在L4級自動駕駛領域深耕多年，我們在數據和工具鏈方面的積累，均可降維使用，充分賦能城市NOA的研發。”

截至目前，輕舟智航已測試了超過112萬公里的城區道路，擁有海量豐富的L4級別激光雷達、攝像頭等傳感器數據，以及長期積累的駕駛行為數據，可不斷提高城市NOA的能力上限。輕舟智航用于構建L4級別自動駕駛能力的自動駕駛研發工具鏈輕舟矩陣，也可以完全復用于城市NOA的能力建設，持續加速城市NOA的能力迭代。

得益于數據與工具鏈的充分協作，輕舟智航可以高效處理多種典型場景難題，包括對特定行為行人的識別，全國各地不同形態紅綠燈的識別等。特別是針對缺乏或沒有最新高精度地圖的場景，輕舟的高精度自動化標注工具，可通過高精地圖的優化大規模生成車道線的自動標注數據，在路口、匝道、坡道等場景，都能準確檢測到行駛車道線。對于城市中各種靜態的交通設施，輕舟采用自監督學習方式，可在大量未標注數據基礎上快速學習物體特征，確保行車安全，讓車輛快速適應新城市、新場景。

從感知、PNC到數據驅動，輕舟智航此次揭開了城市NOA“冰山”之下的技術布局，展現了作為高級別自動駕駛公司打造城市NOA的獨特優勢。憑借領先的技術架構、全棧式的人才團隊、豐富的L4級自動駕駛研發和應用經驗，以及與硬件、主機廠、軟件及供應鏈等上下游企業建立的良好生態合作關系，輕舟智航正加速推進自動駕駛前裝量產，為“雙擎”戰略的快速發展，實現“將無人駕駛帶進現實”最終使命不斷邁進。“乘風”品牌的發布，也標志著輕舟智航以全新的姿態，為打造中國最好的高級輔助駕駛解決方案，實現中國特色城市NOA而奮勇前行。