今天小編分享的互聯網經驗：圖森未來：無人駕駛卡車需要長距離感知，稀疏BEV是正解，歡迎閲讀。
文 | 李安琪
編輯 | 李勤
7 月 27 日，圖森未來在上海舉辦了首屆 AI DAY，從冗餘架構、感知預測、規劃控制等方面介紹了圖森未來的自動駕駛卡車的最新介紹。
在技術分享環節，圖森中國 CTO 王乃岩認為，L3 和 L4 級别自動駕駛功能可能并不比輔助駕駛產品更加復雜，但可靠性方面需要非常質的變化。
為此，圖森未來設計了一套全冗餘架構，涵蓋轉向制動、算法算力、傳感器等方面，比如在感知模塊中構建了三冗餘方案以提升可靠性。
除了冗餘挑戰，王乃岩認為無人駕駛卡車還面臨着一個更獨特的挑戰——需要看得更遠。他介紹道，乘用車一般長 6 米左右，完成一次舒适變道需要 3-4 秒的時間，但重型卡車滿載時重量近 50 噸，整車長超 20 米，完成一次變道時間需要 7-8 秒，變道需要的距離是普通乘用車的一倍。無人駕駛卡車如果想在高速路上安全行駛，感知距離最好是 400 米 500 米。
感知層面率先遇到挑戰。圖森未來介紹，當下主流的 3D 目标檢測是 BEV（Bird's Eye View，可翻譯為鳥瞰圖），但如果直接将 BEV 引入重卡幹線物流場景，需要構建更長距離的 BEV 空間，需要消耗大量計算以及空間資源。
因此，圖森未來提出了基于物體多視角 3D 檢測框架，将環視攝像頭的感知内容輸入後，基于影像做 2D 檢測，影像檢測出來的框會作為一個 query 去聚合各個攝像頭的視角信息，最終得到 3D 檢測結果。
此外，圖森未來還自研了一個稀疏 BEV 算法。因為長距離感知檢測，傳統的 BEV 算法在幹線卡車領網域會有很多卷積動作是在 " 卷 " 空氣，" 這是沒有意義的，浪費了很多顯存和計算量。"
所以圖森未來采用了稀疏卷積方法取代原來致密卷積操作，并在檢測頭做了特殊的設計，來保證計算開銷不随着感知距離的增加而增加的，對于高度上有重疊物體的檢測會更加友好，更适合長距離檢測。
基于上述感知方案，圖森未來表示，其無人駕駛卡車在實際路測中，卡車可以在超過 120 米的距離就發現白色塑料瓶，提前完成避讓、變道行為。
此外，圖森未來還從定位、預測規劃和控制、端到端仿真、數據自動标注和產品等進行了技術分享。
