349
本文經AI新媒體量子位（公眾號 ID: QbitAI）授權轉載，轉載請聯系出處
2019年，當百度自動駕駛工程師為Mobileye純視覺DEMO效果驚嘆不已時，不會想到一切來得這么快。
2021年，百度純視覺L4方案，已經花開兩朵，各表一支。
Apollo史無前例的成本48萬的量產Robotaxi，背后有百度純視覺自動駕駛技術的精進和支持。
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)內唯一一款“自上而下”的城市領航輔助駕駛方案ANP，已經走在量產路上。
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？
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路線的關注，還是對自動駕駛數據融合迭代的探索，Apollo Lite的實踐經驗和思考沉淀，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)群組技術委員會主席、自動駕駛視覺技術實踐者王亮博士。
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“學術出道”，被一些業(yè)內人看做是對特斯拉“腹地的奇襲”。
同年年底，就在北京稻香湖區(qū)域的數條城市開放道路上完成了不依賴激光雷達，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，通過與Robotaxi同場競技打磨視覺感知能力，技術指標和乘坐體驗逐步向Robotaxi看齊。
此時，兩周歲的Apollo Lite具備了僅用攝像頭應對中國復雜道路環(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視覺技術從L4降維至L2+級領航輔助駕駛應用——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智駕產品ANP（Apollo Navigation Pilot）。
△三域融通智能駕駛產品ANP
2021年，Apollo Lite踏入產品化元年，團隊踐行L4降維，將技術向更輕量，可量產的方向推進。
這一過程中挑戰(zhàn)不少，具體來說，有四重挑戰(zhàn)。
首先是前裝量產方面。與此前研發(fā)使用的后裝測試車不同，前裝量產對冗余設計、線控調校、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產品新增了前后2顆魚眼攝像頭和12顆超聲雷達兼顧低速自動召喚/泊車，而且所有傳感器的安裝嵌入車身之內，使量產集成度良好。
其次，計算硬件上。Lite從自研計算平臺轉向低功耗可量產的車規(guī)級計算單元，相比為高性能計算任務設計的GPU，AI算力大幅降低。
Lite團隊投入大量精力進行了視覺感知模型的輕量化，對模型進行了極致壓縮，通過多任務模型、量化訓練等手段減少計算量，降低推理時延的同時兼顧了模型預測精度。
比如在某量產項目中，團隊攻克batch推理的難題，在低算力車規(guī)級芯片上實現了二階段目標檢測網絡的實時推理。
第三個挑戰(zhàn)是完成L4代碼從X86架構到ARM架構遷移。
面對ARM平臺腰斬的CPU算力，團隊對軟件系統(tǒng)進行了大刀闊斧的改造。架構層面做了基于場景化思想的代碼重構和功能隔離，系統(tǒng)根據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，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)層面也重新設計了計算資源調度分配策略，提升數據流轉效率。
硬件層面，調配異構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專屬定制生產的高精地圖，圖中包含道路拓撲和定位圖層信息。
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。
但量產乘用車面對的是更為廣闊的路網，高精地圖的生產成本和日常維護難度非常大。
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，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，最終都歸為解決用低成本硬件（計算、傳感器）帶動復雜的L4算法問題，內部研發(fā)把這個過程比喻成“小馬拉大車”。
這也是Apollo Lite技術降維產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能力演進的最直觀體現。
三周年，Apollo Lite助力智駕產品化
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智駕產品競爭力的壁壘。
基于Apollo Lite視覺自動駕駛技術，百度智駕業(yè)務第一個進入市場的產品是AVP（Apollo Valet Parking）自主泊車。
目前已與多家車企定點量產。AVP采用了5顆攝像頭+12超聲波雷達方案，技術路線以視覺感知為主，已在威馬和廣汽車型上量產，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線激光雷達與Apollo Lite的環(huán)視攝像頭配合，整車體驗能力卻超越一眾搭載四五顆激光雷達和數十顆攝像頭的Robotaxi競品。
百度Robotaxi技術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)內對激光雷達使用做到肉眼可見的個數最少，線數最低，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衡和博弈。
2016年，百度自動駕駛事業(yè)部內展開過一場討論。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為主的技術路線。而為了聚焦，當時并沒有分資源投入純視覺路線研發(fā)。
激光雷達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，全球范圍內能提供高線束機械式旋轉激光雷達的只有Velodyne一家，成本高昂產量小。
對于百度這種TOP級玩家來說，成本和產能限制了車隊規(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，百度內部終于下決心成立團隊純視覺方案做起來，既為追趕先進，也為商業(yè)化準備彈藥。
Apollo Lite成立第一天就明確性能指標和L4級Robotaxi對齊，形成和激光雷達團隊并行的兩條路線。
回憶起技術路線選擇，王亮給出百度的思考：無人駕駛的規(guī)?；涞厥且淮伍L征，除了有篤定的信念支撐，更要基于正確的路線才能到達目的地。
他還不無感慨地分享：正是當年從以色列傳來的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，漸進測試；Mobileye將自家純視覺駕駛方案帶到紐約和印度最復雜的街道DEMO演示。
國內多家新勢力公布的城市方案趨向擁抱半固態(tài)激光雷達，這背后既有對安全的重視，也從側面印證了純視覺方案在中國道路場景下的進入門檻極高，絕非普通玩家敢于挑戰(zhàn)。
百度主打的ANP（Apollo Navigation Pilot）智駕產品以Apollo Lite視覺方案為基礎，融通泊車域和行車域下的多類駕駛場景，實現“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，ANP利于車企優(yōu)化硬件成本，更經濟的獲得城市領航輔助駕駛功能。
同時基于百度多年在Robotaxi項目上對激光雷達的使用經驗/技術積累，ANP也可根據車企不同級別車型的定位和智能化預算，選配激光雷達用以提升工況并獲得更先進的駕駛能力。
作為百度智駕旗艦產品，ANP核心產品優(yōu)勢是什么？自研純視覺方案，為何國內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)內唯一來自L4技術降維的高級輔助駕駛產品，核心算法經過Robotaxi長期實路驗證。
百度目前已積累超過2000萬公里的L4級真實道路測試里程，此外10億公里仿真測試里程對每行代碼更新做詳盡的回歸測試，兩項業(yè)內領先的基礎數據，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”讓用戶充當測試人員的方式不同，百度Robotaxi測試聘用經過專業(yè)認證的自動駕駛測試人員，有科學嚴謹的測試體系對自動駕駛邊界能力進行測試評估。
熟路
應對中國復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路線并不現實。
百度身為頭部圖商，擁有地圖測繪資質和成熟的高精地圖產線，同屬一個部門下的地圖團隊與算法策略團隊能夠緊密配合，共同定義適配ANP策略的地圖產品和制作更新流程。Apollo Lite“輕地圖”的技術路線能夠保證ANP在未來的地圖路網覆蓋率和產品可用性上有顯性優(yōu)勢。
開放
ANP系統(tǒng)內置的數據回收策略能夠在車端動態(tài)對高價值數據進行實時挖掘和存儲，數據在合適時間通過wifi/4G回傳到服務器，且每類數據與對應的車端模型或者策略關聯在平臺統(tǒng)一管理。
之后，通過分析工具和標注服務，原始數據被轉化為可以參與模型/策略迭代的標準結構化數據。
依托百度多年在仿真技術和數據閉環(huán)方向上的實踐積累，ANP如今能為客戶提供與之配套的數據服務，支持車企內部研發(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。
通過數據服務，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的能力進化，在數據的驅動下形成產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能力，足夠物美價廉，真正讓國內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，是率先把領先的技術變成落地的商業(yè)產品，從而“反哺”Apollo。
因為量產之后必然推動整個數據閉環(huán)轉得更快，數據驅動也會不斷提高整個百度自動駕駛業(yè)務的技術壁壘，為技術迭代帶來正反饋。
△ANP-Robotaxi架構實現技術降維與數據反哺
最后，在通向完全無人駕駛的終極目標道路上，百度率先領悟了純視覺路線“心法”，在底層算法層面打開突破口。
數年的技術實踐和研發(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方案，以最低成本實現RoboTaxi，恰好從另一個角度解釋了激光雷達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、激光雷達路線最終會回歸、合流。
百度的Apollo Lite團隊，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；而從終極目標來看，Apollo Lite的長遠價值和意義，才剛剛拉開序幕。
賈浩楠 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
