智駕行業(yè)BEV+Transformer到端到端“追熱詞”為奪技術終局優(yōu)勢？

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制的神經(jīng)網(wǎng)絡架構。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。這兩個概念看似截然不同，實則在視覺路線建立的基于Transformer 的架構上有著共通之處，也共同印證了人工智能技術從深度學習向多模態(tài)大模型演進的趨勢。汽車領域始終處于自動駕駛技術革新的前沿。

BEV+Transformer：鳥瞰視角下的感知革命

BEV+Transformer技術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，并做出更加準確的判斷。

如果說端到端大模型是自動駕駛領域新晉的“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。ChatGPT，其中的“T”即代表了以 Transformer 為基礎的大模型。這種模型通過自注意力機制，能夠更好地處理和理解復雜的視覺信息，從而在自動駕駛領域發(fā)揮重要作用。BEV+Transformer 架構通過鳥瞰視圖，能夠提供更全面、更準確的環(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域的重要里程碑，為未來的發(fā)展奠定了堅實的基礎。

清華大學蘇州汽車研究院智能網(wǎng)聯(lián)中心技術總監(jiān)孫輝先生指出，BEV算法將各類傳感器信息統(tǒng)一映射至世界坐標系中，實現(xiàn)了在不同類型傳感器數(shù)據(jù)的互補。此舉不僅推動了感知融合從后融合階段推進至前融合階段的轉變，也為端到端方案奠定了堅實的基礎。隨后，基于BEV算法發(fā)展起來的占據(jù)柵格（Occupancy Grid）算法，進一步增強了對動態(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算法基礎上，通過神經(jīng)網(wǎng)絡將軌跡預測、柵格地圖預測、行為規(guī)劃等環(huán)節(jié)疊加，用大數(shù)據(jù)監(jiān)督學習取代了傳統(tǒng)復雜的人工規(guī)則設計，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技術代表著繼深度學習之后，自動駕駛領域又一項重大技術突破。它有效地克服了多傳感器數(shù)據(jù)變化和異構性帶來的挑戰(zhàn)，促進了融合感知算法的發(fā)展。從理論基礎來看，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技術以二維數(shù)據(jù)為基礎，提供了一種俯瞰視角，與SLAM技術相得益彰，為自動駕駛技術的進步和實際應用開辟了新的道路。

端到端方案將 BEV 算法的優(yōu)勢進一步放大，將軌跡預測、柵格地圖預測、行為規(guī)劃等環(huán)節(jié)疊加，通過神經(jīng)網(wǎng)絡將感知、決策和控制過程整合，用大數(shù)據(jù)監(jiān)督學習取代傳統(tǒng)的人工規(guī)則設計，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格，更容易實現(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，自主地學習和思考，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)或許將為這一領域帶來新的突破，加速技術成熟度的提升，從而解決當前存在的問題?！八惴?規(guī)則”與端到端技術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技術為核心的策略，致力于實施以“輕地圖、重感知”為特點的城市級自動駕駛導航系統(tǒng)（NOA）的落地計劃。然而，隨著2024年特斯拉FSD V12版本的推出，標志著端到端方案在實際應用中取得了突破。市場趨勢轉向了更為重視感知能力的端到端解決方案，這標志著智能駕駛技術發(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)絡提供視頻資料，使其不斷學習和優(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，自學掌握了駕駛技能。

隨著新機遇的出現(xiàn)，國內(nèi)企業(yè)積極擁抱變革，引領“端到端”自動駕駛技術的上車浪潮。

小鵬汽車于2024年5月20日宣布其“端到端”大模型由神經(jīng)網(wǎng)絡XNet、規(guī)控大模型XPlaner及大語言模型XBrain三大核心部分構成，并宣稱“未來 10 年是智能駕駛的 10 年，完全自動駕駛和全無人駕駛時代即將到來，而率先實現(xiàn)端到端大模型上車的小鵬汽車，將于 2025 年在中國實現(xiàn)類 L4 級智駕體驗?！薄?jù)官方聲明，智能駕駛能力提升兩倍。從現(xiàn)有的架構升級至端到端后，傳感器輸入的數(shù)據(jù)能夠直接轉化為車輛的控制動作，端到端的訓練也從圖片升級至視頻。在系統(tǒng)層面，此舉能夠減少車輛在某些場景下的決策遲疑。

在2024年北京車展上，元戎啟行推出的新一代量產(chǎn)的高階智駕平臺DeepRoute IO，宣稱搭載了端到端模型，成為目前已知的行業(yè)內(nèi)首個將端到端技術應用于高階智能駕駛汽車量產(chǎn)的公司。在導航地圖所覆蓋的區(qū)域內(nèi)，DeepRoute IO平臺能夠實現(xiàn)對交通信號燈、施工區(qū)域、緩慢行駛或臨時停車等場景的及時、精確和穩(wěn)定地識別，從而確保在城市環(huán)境中實現(xiàn)從一點到另一點的智能駕駛，在導航地圖覆蓋區(qū)域內(nèi)，能夠實現(xiàn)安全、順暢的智能駕駛。

理想汽車董事長兼首席執(zhí)行官李想在 2024 中國汽車重慶論壇上，提出了自動駕駛技術路線的新構想：“端到端”＋VLM（視覺語言模型）＋生成式驗證系統(tǒng)，確實是一套非常有前瞻性的技術架構，這一技術路線被視為未來物理世界機器人技術的核心框架。截至目前，理想汽車尚未公開發(fā)布具體的“端到端”自動駕駛技術細節(jié)。雖然理想汽車的自動駕駛系統(tǒng)（理想AD Max）具備一些功能，例如高速NOA、城市NOA、記憶泊車等，但其是否完全采用端到端技術，以及具體的技術細節(jié)，都尚未得到官方的明確確認。

未來展望

端到端作為一種技術路徑，能夠得到車企客戶和消費者的關注，其原因在于該技術能夠顯著提升用戶體驗。端到端技術能夠顯著增強系統(tǒng)的安全性，對于自動駕駛中那些難以用語言描述的復雜場景，端到端技術在實際應用中展現(xiàn)了出色的應對能力。此外，端到端系統(tǒng)使得駕駛行為更加貼近人類，更類似于人類駕駛員的風格，這有助于自動駕駛系統(tǒng)與用戶之間建立信任關系。

那些跑通端到端大模型的車企，無疑搶先站上了“風口”，但端到端真正量產(chǎn)還有很長的路要走。目前，數(shù)據(jù)稀缺是困擾高級別自動駕駛落地，尤其是影響端到端效果的重要課題。有專家分析認為國內(nèi)自動駕駛公司的模塊化端到端方案上車量產(chǎn)時間可能會在2025年。

許多企業(yè)將主要目標定位于L2+級自動駕駛的商業(yè)化實施，暫緩了L4級自動駕駛的直接實現(xiàn)。今年伊始，多家汽車制造商開始了城市級導航輔助駕駛（NOA）的“速度競賽”，競相推廣以“極致性價比”為賣點的高級智能駕駛解決方案。

在這一進程中，無論是“端到端”的解決方案，還是基于BEV+Transformer模型的技術，都在為自動駕駛的發(fā)展提供支持；同時，日益豐富的車輛行駛數(shù)據(jù)也在不斷促進自動駕駛人工智能技術的日趨成熟。