設置
上一章
下一章
返回
設置
前一段     暫停     繼續    停止    下一段

第684章 啟發和顛覆

重生后我只做正確選擇_第684章啟發和顛覆影書  :yingsx第684章啟發和顛覆第684章啟發和顛覆←→:

  陳默抬起頭,目光灼灼,帶著一種破釜沉舟的銳氣:

  “現在,我建議,目標不變,啟界M5在2019年Q4量產時,依舊要實現這些功能。

  這是我們對姚總的承諾底線。”

  “但是——”陳默的聲音陡然拔高,“技術路線,必須切換!切換到我們剛剛討論的BEVTranSfOrmer架構上!”

  “為什么?”他自問自答。

  “因為只有這條路,才能讓我們在實現眼前L2.5目標的同時,為后續L3、L4的快速迭代打下不可撼動的基礎。

  才能在特斯拉、小鵬們還在優化他們的傳統感知架構時,建立起真正的代差優勢。

  才能對得起我們‘華興技術’這塊招牌,才能在后期的競爭中立于不敗之地。”

  “這不僅僅是技術路線的選擇,”陳默的語氣變得無比鄭重,“這是戰略,是車BG智能駕駛業務未來五年的根基,是決定我們能否在智能汽車時代真正掌握靈魂的關鍵一役。”

  至于為什么一開始沒有確定好技術路線,這還真不能怪陳默。

  是,他是重生者,但他都重生這么多年了,很多事情早已不記得。

  這次要不是蔣雨宏和卞金鱗兩人聯合當起了大召喚師,讓他死去的記憶忽然攻擊他,也不會有這檔子事...

  會議室里,姚塵風放下筆的“啪嗒”聲把卞金鱗從回憶中拽了出來。

  他開了口,語氣帶著商人的敏銳:

  “雨宏,金麟,你們的技術路徑我非常認同也非常支持。

  不過,我關心的是用戶體驗的‘顯性化’。

  特斯拉的NOA,用戶一用就知道好,變道果斷不墨跡。

  我們的ALC,92成功率聽起來不錯,但剩下的8是什么情況?

  用戶會不會覺得‘傻’或者‘慫’?

  這個‘好用’的臨界點在哪里?

  營銷上怎么包裝這個‘L2.5’?

  叫‘準L3’還是‘高階L2’?

  這直接影響用戶預期和口碑!”

  蔣雨宏正要回答,一直沉默品茶的陳默卻放下了茶杯。

  杯底與桌面接觸,發出一聲輕微的脆響,瞬間吸引了所有人的注意。

  蒜鳥蒜鳥,本人陳默,向來只裝高端局。

  “姚總的顧慮很實際。”陳默的聲音不高,瞬間成為會議室的中心,“用戶體驗是檢驗技術的唯一標準。關于ALC的決策魯棒性,還有BEV感知落地難的問題,我最近看了一些前沿論文和開源項目,有點不成熟的想法,可以拋出來供大家探討。”

  “第一,關于感知。”陳默的指尖在桌面上虛點,仿佛在勾勒無形的藍圖,“BEV是方向沒錯。

  但傳統基于攝像頭和雷達點云生成BEV特征圖,再去做目標檢測、分割的方法,對算力和實時性要求極高。

  并且對非常規障礙物(比如掉落的輪胎、倒下的樹、形狀怪異的施工設施)的識別能力,存在理論瓶頸。

  我在想,是否可以引入一種更‘直接’的表達方式——占用網絡(OCCUpanCyNetWOrk)。”

  “占用網絡?”李鵬飛下意識地重復了一句,這位計算機視覺領域的頂尖專家,鏡片后的眼睛瞬間亮了起來,身體也不由自主地坐直了。

  這個概念對他而言不算陌生,但從未在量產自動駕駛領域被認真討論過。

  它太新,也太“重”了。

  “對,”陳默點頭。

  “它不關心前方障礙物是車、是人、是錐桶還是別的什么具體類別。

  它只關心一個最本質的問題:車輛前方及周圍的三維空間里,哪些體素(VOXel)被占用了?

  是剛性占用(如墻壁)還是柔性占用(如灌木叢)?

  是可穿越的還是不可穿越的?”

  他一邊說,一邊拿起桌上的白板筆,轉身在旁邊的白板上快速勾勒起來。

  寥寥幾筆,畫出一個粗糙的車輛前方視角,然后打上密集的三維網格。

  “輸入多視角攝像頭圖像,甚至融合低線束激光雷達的稀疏點云,通過一個精心設計的3D卷積神經網絡,直接輸出一個稠密的三維占用柵格圖。

  每一個小格子(體素)都有一個概率值,表示它被占據的可能性。

  同時,還可以預測每個被占據體素的運動狀態(速度向量)。”

  陳默的筆尖在網格上移動:

  “這樣,無論前方是一個標準車輛,還是一堆怪異的建筑垃圾,甚至是一團濃霧(如果能部分穿透),系統都能感知到‘有東西占著這個空間,可能會動’。

  避障是最核心的需求,知道‘有東西’且‘它怎么動’,往往比精確知道‘它是什么’更重要,尤其是在極端COrnerCaSe下。

  而且,這種表達天然適合后續的軌跡規劃和碰撞檢測,因為它直接描述了空間的占用情況。”

  他放下筆,看向已經完全被吸引的李鵬飛和卞金麟:

  “這或許能繞過傳統目標檢測對長尾類別識別的依賴,提升對異形障礙物的泛化能力。

  當然,計算量巨大是現實挑戰,需要算法創新和硬件加速的協同。

  但方向,我認為值得探索。

  鵬飛,你在諾基亞搞高精地圖和SLAM,對空間建模理解很深,怎么看?”

  李鵬飛深吸一口氣,眼中閃爍著震撼和興奮的光芒,仿佛被一道閃電劈開了思維的迷霧。

  他緊緊盯著白板上那個簡陋的網格圖,大腦以前所未有的速度運轉起來。

  忽略物體類別,直指空間占用的本質。

  這思路太顛覆了!簡直是給感知領域開了另一扇窗。

  他之前的研究一直糾結于如何提升目標檢測的精度和魯棒性,卻從未想過可以換個角度,直接描述空間的“滿”與“空”、“動”與“靜”!

  “陳總...您這想法...”李鵬飛的聲音因為激動而微微發顫。

  “太...太有啟發性了!

  它跳出了物體識別的框架,直指自動駕駛最核心的空間安全性問題!

  對!異形障礙物、未知物體...

  這些困擾業界多年的難題,在占用網絡的框架下,可能被極大緩解。

  計算量確實是座大山,但稀疏卷積、模型蒸餾、專用硬件...

  這些都是可以攻克的路徑!

  我...我立刻組織感知團隊進行預研和可行性驗證。

  這可能是解決BEV落地痛點的關鍵鑰匙!”

  新書推薦:

飛翔鳥中文    重生后我只做正確選擇
上一章
簡介
下一章