上海2024年12月3日 /美通社/ -- 最近一兩年，"端到端"是自動駕駛領(lǐng)域最熱門的話題，不管是整車企業(yè)還是自動駕駛公司，開發(fā)布會幾乎言必提"端到端"，整個(gè)行業(yè)進(jìn)一步擁抱AI技術(shù)。
自動駕駛系統(tǒng)是一個(gè)軟、硬件高度耦合的系統(tǒng)，當(dāng)軟件算法跨入端到端的時(shí)代，如何在不同算力的芯片上都能夠發(fā)揮出足夠好的性能？
作為智能汽車計(jì)算芯片的引領(lǐng)者，黑芝麻智能從成立之初就意識到了軟硬一體的重要性，在開發(fā)芯片的同時(shí)也組建團(tuán)隊(duì)對智駕算法進(jìn)行研究，保證產(chǎn)品能夠滿足當(dāng)下和未來數(shù)年的算法發(fā)展需求。
黑芝麻智能計(jì)劃推出支持華山及武當(dāng)系列芯片的端到端算法參考方案。該方案采用One Model架構(gòu)，并在決策規(guī)劃單元引入了VLM視覺語言大模型和PRR行車規(guī)則的概率化表征子模塊，進(jìn)一步提升了智駕系統(tǒng)的決策規(guī)劃能力。
該方案分為標(biāo)準(zhǔn)版和高階版兩個(gè)版本。前者在單顆武當(dāng)C1200家族中算力平臺上即可部署，而后者可在即將推出的華山A2000家族中發(fā)揮全部實(shí)力。
一、采用One Model架構(gòu) 最大化信息傳遞
現(xiàn)階段量產(chǎn)的端到端系統(tǒng)，相當(dāng)一部分采用了分段式架構(gòu)，即將端到端系統(tǒng)分成幾個(gè)不同的模塊級聯(lián)而成。雖然這些模塊也使用AI模型進(jìn)行工作，但各模塊之間仍存在人為定義的接口來傳輸數(shù)據(jù)，這就必然導(dǎo)致有一定的信息損失，加上不同模塊經(jīng)常采用獨(dú)立訓(xùn)練的模式，其效果并非全局最優(yōu)。
黑芝麻智能的端到端智駕系統(tǒng)，一步到位采用了One Model的架構(gòu)。一端可輸入攝像頭、激光雷達(dá)、4D毫米波雷達(dá)、導(dǎo)航地圖等信息，另一端直接輸出駕駛決策所需要的信息，即本車的預(yù)期軌跡。
端到端的總體架構(gòu)
具體到模型內(nèi)部，其可以分為BEV編碼器和決策（軌跡預(yù)測）兩個(gè)神經(jīng)網(wǎng)絡(luò)單元。
BEV編碼的工作過程中，車外攝像頭或 激光雷達(dá)、4D 毫米波雷達(dá)等各類傳感器的數(shù)據(jù)進(jìn)入 ResNet 和 FPN 等主干網(wǎng)絡(luò)，提取并融合多層特征，生成多尺度特征金字塔。經(jīng)過幾何變換，特征圖對齊成俯視視角（BEV），實(shí)現(xiàn)統(tǒng)一的空間表示。
隨后，系統(tǒng)通過多尺度時(shí)序聚合將當(dāng)前與歷史 BEV特征融合，減少噪聲干擾，增強(qiáng)動態(tài)物體感知精度和系統(tǒng)魯棒性，最終生成特征圖（Feature Maps）傳遞至決策單元，用于生成車輛的預(yù)期行駛軌跡。
BEV和決策兩個(gè)神經(jīng)網(wǎng)絡(luò)單元之間傳遞的是特征圖(Feature Maps)。由于這些基礎(chǔ)特征圖沒有人為定義的接口和處理過程，所以信息可以更為原始和完整地傳遞，以便于網(wǎng)絡(luò)進(jìn)行優(yōu)化和決策。
與此同時(shí)，用Feature Maps將兩個(gè)單元進(jìn)行連接，還可以以back-propagation反向傳播的方式——即通過計(jì)算最終輸出的軌跡與實(shí)際目標(biāo)之間的誤差，然后將該誤差反向傳播到?jīng)Q策和BEV單元——來進(jìn)行兩個(gè)神經(jīng)網(wǎng)絡(luò)單元的聯(lián)合訓(xùn)練和參數(shù)調(diào)優(yōu)。
通過前面的分析可以看出，黑芝麻智能的One Model架構(gòu)既解決了多模塊之間可能存在的信息傳遞損耗問題，又實(shí)現(xiàn)了感知和決策單元的聯(lián)合訓(xùn)練，實(shí)際效果會更佳優(yōu)秀。
二、決策單元引入多源輸入 提升軌跡預(yù)測準(zhǔn)確性
在此基礎(chǔ)之上，黑芝麻智能團(tuán)隊(duì)還更進(jìn)一步，通過引入VLM（視覺語言大模型）和規(guī)則的概率化表征（Probabilistic Representation of Rules，以下簡稱 PRR）兩個(gè)模塊，來進(jìn)一步提升端到端系統(tǒng)決策的準(zhǔn)確性和靈活性。
VLM 模型基于開源 VLM 模型改進(jìn)而來，該模型可同時(shí)接收圖像和語言輸入信息（比如用戶的導(dǎo)航指令），然后通過 Transformer 結(jié)構(gòu)中的交叉注意力機(jī)制將視覺和語言兩種模態(tài)的信息相互關(guān)聯(lián)，從而讓模型更深層地理解當(dāng)前的場景，并以符號特征的形式，將對于場景的理解輸入到?jīng)Q策單元中。
例如，當(dāng)系統(tǒng)識別到行人在斑馬線上移動的視覺信息，VLM 可以通過語言規(guī)則的匹配，理解這個(gè)場景是"行人在過馬路"，并且知道此時(shí)應(yīng)該停車或者減速——將這種信息傳遞給軌跡預(yù)測模塊，顯然能夠幫助其做出更加正確的駕駛決策。
除了有 VLM 子模塊的幫助，決策單元還有行車規(guī)則的概率化表征模塊（PRR）提供信息。
規(guī)則的概率化表征模塊
該模塊用于將人類的駕駛常識和交通規(guī)則轉(zhuǎn)化為自動駕駛系統(tǒng)可理解的概率分布，再通過概率化軌跡采樣生成符合交通規(guī)則的候選軌跡，并為每個(gè)選項(xiàng)賦予相應(yīng)的概率權(quán)重。例如，在交叉路口，系統(tǒng)可以生成"等待""緩慢通過"等符合規(guī)則的選項(xiàng)，并賦予相應(yīng)的優(yōu)先級。
此外，該模塊還包含規(guī)則的語言描述部分，將交通規(guī)則和駕駛指令編碼為語義特征，使其能夠被決策模塊理解和應(yīng)用。例如，紅燈停車或右轉(zhuǎn)讓行的規(guī)則會生成特定語義向量。
PRR輸出的兩種信息均會進(jìn)入到?jīng)Q策單元，與BEV單元輸出的特征圖、VLM輸出的場景理解特征互相融合，最終生成一條最佳的目標(biāo)行駛軌跡。
最后補(bǔ)充一點(diǎn)，VLM和PRR模塊本質(zhì)上是端到端系統(tǒng)的增強(qiáng)型"外掛"，它們額外引入了類人的對于場景的綜合理解能力，以及常識和交規(guī)的語義表征，從而在擴(kuò)展軌跡決策能力的同時(shí)維持了端到端系統(tǒng)的整體工作原理， 其本質(zhì)上相當(dāng)于一個(gè)功能增強(qiáng)了的One Model架構(gòu)。
三、用擴(kuò)散模型生成軌跡，應(yīng)對不同環(huán)境
介紹完各個(gè)單元和模塊后，我們再來重點(diǎn)看一下這套端到端系統(tǒng)的核心——決策部分，到底是如何進(jìn)行軌跡預(yù)測的。
這里主要使用了擴(kuò)散模型這種生成式模型。工作時(shí)，系統(tǒng)會首先生成多個(gè)可能的候選軌跡，然后通過逐層多次去噪篩選出最優(yōu)軌跡。例如，在行駛過程中，如果系統(tǒng)預(yù)測到前方車輛可能變道，擴(kuò)散模型會生成多個(gè)候選路徑，并在去噪過程中逐步排除高風(fēng)險(xiǎn)的路徑，確保最終選擇一條安全的行駛路徑。
基于擴(kuò)散模型的軌跡預(yù)測模塊
這種軌跡生成方法具備多種優(yōu)勢。首先，擴(kuò)散模型采用逐步迭代的去噪過程，每一步都對預(yù)測進(jìn)行細(xì)化，從而逐漸優(yōu)化輸出。相比于傳統(tǒng)一次性生成結(jié)果的模型，擴(kuò)散模型能夠更精細(xì)地控制輸出，使軌跡預(yù)測更加平滑和自然。這一特性尤其適用于動態(tài)環(huán)境中的軌跡預(yù)測，確保模型在復(fù)雜場景中生成的路徑符合實(shí)際行駛需求。
其次，擴(kuò)散模型的核心設(shè)計(jì)是去噪。這使其在面對噪聲數(shù)據(jù)或帶有隨機(jī)擾動的輸入時(shí)，依然能夠穩(wěn)定地生成合理的軌跡，讓系統(tǒng)在應(yīng)對復(fù)雜環(huán)境時(shí)具備更強(qiáng)的魯棒性。
最后，該模型在處理長尾場景時(shí)表現(xiàn)出色，比如極端天氣、異形障礙物、突然橫穿的行人等，增加了智駕系統(tǒng)的泛化能力。
四、C1200可快速部署，A2000將大顯身手
黑芝麻智能的端到端參考方案，以其創(chuàng)新的One Model架構(gòu)和多模塊協(xié)同設(shè)計(jì)，成功解決了傳統(tǒng)分段式端到端系統(tǒng)中信息損耗、訓(xùn)練分離等核心問題。在決策單元引入VLM和PRR模塊后，這套方案進(jìn)一步提升了決策能力，無論在場景理解、軌跡規(guī)劃，還是動態(tài)環(huán)境適應(yīng)方面，都達(dá)到了新的高度。這種設(shè)計(jì)不僅提升了端到端系統(tǒng)的整體性能，也為行業(yè)開創(chuàng)了更智能、更高效的技術(shù)路徑。
當(dāng)然，再先進(jìn)的算法也離不開芯片的支持。黑芝麻智能在設(shè)計(jì)端到端參考方案的同時(shí)，充分考慮了軟硬件結(jié)合的實(shí)際需求，使其方案可以靈活適配不同性能的芯片平臺。
不含 VLM 和 PRR 模塊的標(biāo)準(zhǔn)版方案，可在黑芝麻智能現(xiàn)有的武當(dāng) C1200家族芯片上高效部署，滿足車企和Tier1等合作伙伴基于算法的參考方案快速適配硬件并開發(fā)量產(chǎn)端到端系統(tǒng)的需求；而隨著未來黑芝麻智能華山A2000家族芯片的推出，則可以用超高算力支持包括VLM和PRR模塊的高階版端到端系統(tǒng)的部署，為終端客戶提供更高性能的智駕體驗(yàn)，并為L3和L4級自動駕駛做好準(zhǔn)備。
未來，隨著端到端架構(gòu)的不斷完善和芯片技術(shù)的迭代提升，黑芝麻智能將繼續(xù)引領(lǐng)行業(yè)發(fā)展，為中國智能汽車產(chǎn)業(yè)的加速崛起貢獻(xiàn)更多智慧與力量。
