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"，整個行業(yè)進一步擁抱AI技術(shù)。

自動駕駛系統(tǒng)是一個軟、硬件高度耦合的系統(tǒng)，當軟件算法跨入端到端的時代，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)芯片的同時也組建團隊對智駕算法進行研究，保證產(chǎn)品能夠滿足當下和未來數(shù)年的算法發(fā)展需求。

黑芝麻智能計劃推出支持華山及武當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，進一步提升了智駕系統(tǒng)的決策規(guī)劃能力。

該方案分為標準版和高階版兩個版本。前者在單顆武當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)，相當一部分采用了分段式架構(gòu)，即將端到端系統(tǒng)分成幾個不同的模塊級聯(lián)而成。雖然這些模塊也使用AI模型進行工作，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)常采用獨立訓練的模式，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、4D毫米波雷達、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。

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、4D 毫米波雷達等各類傳感器的數(shù)據(jù)進入 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），實現(xiàn)統(tǒng)一的空間表示。

隨后，系統(tǒng)通過多尺度時序聚合將當前與歷史 BEV特征融合，減少噪聲干擾，增強動態(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)進行優(yōu)化和決策。

與此同時，用Feature Maps將兩個單元進行連接，還可以以back-propagation反向傳播的方式——即通過計算最終輸出的軌跡與實際目標之間的誤差，然后將該誤差反向傳播到?jīng)Q策和BEV單元——來進行兩個神經(jīng)網(wǎng)絡(luò)單元的聯(lián)合訓練和參數(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，又實現(xiàn)了感知和決策單元的聯(lián)合訓練，實際效果會更佳優(yōu)秀。

二、決策單元引入多源輸入 提升軌跡預(yù)測準確性

在此基礎(chǔ)之上，黑芝麻智能團隊還更進一步，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）兩個模塊，來進一步提升端到端系統(tǒng)決策的準確性和靈活性。

VLM 模型基于開源 VLM 模型改進而來，該模型可同時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，理解這個場景是"行人在過馬路"，并且知道此時應(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。

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，并為每個選項賦予相應(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，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行駛軌跡。

最后補充一點，VLM和PRR模塊本質(zhì)上是端到端系統(tǒng)的增強型"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，從而在擴展軌跡決策能力的同時維持了端到端系統(tǒng)的整體工作原理， 其本質(zhì)上相當于一個功能增強了的One Model架構(gòu)。

三、用擴散模型生成軌跡，應(yīng)對不同環(huán)境

介紹完各個單元和模塊后，我們再來重點看一下這套端到端系統(tǒng)的核心——決策部分，到底是如何進行軌跡預(yù)測的。

這里主要使用了擴散模型這種生成式模型。工作時，系統(tǒng)會首先生成多個可能的候選軌跡，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，擴散模型會生成多個候選路徑，并在去噪過程中逐步排除高風險的路徑，確保最終選擇一條安全的行駛路徑。

這種軌跡生成方法具備多種優(yōu)勢。首先，擴散模型采用逐步迭代的去噪過程，每一步都對預(yù)測進行細化，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，擴散模型能夠更精細地控制輸出，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際行駛需求。

其次，擴散模型的核心設(shè)計是去噪。這使其在面對噪聲數(shù)據(jù)或帶有隨機擾動的輸入時，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)境時具備更強的魯棒性。

最后，該模型在處理長尾場景時表現(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，成功解決了傳統(tǒng)分段式端到端系統(tǒng)中信息損耗、訓練分離等核心問題。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，都達到了新的高度。這種設(shè)計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。

當然，再先進的算法也離不開芯片的支持。黑芝麻智能在設(shè)計端到端參考方案的同時，充分考慮了軟硬件結(jié)合的實際需求，使其方案可以靈活適配不同性能的芯片平臺。

不含 VLM 和 PRR 模塊的標準版方案，可在黑芝麻智能現(xiàn)有的武當 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，并為L3和L4級自動駕駛做好準備。

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)的加速崛起貢獻更多智慧與力量。