德赛西威领投智驾科技B轮3亿元,加速智能驾驶人人可享

进入2021年,L2级辅助驾驶这把火烧得更旺了。

根据高工智能汽车研究院监测数据显示,今年1-8月国内新车(合资+自主品牌)前装标配搭载L2级辅助驾驶上险量为224.27万辆,实现了同比78.42%的大幅度增长。

高工智能汽车认为,2022年将是L2级ADAS产品集中放量的时间点,同时也是国产、外资供应商,以及国内外投资商争夺未来几年市场份额的关键时期。

2021年11月18日,中国智能驾驶和智慧出行核心技术服务商智驾科技MAXIEYE宣布,公司已于近日完成3亿元B轮融资。

本轮融资由德赛西威领投,人民网旗下基金、上海自贸区基金、涌铧投资跟投,星宇车灯作为等老股东增持。本轮资金将主要用于补充乘用车智能驾驶产品的规模化量产落地投入,以及高阶自动驾驶技术的进一步研发储备。

截至目前,智驾科技MAXIEYE已获得多家产业投资方、国有资本、私募基金等强大资本力量加持,加速迈入ADAS驾驶辅助到ADS自动驾驶规模化落地的关键进程。

不过,在智能驾驶的商业化赛道上,比拼的不仅是谁跑得快,更是谁会跑的更远。企业必须找到合适的商业化路径,在市场中找到准确定位,快速落地产品,才能长久地在这场马拉松赛中站稳脚跟。

智驾科技MAXIEYE秉持着“严谨、务实”的业务模式,坚定“科技平权”的理想,当下将目光锁定在了生产消费者“用得起、愿意用”的智能驾驶系统上。

前不久,MAXIEYE 宣布其首款面向乘用车的智能巡航功能产品 MAXIPILOT® 1.0 即将量产。

产品聚焦 10 ~ 15 万级别的乘用车车型,提供场景覆盖结构化公路、城市道路,支持 LDW、LCC、 ACC、FCW/PCW+AEB、TJA、AHBC、TSR、TLR、SCW、DFW、ILC 等 ADAS 辅助功能,达到 L2 级自动驾驶水平。

德赛西威领投智驾科技B轮3亿元,加速智能驾驶人人可享

扫描二维码关注公众号,回复: 13481811 查看本文章

智能驾驶进入科技平权时代

公开资料显示,截止2021年,中国市场L1-L2级ADAS产品的主要提供方仍然是外资企业。不过近两年来,在软件算法及硬件选择上更为开放的国产ADAS供应商也正在涌进前装市场。

从去年开始,国产供应商们陆续拿到了前装乘用车ADAS量产定点项目,在国际巨头盘踞的ADAS市场实现了突围。而一些自主品牌也在尝试与国产供应商进行全栈智能驾驶算法的联合研发。很显然,L2竞技舞台的聚光灯正在照向国内供应商。

不过,抓住L2的市场机遇只是第一步,智驾科技MAXIEYE有着更远大的目标,那就是实现智能驾驶时代的“科技平权”,打造人人可享的智能驾驶,这也是其为汽车前装市场主流价位车型打造的智能驾驶产品方案。

德赛西威领投智驾科技B轮3亿元,加速智能驾驶人人可享

对于“科技平权”,智驾科技MAXIEYE COO杨腾飞给到了如下阐释:

一、把最好的自动/辅助驾驶技术普及化,让每个人能够享受到科技的乐趣;提升智能驾驶产品的性能体验、安全性;

二、使大众对智能驾驶产品的接受度和信任度提升,愿意使用智能驾驶产品;

三、推出立足本土的智能驾驶产品。本土自研的智能驾驶产品具备更懂中国路况的优势,使中国用户普遍享受到“用得安心、舒适的ADAS产品”。

针对技术普及,在智驾科技MAXIEYE看来,产品全面的设计降本是促成一项技术真正走向千家万户的基础,比起堆砌大规模高成本硬件以实现性能,行业需要探讨如何在功能与成本落地化之间寻找平衡。

为此,智驾科技MAXIEYE坚持以技术独立实现成本自控。

其MAXIPILOT® 1.0采用自主研发的全栈核心技术,不依赖国外的昂贵技术,大幅降低了产品落地成本,基于1R1V的基础传感器配置方案,完全满足15万元乃至10万元价位车型的成本要求。

不同于堆砌硬件、一味地采用大算力的平台来赋能产品相应能力这种做法,智驾科技MAXIEYE另辟蹊径,借助其强大的软件嵌入式能力,最大限度地挖掘芯片的算力资源,实现在不同算力平台上的快速迁移,且在高性价比的算力平台上也可达到最佳效果。

值得一提的是,智驾科技MAXIEYE在此次发布的MAXIPILOT® 1.0配置方案中,首次在1R1V的千元级低成本产品上部署了数据闭环,并且逐渐形成标配。

相比特斯拉、国内新势力倾向在高价位的配置中部署数据闭环,该路径更容易形成规模化的数据源,建立更优质的数据壁垒。

面向市场,智驾科技MAXIEYE在乘用车ADAS市场选择了10万元级车型作为第一个细分领域切入点,保障价格亲民的同时,为未来更高级别的自动驾驶技术产品演进建立了市场和用户基础。

受益于数据回传庞大的规模,其采集场景的丰富性将大大提升,算法迭代速度加快,以更短的时间解决更多的Corner Case。

此外,该系统可将路试场景完整无损(bit match比特级匹配)地还原,大幅度提高工程师的测试效率。并在系统开发测试中,快速地复现问题场景,锁定并高效解决问题。

极致性价比是如何炼成的?

智驾科技MAXIEYE首席技术官郭恩庆(原安波福中国主动安全总工程师)曾提到,自去年起L2开始向主流车型加速渗透,看似风光无限,但是体验通常不尽如人意。

诸多体验结果显示,辅助驾驶的很多功能只是徒有其表的花架子。例如,为了避免频繁感知错误造成的误判,不少用户都会选择直接关掉适用高速场景下的车道保持、偏离预警等功能;

此前发生的蔚来ES8因为开启NOP(外界猜测系统对前方静止的公路养护车漏检导致)造成的严重事故,也再次引发业内对辅助驾驶的全面审视与反思。

一次次辅助驾驶相关事故的发生,一方面暴露出L2/L2+级系统面临各类现实场景的“应对不足”,仅限于某些特定场景下的功能实现,背后核心仍是现有感知系统的种种“缺陷”。

智驾科技MAXIEYE相信,传感器融合归根结底还是靠将单传感器性能做到极致,当某个单一传感器在性能上远超其他(传感器)时,追求多传感器融合将是一个伪命题。

深耕AI视觉算法,智驾科技MAXIEYE创造性地使用视频流(多帧)等图像分析技术,在三维场景构建的基础上引入时间维度的分析,实现从三维到四维感知的突破,并可完成纯视觉测距测速、准确计算碰撞时间、稳定全局目标跟踪,更好地助力智能驾驶系统级产品的集成开发。

德赛西威领投智驾科技B轮3亿元,加速智能驾驶人人可享

其单目视觉系统可实现目标检测99%以上的准确率,测距测速平均精度误差小于5%,性能行业领先。

今年,智驾科技MAXIEYE推出了4D视觉感知系统,也是为数不多能够支持整车L2以上规划控制功能的视觉解决方案。在3D视觉感知系统的基础上,引入了时间流维度。相比之下,3D感知可以在其他车行驶轨迹变化后,做出决策,4D感知则可以提前预测车辆的运动轨迹,进而做出更加精准、安全的决策。

杨腾飞表示,“我们在光线变化明显的隧道中与国际一线的视觉产品对标,结果显示,它在整个隧道场景中大概退出了两次,而我们的产品全程表现稳定,没有退出,且在所有测试中整体接管的次数非常低,可以让消费者充分信任,消除消费者对自动驾驶的不安全感。”

而不得不提的是,城市道路还存在众多棘手场景。

例如过急弯或大弯时,感知系统对场景预测失误,导致车辆不能提前减速,出现入弯困难;

在城市高架上下匝道场景中,坡道+弯道增加了场景本身的识别难度,加上交错复杂的车道线会对车道线的选择和识别提出挑战,导致路径规划和控制功能开发难度系数增加;

又如岔路口和十字路口情况中车道线消失导致系统跟车跟线频繁切换、无高精地图情况下的超远距车道线识别是当前行业面临的共同挑战。

在传统的解决方案中,感知和控制算法通常各自为政,由两家服务商分开来做。无论感知还是控制,往往都存在或多或少的误差。

特别是在这两家合作的服务商彼此没有非常深入的技术协同的情况下,将二者融合则会进一步导致误差叠加。

此外,该供应方式无法做到非常底层的融合,当底层出现漏洞时,即使在上层打补丁,也只是治标不治本。

面对上述痛点,智驾科技MAXIEYE打通了从Sensing到System的全栈技术的底层逻辑,并在团队内部解决了技术割裂的问题。值得一提的是,从此,感知所需的大量信息属性都可以在图像层面轻松解决。

德赛西威领投智驾科技B轮3亿元,加速智能驾驶人人可享

比如在Cut-in场景中,传统的感知供应商只能提供车辆的横向朝向角、速度等非常固化的信息。而智驾科技MAXIEYE的方案则可以从图像层面输出前方车辆与当前车道线的相对信息,比如压线角、压线时间等,为系统功能开发提供更多决策方案。

同时,图像级感知也能实现更加精准、稳定的动态跟踪,可在图像层面上进行泛化性场景的理解,提取弯道、路口等场景的特征信息来为控制策略提供更好的支撑。

综上,智驾科技MAXIEYE逐一击破了各个L2难点场景,优化驾乘体验。

通过冗余校验的感知融合算法设计,降低漏检率、提升稳定性;进行图像级别检测,解决急速Cut-in场景问题;针对复杂车道线检测设计专门算法模型,在俯仰和颠簸路况下,实现更加稳定的车道线识别跟踪,让驾驶体验更加流畅、舒适;针对小S弯难以识别的问题,采用两段三阶曲线分段解释,让路径规划和控制策略更像老司机。

“以技术创新成就安全美好出行”是智驾科技MAXIEYE的使命和初心。在产品研发的过程中,MAXIEYE坚持投入80%的精力去攻克20%的极限场景,以安全可靠为基石,最大限度保障系统冗余性,优化用户体验。

杨腾飞表示,MAIXIPILOT® 1.0今年将率先在 2 款国内自主品牌乘用车上搭载。同时,公司也将通过与客户建立的数据共享机制和平台,持续采集更多场景信息,以数据反哺算法,持续解决极限场景系统难题并逐步建立数据壁垒,从而推进技术演进,为行业实现更高级别的智慧出行体验而加速赋能。

猜你喜欢

转载自blog.csdn.net/GGAI_AI/article/details/121416386