凤凰网汽车

作者 | 明成

编辑 | 志豪

车东西1月10日消息，日前，2023全球自动驾驶峰会（GADS 2023）上，多位自动驾驶行业大咖都在演讲中提到了自动驾驶大模型，探讨了自动驾驶大模型的发展现状和应用前景。

在上午的主会场上，千挂科技联合创始人叶璨发表了题为《商用车智能驾驶的落地实践与技术新趋势》的主题演讲。他以自动驾驶卡车为切入点，介绍了干线物流场景下自动驾驶技术的最新实践进展，并分享千挂科技团队在BEV感知、前融合、视觉语言大模型、端到端自动驾驶等方向的最新进展。

叶璨提出，干线物流行业市场规模巨大，司机成本占比高且行业未来将面临卡车司机人数不足等问题。所以，干线物流行业智能化升级完成对人力的替代，这是刚需的问题。

千挂科技瞄准跨经济圈之间的长途干线物流运输，他们希望通过自动驾驶技术大幅度降低司机的疲劳度，将两个司机减到一个司机，同时把司机日均驾驶里程从600公里提升到1000公里以上，这样有望实现传统物流5倍以上的利润率。

为了实现这样的愿景，千挂科技进行了大量自动驾驶技术实践。叶璨介绍，感知预测方面，千挂科技通过多传感器、多模态的融合，以及点云和图像的融合，实现对各种复杂路况的感知。自动驾驶的障碍物预测则采用Scene-centric架构，对所有的agents统一建模，简化建模的流程，大幅提升训练和推理的效率。

智驾大模型方面，千挂科技使用点云和图像进行特征融合，完成各种感知相关的子任务，如障碍物检测和分割等。通过硬件和算法确保感知距离达到300~500米。此外，千挂科技还通过开源模型和多模态预训练，让系统可以更好地识别长尾物体，提高对场景高级别能力的理解和泛化能力。

叶璨还提到，端到端已经成为智能驾驶领域一个新的技术趋势，千挂科技近期在端到端方向上进行了集中突破。千挂科技的端到端算法AutraFlow整个系统可以看作是一个大的神经网络，在训练的时候可以实现多模态的优化。

“千挂科技的目标是让端到端的算法能够在车上跑起来，甚至在产品和业务当中用起来。” 叶璨在演讲最后说道。

千挂科技瞄准了干线物流这一自动驾驶应用前景广泛的市场，在感知预测和智驾大模型方面有了大量技术实践，更是推出了类神经网络的算法，可以说是走在了自动驾驶行业发展的最前线。在千挂科技的努力下，干线物流行业将迎来新变化，单司机日行千里或许将成为现实。

一、干线物流市场巨大 自动驾驶应用前景广阔

在自动驾驶在物流市场应用前景方面，叶璨提到，目前干线物流行业涵盖700万台重卡，对应的市场规模达到4.6万亿，司机成本达到20%~30%。而且，现在干线物流行业司机数量正在减少，预计2030年卡车司机缺口可能达到10%以上。因此，干线物流行业里面，通过智能化升级完成对人力的部分替代是刚需的问题。

▲现场图片

基于这样的背景，千挂科技提出了他们的目标。叶璨表示，千挂科技瞄准跨经济圈之间的长途干线物流运输，比如北京到上海，上海到广州，这种路线的路程一般在1000公里以上，一般有两个司机完成驾驶作业，核心目标是在长途干线场景下实现双驾变单驾。千挂科技希望通过自动驾驶技术大幅度降低司机的疲劳度，把司机日均驾驶里程从600公里提升到1000公里以上，同时让单个司机也可以完成驾驶作业。

叶璨提到，如果能够实现干线物流的双驾变单驾，未来可以实现传统物流5倍以上的利润。

在实践方面，叶璨提到，千挂科技的车辆已经在京沪线上实现单司机驾驶车辆往返，第一天北京到上海，第二天上海回北京，往返2400公里，全程高速无接管。

同时，千挂科技也在加速推进商业化落地，量产方面，千挂科技去年9月份和一汽解放签订了量产协议，此外，2023年3月千挂科技的车辆开始在京沪线的常态化运营，为顺丰等合作伙伴提供物流运输服务。

二、高速场景长尾问题涌现 大模型助力感知效率提升

除了市场和应用之外，叶璨在会上重点分享了千挂科技在自动驾驶技术上的努力和成果。

叶璨提到，高速场景上的主要问题包括复杂的路况、施工区域、事故和遗撒物等。这对自动驾驶的感知层面带来了很大的挑战。在技术上，千挂科技通过一个大模型完成了所有的感知任务。

在感知过程中，通过多传感器收集的点云和图像被输入到一个大模型中进行感知任务。点云和图像经过处理后获得相关特征，特征通过网络进行融合，得到空间融合的特征。基于时空融合的特征，下游可以完成各种感知相关的子任务包括障碍物的检测和分割。障碍物的检测涵盖了障碍物类别、3D位置、朝向、障碍物运动属性预测和速度等信息。分割任务包括动态障碍物和静态路网元素的感知。

▲千挂科技远距离感知方案

在硬件层面，为了保证感知距离达到300-500米，千挂科技采用了远距离的LiDAR和Camera进行前融合，300米以外则依靠纯视觉完成感知任务。

在障碍物预测方面，千挂科技采用了Scene-centric架构，通过特征编码和解码对障碍物的轨迹进行预测。相比传统架构，这种新的架构统一建模了所有的障碍物agents，简化了建模流程，提升了训练和推理效率。

三、大模型提高智驾泛化推理能力 端到端算法上车进行时

除了现有的感知方案之外，叶璨提到，大模型的本质是通过Transformer的结果，把海量的数据压缩到模型参数里面，未来能为自动驾驶系统带来两个核心变化，泛化和推理。其中，泛化是指对长尾物体的识别通用物体识别能力以及对场景高级别能力的理解，推理能力包括任务拆解和规划能力。

千挂科技还对智驾大模型进行了多模态预训练，其目标是通过融合自动驾驶场景下的多模态车身、图像和点云数据，生成更强的泛化性特征，以帮助实现对长尾物体的识别。多模态预训练的作用是对齐图像、文本和点云数据，并为后续的网络训练提供更稳定的输入。

▲智驾数据闭环

此外，叶璨还提到，大模型在数据闭环中起到核心作用。通过对路测数据进行挖掘，大模型可以帮助发现高价值的长尾数据，如异形车、遗撒物等。同时，基于大模型进行数据化标注可以提供90%以上的数据，千挂科技可以在此基础上进行模型压缩和部署路测，以采集更多数据，并帮助迭代和优化模型。

在端到端方向上，千挂科技取得了部分成就。叶璨指出，千挂科技的端到端算法AutraFlow是一个完全Learning化的架构，整个系统可以看作是一个大的神经网络，在训练的时候可以实现多模态的优化，同时，AutraFlow也更适合在神经网络之间进行交互。

叶璨提出，千挂科技的目标是让端到端的算法能够在车上跑起来，甚至在产品和业务当中用起来。目前千挂科技正在进行路测实践，这套端到端算法正在被搬到卡车上。

结语：自动驾驶助力干线物流行业降本增效

千挂科技不仅在干线物流市场上进行了大量自动驾驶实践，更是在自动驾驶感知预测和智驾大模型方面有了大量技术研发储备和积累，可以说，在千挂科技的努力下，自动驾驶将更深度赋能干线物流行业，助力干线物流行业降本增效，为行业参与者带来更多的利润。