2023年7月5日-7日，由中国汽车工业协会主办的第13届中国汽车论坛在上海嘉定举办。本届论坛以“新时代 新使命 新动能——助力建设现代化产业体系”为主题，设置“1场闭门峰会+1个大会论坛+16个主题论坛+N场发布”共18场会议及若干发布、展示、推广等活动，旨在凝聚各方力量，形成发展共识，为建设现代化产业体系贡献汽车行业的智慧和力量。其中，在7月6日下午举办的“主题论坛五：智能网联汽车产业新趋势与未来发展”上，智己汽车科技有限公司副首席技术官郭辉发表精彩演讲。

感谢主办方的邀请，在这个论坛上我分享一下智己对于智能驾驶发展趋势的思考和探索。

(资料图)

首先介绍一下智己汽车，我们成立于2020年12月25日，是由上汽、张江高科、阿里巴巴共同出资打造的全新用户型科创公司，我们致力于成为智能时代出行变革的实现者。

去年我们量产了第一台车L7，在电动车领域塑造了驾控标杆，今年一季度我们量产了第二台车LS7，在市场上得到了消费者的广泛好评。今天跟大家分享一下我们在智能驾驶方面所做的工作，以及对于技术趋势的思考。我的介绍分三部分：

第一，智己一直以打造“更像人”的智能驾驶体验作为我们的开发目标。结合这个目标我介绍一下智己在智能驾驶开发方面的实践。

第二，介绍一下我们是如何实现这个目标的，我们通过打造“更像人”的智能驾驶实现平台，包括硬件平台、数据平台、算法平台，实现开发目标。

第三，简单分享一下我们对于未来技术演进方向的思考。

首先，从打造“更像人”的智能驾驶体验目标出发，我们的技术路径是基于场景进行用户体验的深度开发，打造有温度、更像人的智能驾驶产品，实现差异化的用户体验。

智己在这方面的底蕴得益于2014年开始上汽集团就成立了前瞻工程团队，在智能驾驶系统、规控等领域进行了前瞻性研究。2017年成立了人工智能实验室，开始在深度学习方面进行全面布局。2020年开始，智己在智能驾驶领域和我们的合作伙伴一起联合开发。在2021年的时候，结合智己第一辆车L7的量产，我们在行业内率先使用多传感器、多任务transformer模型，基于时序BEV机制，实现one model感知模型落地量产。在2023年3月，我们发布了行业内第一个基于深度学习的数据驱动规划模型。

光讲这些大家可能感受不是很深刻，所以我举几个典型的场景例子，展示我们怎样打造“更像人”的智能驾驶。

·场景1：拥堵插空变道。

拥堵场景变道的时候目标车道的车间隙比较小。周围的环境复杂，比如其他车辆在不断加速、减速，所以靠智能驾驶系统实现变道挑战比较大。

这个视频展示的是智己智驾系统在拥堵工况下实现的连续变道，动作非常丝滑，就像老司机一样。从技术解决方案来讲我们做到了两点：

1、对于车距、车速环境的精准感知和预测，比如对于他车车速的感知精度达到了0.28m/s，才能帮助我们实现在复杂环境下的精准变道。

2、对于底盘的精准控制，通过主动加减速的方式，实现插空变道。

·场景2：拥堵跟车。

这个视频很好解释了我们是如何通过数据驱动的方式实现算法的提升和迭代的。这个视频里面的橙色线是算法规划的轨迹，白色线是专业司机的轨迹。可以看出两点：

1、算法和专家司机的轨迹非常接近，说明在拥堵跟车的时候，实现了更像人的驾驶体验。

2、同时也体现了我们通过数据驱动的方式实现算法迭代的原理，两个轨迹还是有差距，这个差距就是我们在算法学习时要优化的目标。

·场景3：我们在高速高架及城市道路上经常遇到的并线切入场景。

这个场景在智己IM AD系统中，做到了车辆距离非常近的时候，做纵向减速的同时会进行横向小幅度躲闪，像人开车一样，可以大幅度降低人工接管率，提升驾驶员对于智能驾驶场景下的处理信心。如果是前方的目标车是低速切入的话，这个时候系统会进行舒适的减速，不会让驾驶员有不舒适的感觉。如果前方的目标车是高速行驶，通过感知模型的精准判断，我们判断出来没有碰撞的风险，这个时候自车不会减速，可以提高行车舒适性。

·场景4：这是我们最近推出的一键智能化场景代驾功能。

针对用户的痛点，比如在狭窄的泊车位，车停进去之后周边又泊了很多车，怎么把它泊出来？可以使用一键脱困功能；又比如我们在水平车位泊入的时候，可以使用“视觉融合辅助泊车”的功能。但是如果自己泊了一段怎么办？这个时候可以用“一键贴边”的功能，车辆会自动与路沿进行对齐，实现水平车位的顺畅泊入。还有“一键循迹”，如果在小区里面寻找车位，在狭窄通道开到断头路却发现没有车位，怎么退出去？智己IM AD系统提供了一键循迹退出的功能。

我们始终围绕用户体验，基于场景打造智能驾驶体验，我们已经发布了非常多的功能，这些功能我们不一一赘述了。今年下半年，我们还会推出智己精心打磨的“城市领航辅助”的功能。我直接拿视频，大家可以看一看。

第一个是展示IM AD系统的路口避障能力，视频中经过了两轮车和横穿马路的行人，我们的车可以做到平稳避让，没有接管。

第二个是展示复杂夜间场景，有逆光而且人车混流，我们的IM AD系统也可以做到轻松应对，绕行通过。

从技术路线看，从智能驾驶泊车的角度来讲，发展趋势是支持更多种类车位的泊入，比如未来立体车库，记忆泊车和代客泊车，以及未来和端到端的智能驾驶连续性场景如何结合起来。

行车方面来讲，我们逐步解放人的脚、手、眼，领航辅助系统从高速高架到城市辅助驾驶，向L3的Hands-free、Eyes-free发展

智己打造下一步智能驾驶体验的目标也是非常清晰的，打造端到端的智能驾驶。前面在朱老师报告当中也提到了，现在城区开放的高精地图相对有限，鲜度和更新频次也是另一方面的问题，所以我们和高精地图的行业同仁也在讨论。发展方向很明确：重感知、轻地图。我们看到了地图的合作伙伴也推出了轻量地图，这是未来我们智驾研究迭代的方向。

能够做到更像人的智能驾驶体验，得益于我们有一个强大的硬件平台，智己的硬件平台并不是完全堆料，从传感器的角度来讲我们是坚持走以视觉为主进行融合的技术路线，会逐渐减少对于毫米波雷达和激光雷达的依赖。

从计算平台角度来讲，从之前的Xavier、Orin，到今天我们在做的One Box，下一步还会朝着One SOC的方向演化。

从数据平台来讲，智己已经搭建了第四代数据工厂，从数据采集、处理、自动化标注到算法模型迭代可以实现完整的闭环自动化。数据不仅用于算法本身的迭代，也可以用于挖掘用户在场景当中的痛点。

从算法的迭代方向来看，对于智己来讲有三个D：DDLD、DDOD、D.L.P。DDLD和DDOD代表我们在感知智能方面的探索。

DDLD是基于数据驱动对道路特征进行识别，在视距以内通过精准感知识别道路特征，在视距以外结合道路拓扑进行匹配融合，这样可以对环境进行更好的预判。

DDOD，结合空间占用的方式，对于道路上的参与者，包括车辆、两轮车、人进行判断。光有感知智能不够。今天大家谈论比较多的还是感知智能，但是智己在实践当中发现，我们今天遇到的基于规划导致的问题，是感知导致接管问题的10倍。所以我们今年3月份发布了基于深度学习的规划算法DLP，未来我们发展的目标是把感知智能和认知智能（DLP）进行完整融合。

最后讲一下我们对于人工智能技术和智能驾驶技术发展的展望。

随着电子电气架构集中化的发展，驾和舱在进行融合。在3-5年内，还是人机共驾为主。这个过程当中怎么让人更好驾驶，能够在智驾的状态下让人更有信心，必然是需要驾和舱进行充分融合交互。

GPT带来了智能驾驶和智能座舱在云端进行预训练、仿真等方面快速提升的可能。一方面随着智驾算法的快速迭代，智驾的感知对于环境的理解甚至超过人类（因为它有超视距的信息），会持续提升智能化程度。另一方面，借助于智驾的能力提升人驾体验是发展趋势，比如智驾对于环境的感知能力，在人开车的时候也可以带来帮助。