近日，智行者與清華大學(xué)車輛學(xué)院***院士、李升波教授領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，完成了國(guó)內(nèi)首套全棧式端到端自動(dòng)駕駛系統(tǒng)的開放道路測(cè)試。依托車路云一體化智能網(wǎng)聯(lián)駕駛架構(gòu)，該團(tuán)隊(duì)研發(fā)的端到端自動(dòng)駕駛系統(tǒng)涵蓋了“感知-預(yù)測(cè)-決策-規(guī)劃-控制”等全鏈路環(huán)節(jié)，從今年1月份率先啟動(dòng)了城市工況的開放道路驗(yàn)證，經(jīng)過(guò)近4個(gè)月的內(nèi)部測(cè)試，完成了各項(xiàng)性能的綜合評(píng)估。這一工作為L(zhǎng)3級(jí)及以上高級(jí)別自動(dòng)駕駛系統(tǒng)的落地應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)。

系統(tǒng)開發(fā)中，智行者主要貢獻(xiàn)在于感知模型的構(gòu)建與預(yù)訓(xùn)練，并與清華大學(xué)等單位共同完成了實(shí)車平臺(tái)的搭建與開放道路測(cè)試。

目前，處于L1、L2級(jí)智能駕駛系統(tǒng)主要依賴“模塊分解”的設(shè)計(jì)思路，盡管部分模塊（如感知、預(yù)測(cè)等）已經(jīng)初步神經(jīng)網(wǎng)絡(luò)化，但是決策、規(guī)劃、控制等模塊仍然嚴(yán)重依賴人工規(guī)則和在線優(yōu)化，缺乏利用數(shù)據(jù)進(jìn)行閉環(huán)迭代的能力，這導(dǎo)致行車過(guò)程的智能性仍然不足。同時(shí)，模塊間不可避免地存在較大信息損失，且各模塊的優(yōu)化目標(biāo)存在一定沖突，不利于自動(dòng)駕駛過(guò)程的綜合性能提升。

與之相比，以全模塊神經(jīng)網(wǎng)絡(luò)化為特征的“端到端”自動(dòng)駕駛系統(tǒng)，因模塊與模塊之間的信息傳遞可依賴高維度特征向量，且神經(jīng)網(wǎng)絡(luò)具有充分的訓(xùn)練自由度，最大程度地減少了傳感器到執(zhí)行器之間的信息損失，使得全棧模塊具備利用數(shù)據(jù)閉環(huán)進(jìn)行快速更新的能力，這為高級(jí)別自動(dòng)駕駛的智能性提升提供一條全新的技術(shù)路徑。

面向這一技術(shù)發(fā)展趨勢(shì)，清華大學(xué)與智行者團(tuán)隊(duì)自2018年開始瞄準(zhǔn)端到端自動(dòng)駕駛領(lǐng)域進(jìn)行深耕，重點(diǎn)突破決策、規(guī)劃與控制領(lǐng)域的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練難題。團(tuán)隊(duì)先后提出了面向高級(jí)別自動(dòng)駕駛的集成式?jīng)Q控（IDC）開發(fā)框架，研發(fā)了綜合性能國(guó)際領(lǐng)先的數(shù)據(jù)驅(qū)動(dòng)強(qiáng)化學(xué)習(xí)算法（DSAC），首創(chuàng)了時(shí)空分離的交通參與者行為預(yù)測(cè)模型（SEPT），設(shè)計(jì)了具有動(dòng)作平滑特性的控制型神經(jīng)網(wǎng)絡(luò)架構(gòu)（LipsNet），開發(fā)了自主知識(shí)產(chǎn)權(quán)的最優(yōu)控制策略近似求解器（GOPS），以螞蟻搬家的精神逐一解決了端到端自動(dòng)駕駛面臨的一系列核心難題。

以此為基礎(chǔ)，今年年初清華大學(xué)與智行者團(tuán)隊(duì)成功研制了首個(gè)從傳感器原始數(shù)據(jù)到執(zhí)行器控制指令的全棧神經(jīng)網(wǎng)絡(luò)化自動(dòng)駕駛系統(tǒng)，并率先完成了城市工況開放道路的實(shí)車測(cè)試驗(yàn)證。

從感知到控制的全鏈路端到端自動(dòng)駕駛系統(tǒng)原理圖

清華大學(xué)與智行者在這一研究工作中，形成了校企之間緊密配合、通力協(xié)作的聯(lián)合攻關(guān)團(tuán)隊(duì)，共同完成了系統(tǒng)功能集成、性能評(píng)估迭代等后期任務(wù)。本研究獲得國(guó)家“十四五”重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金以及清華大學(xué)自主科研計(jì)劃支持。