2019年自動駕駛行業的關鍵詞是“落地”。在封閉場景發力低速無人駕駛，在高速公路上佈局幹線物流運輸，在汽車上搭載L2+及以上級別的解決方案，各家都以不同的方式推進落地的進程。
在行業內人士看來，落地的關鍵因素還是看市場需求。毫無疑問，無人駕駛潛力巨大，但現階段似乎並非實際需求最大的應用，眼下行業急需的是實用性更強的輔助駕駛以及限定條件下的自動駕駛。
據紐勱科技CEO徐雷向雷鋒網介紹，目前國內車企比較偏向於L2+級輔助駕駛的應用，除了可以提供相對智能化的功能外，還可以一定程度上規避行業在落地過程中可能遇到的法律風險，同時消費者也比較喜愛和能接受這種功能。
但是並不是說在技術上只停留在L2+水平，不少車企目前的技術儲備已經達到L3。而且自動駕駛方案提供商也在醞釀提供L4級別的自動駕駛，但是從市場需求來看，提供L2+/L3方案更具價值和可行性。
在紐勱科技成立的兩年多時間裡，發佈了MAX自動駕駛解決方案，獲得來自德賽西威的Pre-A輪產業融資。紐勱的最終目標是實現複雜場景下的無人駕駛載人和運貨，但徐雷認為要達到這一目標並非一蹴而就，目前主機廠對於自動駕駛方案的需求還集中在L2+/L3。因此紐勱提供了一套面向市場的L2+/L3方案，與市面上其他同類型方案相比，此套方案具有可定製化、安全經濟、全棧式的特點。
充分可定製的L2+/L3
目前的L2級輔助駕駛功能主要集中行駛和泊車兩大類應用場景上，前者包括有感知預警，識別功能以及主動控制等功能，如TSR交通標誌識別、ACC自適應巡航、AEB自動緊急制動等，後者則包括有SVC全景倒車輔助、APA自動泊車等。但是根據車企2020年研發計劃，眾多車企對更高級別的功能也有需求，希望將以L2級別預警控制為主提升為以主動控制功能為主，因此市場上L2+/L3級自動駕駛出現了大量需求且未被滿足。
紐勱的L2+/L3方案主要應用在結構化道路、擁堵、泊車三大場景，可以實現高速代駕、擁堵跟車、自主泊車等功能。
與市面上其他L2+方案不同的是，紐勱的方案可根據需求進行L2+級輔助駕駛定製，也可以提供L3級的自動駕駛。除了可以選擇實現全套功能的高端配置，也可以基於經濟配置實現自定義的功能。
比如在搭載高端配置車輛時，可以滿足全功能需求。基於配置更全的傳感器和規格更高的計算平臺，不僅眼下可以實現更多較複雜場景下的自動駕駛，未來還可以和智慧城市智能交通系統相結合，實現L4級別自動駕駛。
對於經濟配置的車輛來說，紐勱仍可以提供以視覺感知為主、多傳感器融合的方案來實現自主泊車、擁堵跟車等自定義功能，方案可基於ASIC芯片的低成本計算平臺打造的，在節省成本的前提下滿足客戶的個性化需求。
據雷鋒網(公眾號：雷鋒網)瞭解，目前很多國際大廠也提供L2+/L3方案，但是通常會一個方案提供給多家車企使用，對於車企來說不能滿足個性化需求，紐勱的L2+/L3方案可以解決這一問題。
相比於過往的L2，紐勱的L2+/L3方案在性能和體驗上做得更好，並且功能點更多。比如在泊車方面，識別車位的精度更高，支持小物體識別及避障，可以處理多角度、多形狀車位。同時，不需要駕駛員就能實現泊車，車輛能處理所有遇到的情況，甚至來說這屬於限定場景下的無人駕駛，即L4級別的應用。
又比如，通過採用多攝像頭的視覺型方案，紐勱可以實現9成以上的車位識別率；像是在彎道保持方面，紐勱可以應對曲率半徑極小的彎道而不需要人工介入。同時，紐勱的L2+/L3還能實現撥杆換道、上下匝道、主動超車等功能，這是市面上很多其他方案都實現不了的。
成本與安全：前裝量產的前提
一種方案要被廣泛應用，除了滿足市場需求外，成本和安全是兩個需要考量的重要因素。
紐勱的L2+/L3方案採用的是成熟的車規零部件。通過使用攝像頭、毫米波雷達以及超聲波雷達作為傳感器，免去了使用激光雷達的成本。同時，計算平臺也是ASIL D功能安全等級的控制器，不用工控機；沒有用高精定位系統，採用自研的高性能定位。在硬件配置上，紐勱認為當前的硬件就可以滿足這些功能的需求，因此從成本上來說可以實現量產，而且極具優勢。
但是對於成本相對較高的硬件，比如說激光雷達、高精地圖和高精定位，紐勱的態度是不依賴。就是說在沒有“豪華”硬件配置下也能使用該方案實現所設計的功能，有的話性能可以更高。在徐雷看來，攝像頭更容易在量產路上成功。
從技術角度來看，雖然目前攝像頭對於障礙物距離和速度的感知沒有激光雷達精度高。但是通過深度學習和計算機視覺的方法可以不斷提高攝像頭的感知精度，同時融合毫米波雷達的數據，在不顯著提高成本的情況下，達到激光雷達的感知精度。
對於高精度地圖的使用也是如此。不同場景對定位的需求是不一樣的。紐勱的方案可以支持導航地圖，也可以支持接入ADAS地圖和高精地圖。但是在具體操作過程中，是將其作為冗餘，因為從安全角度去考慮的話，完全依賴高精地圖的自動駕駛車輛在遇到地圖未更新情況下會出現不可預知行為，這本身是存在安全隱患的。
此外，紐勱還在功能安全、預期功能安全以及網絡信息安全三個方面對方案進行了全面考量。
一般來說，自動駕駛公司會根據應用場景去補充安全架構和模塊。但是徐雷認為，自動駕駛的應用場景發生變化，系統的性能也通常會有一些影響，如果將功能開發完後再去添加安全模塊，會帶來諸多安全問題。因此，紐勱從最開始就將安全納入進來，從設計、開發，到功能實現、測試，其中的每一個環節都把安全放在第一的位置。
紐勱這套L2+/L3方案的競爭力，可以歸結為通過成熟經濟的傳感設備及計算平臺，提供了足夠靈活多樣的量產選擇，實現豐富全面的功能體驗。
基於MaxOS的自研全棧解決方案
紐勱的L2+/L3方案並非一套孤立的方案，而是由基於MaxOS的自研全棧解決方案所實現。
此方案有一套頂層的L4設計，但是可以根據客戶需求，可以將某些技術下放到L2+/L3應用。在這套方案裡，可以實現L2到L4的功能，主機廠如果只有高速代駕或者自主泊車的需求，可以從方案中抽取部分模塊，提供定製化的服務，在成本上也會更低。
無論哪個等級，都需要感知、規劃、控制模塊，也都需要用到人工智能、深度學習、計算機視覺技術，都需要考慮系統運行、人機交互等方面的功能。在大的環節上L4和L2+/L3是較為相似的，因此可以在一套方案中通過不同模塊配置滿足不同需求，在技術上完全可以實現從L4降維使用L2+/L3。
換言之，即使當前上車的是L2+/L3方案，未來車輛仍有進一步升級的空間。在L4的頂層設計下，通過L2+/L3階段的數據積累，整套方案可以進行技術迭代，優化感知性能，或者提高預測能力和規劃能力，提升複雜場景下的功能體驗。
在一套方案中提供不同級別、不同需求的功能，相當於搭建了一個平臺。而此套方案也是基於紐勱自研的MaxOS平臺運轉。
MaxOS類似計算機操作系統，對自動駕駛的軟硬件資源進行管理。MaxOS對傳感器、計算資源進行抽象配置，提供給算法開發人員統一的接口；對算法、子系統、功能進行模塊化管理，減少系統的耦合性；此外，還會提供一套基礎的通信庫，高性能計算庫，深度學習加速庫。通過MaxOS平臺，可以實現各種模塊的插拔式管理，從而可以以不同的軟硬件配置實現不同的功能配置。
紐勱目前做L2+/L3有兩方面考量。一方面可以滿足客戶需求，為客戶創造價值，另一方面在技術模式和商業模式驗證可行後，為將來實現一個大規模的L4級別的運人和運貨提供數據反饋和算法迭代，否則即使當前在一個區域裡面解決了所有問題，未來擴張時也會不斷遇到新的場景和新的問題。
在紐勱看來，L2-L4的自動駕駛在前裝領域的應用將會是持續推進和迭代的過程。目前一些成熟的L4的功能近年就可以應用到前裝的乘用車上，比如自主泊車；而一些L2+/L3的功能點，以後也可以通過更新升級到L4的體驗；現在沒有的L4功能，以後也能直接通過推送在預留軟硬件能力的車輛上升級實現。
徐雷向雷鋒網表示，自動駕駛從實驗室走出到落地，再到量產，是一個逐步迭代的過程。無論是從技術角度，還是從法律法規，城市建設等方面，都還未達到大規模實現複雜場景下的L4的條件。現階段根據市場需求提供實用的L2+/L3方案，是一件極有價值而又能完全做好的事。
閱讀更多 雷鋒網 的文章
