----------------------
- 轉發 @大懶貨: 蹭到車庫邀請地平線BPU算法負責人羅恆博士線下開展的“⾯向⾼階智能駕駛的計算架構演進”沙龍
#自動駕駛##新能源汽車#
感謝羅博對地平線如何打造自動駕駛“軟硬結合”解決方案進行了解讀@42號車庫@地平線HorizonRobotics@42號車庫-萊因哈特@張抗抗KK@朱玉龍-YL@Rocky劉毅林@肉肉爸比ev@63充電中@電動知士大雨
在場參加沙龍的都提出了大量硬核問題，我這裏簡單記錄一下我關注和我自己提的一些問題：
1. 問：地平線J5是否可以實現城市NOA?
答：可以實現體檢不錯的城市場景NOA功能，主要看主機廠的產品規劃與落地需求
2. 問：地平線J6看參數可以支持16路800萬像素的圖像識別，J5是4路800萬像素或者16路200萬像素，那是否簡單的對比，J6的算力是J5的4倍及以上？
答：J6將會是一個產品家族，會有多個等級配置，這裏的支持應該是最高等級的算力方案，地平線J6旗艦版的算力將做到和友商同期旗艦產品相同的表現；此外J6將實現智能駕駛與智能座艙用同一顆芯片打通。
3. 問：端到端大模型是否是目前看自動駕駛的最優解？
答：是，目前看端到端大模型雖然可能存在一些缺陷，但是目前看是自動駕駛最優解的方案之一，但是現階段地平線並沒有採用“圖像進決策出”的端到端方案，因為現階段還需通過分配成“感知、規控、決策”等多個模型去調整算法，實現工程的落地。
4. 問：地平線如何看到端測和雲端及數據採集？
答：地平線本身不採集主機廠車隊的數據，但是提供開發工具幫助主機廠對車隊數據進行上雲和分析，將極大的優化現有車隊模型算法，進而提升實際效能
5. 問：為什麼地平線J5芯片算力只有128T？
答：這裏地平線更多考慮的是主機廠和消費端的可接受價格和有效算力，再好的解決方案，如果不能落地就不是一個可以用的解決方案，例如特斯拉的HW3.0也是一個非常具有通用性、成本性、規模性的駕駛輔助解決方案。
6. 問：地平線J5對於BEV、Transformer等自動駕駛算法是否支持？
答：支持，而且在J6裏面將進一步支持佔用格柵，實現對不規則物體的佔用空間的準確識別
7. 問：基於不同平台算法之間的遷移成本是否很高？
答：是，這裏從英偉達、地平線之間的不同芯片的算法互相遷移是有很高的成本，這也是行業共同遇到的問題
8. 問：為什麼現在在主機廠沒有基於地平線J5的城市NOA方案？
答：這裏我們為主機廠提供瞭解決的可行性，具體要看主機廠的產品需求，我們這裏更關注進一步提升用户體驗。
9. 問：為什麼地平線駕駛輔助的攝像頭沒有用類似大疆得雙目前視實現深度感知？
答：通過多焦段得前攝，基於BEV也同樣能實現將多個視角內得移動物體統一到一個座標系內進行測距、類型識別和運動狀態預測，實施上實現的是相同的需求導向。
10. 問：未來是否可能存在因為芯片限制等原因影響地平線自動駕駛芯片的量產？
答：可能，但是車端的芯片首先製程相對沒有這麼先進，因此可能不會優先被限制，此外這裏也是行業的共同限制因素，而並非地平線一個公司的限制因素。
----------------------
via 42號車庫的微博