Nullmax纽劢徐雷：行泊一体4.0形态解读，真融合助力大量产｜甲子引力

12月10日，中国科技产业智库甲子光年线上举办的 「心有所护 不畏远行」2022甲子引力年终盛典已经来到最后一天，在产业融合峰会上，Nullmax纽劢创始人&CEO 徐雷以《行泊一体4.0形态解读，真融合助力大量产》为主题发表了演讲。

以下是演讲实录：

大家好，我是Nullmax创始人兼CEO徐雷，今天很高兴来到这里跟大家分享《行泊一体4.0的形态解读，真融合助力大量产》。

Nullmax2016年成立于美国硅谷，作为自动驾驶行业渐进式路线引领者，Nullmax主张以机器学习优先的技术路线，打造以视觉方案为主、多传感器融合的行泊一体自动驾驶解决方案，我们的方案已经进入大规模商业化落地量产的过程。下面我简单介绍一下Nullmax：

我们2016年成立于美国硅谷，2017年来到中国上海建立总部。我们也是最早一批在硅谷获得自动驾驶测试牌照的公司之一。来到上海之后，我们打造了结构化道路的高速代驾、拥堵跟车、自主泊车等一系列功能。同时，从2019年开始，我们和合作伙伴——无论是一级供应商还是OEM，共同打造了真正融合的行泊一体方案，我们的方案在2020年、2021年获得多家OEM的定点项目，量产项目会从今年下半年到明年上半年大规模走向市场。

介绍一下我本人：我叫徐雷，原先在特斯拉自动驾驶团队负责深度学习框架的搭建，主要进行车辆检测、车道线检测等工作，我们的工作成果顺利替代了Mobileye的EyeQ3方案，同时在2016年的Model X上顺利量产。

我的Co-Founder宋新雨，也在特斯拉的自动驾驶团队工作了快4年时间，并完整经历了Autopilot1.0到2.0的转变。

我们Nullmax的核心竞争力主要有以下几点：

其一，我们团队拥有特斯拉基因，且是AI+汽车双领域跨界互补，团队完整经历过大规模自动驾驶量产的落地过程；

其二，Nullmax采用超前的机器学习优先技术(MLF)，基于先进的AI全流程技术布局，特别是业内领先的视觉感知技术，打造了全球领先的技术架构，全栈自研的自动驾驶车端软件架构和云端的数据驱动成长系统。

其三，我们拥有完整的全栈产品矩阵，全面覆盖高、中、低算力主流芯片平台。Nullmax打造了业内唯一在单TDA4低算力平台上实现真正融合的行泊一体4.0量产解决方案；以及在高算力平台上，我们率先基于先进的BEV+ Transformer神经 络技术去构建局部地图，实现高级别的自动驾驶。

其四，Nullmax正加速迈入商业落地爆发期，具备行业顶尖的落地能力，量产项?交付进度业内领先，可覆盖不同算力的域控制器，从而去为不同价位的车型赋能。

中国ADAS市场空间非常巨大，整体渗透率也在显著提升，未来中国ADAS市场规模预计可超千亿元，增长空间巨大。这个过程中，Nullmax主要在做两件事情：

第一，在车端打造自动驾驶全栈自研软件架构，全面覆盖感知、融合、决策、规划、控制以及中间件等环节。第二，智能化时代，OTA升级是一项非常重要的功能。我们通过用户的反馈、数据的迭代，基于云端数据驱动的成长系统和丰富的数据集，可以迅速迭代已有功能，也可推送新的功能给到客户。

特别是Max Platform车端系统——我们基于软件平台化理念，打造了这套软件，可以覆盖不同算力平台、不同类型和数量的传感器。同时，在云端，我们高效的数据筛选及标注、深度学习训练系统、可视化和分析系统作为非常强有力的基础设施，可以高效处理海量自动驾驶数据，从而推动系统的迭代和升级。

接下来，我们深度探讨一下Nullmax对行泊一体从1.0到4.0形态的理解。

在1.0形态，传统架构中的行车和泊车功能由两个控制器来完成。行车功能通过前向摄像头感知前方障碍物和车道线，鱼眼摄像头通过鱼眼的俯视图拼接和障碍物检测进行泊车动作，这两套系统是独立运行的。

在2.0形态，我们把这两套域控制器的芯片放在一个集成式域控制器中，从而降低成本。到了3.0形态，我们可以实现单块芯片持续复用，把两片不同的芯片变成一个芯片去支持行泊一体的域控制器。

现在我们认为，最终的4.0形态可以做到传感器深度复用，用一片芯片同时在行车和泊车场景去发挥所有传感器的功能，从而实现高级别自动驾驶功能，如NOP功能。

具体来说，在行车场景中，除了能够启动前向摄像头，鱼眼摄像头也会发挥作用，形成360度感知。这样对于一些近距离的cut in、旁边车道可行驶区域检测等都可以作出快速反应，提前进行横向避让或者刹车动作。在停车场景也一样，除了使用鱼眼摄像头以外，由于前向摄像头的引入，前向感知范围会变大，这样车辆对停车场的感知距离就会变长，从而提升巡航速度。

这是我们在大算力平台上，基于最先进的BEV-Transformer技术，同时跑在嵌入式平台上的效果。右侧红色的线是把高精地图的结果作为真值，左侧绿色的线是通过车上摄像头传感器实时收集数据、实时运算产生的结果，大家可以看到，我们决策规划系统可以基于左侧产生的局部地图进行决策规划，从而使我们摆脱对高精地图的依赖，实现城市和高速的自动驾驶功能。

而我们的数据驱动成长系统也已经大规模地运用在了量产项目开发中。这里需要强调一点，在数据标注环节，由于Nullmax拥有非常强的感知能力，所以开发了一套非常高效的数据筛选及标注系统，可以通过对视频的标注，大幅度提高自动驾驶系统的能力。比如，我们很难通过单张图片的数据标注去判断一个车辆是否cut in，或者旁边的行人是否准备横穿马路。如果我们有一个视频的话，就可以通过时间、空间的推理来进行判断。

但若要做视频的数据标注，人力成本将相当高，工作量巨大，一秒钟有30张图片，一分钟就有几千张图片，且如何保证这些图片标注的一致性也是一个挑战。而我们的系统可以通过自动化的方法对视频进行标注，从而以非常高效的状态利用海量数据，从而具备实现OTA升级的能力。

举一个简单的例子，车辆行驶1,000公里，我们会看到很多车道线、行人，但很少会见到锥形桶、水马等稀有场景，那如何能高效采集到这些数据？Nullmax提出一种非常创新的方案——我们可以通过增强现实，把水马、锥形桶等毫不违和地贴入真实场景中，这样不仅大幅降低了获取数据的成本，同时提升了获取稀有场景数据的效率。

这里要重点强调一下Nullmax的感知算法能力。我们能够基于Transformer直接获取3D车道线。这里面我们绕开了一个非常棘手的视图转换环节。视图转换环节指的是，车辆在行驶过程中摄像头会上下抖动。如何准确估计这个抖动，从而让车道线在三维世界中算得更准确是一个比较大的挑战。因此，我们选择基于最先进的Transformer技术直接去计算3D车道线的参数。

在检测到这些车道线后，Nullmax可实现低成本、高精度、且非常鲁棒的自动驾驶定位。拥有这个能力后，车辆就可以实时掌握用户在什么地方进行直行、左转、超车等动作。

Nullmax希望凭借行业杰出的感知性能、高性价比的方案和非常先进的视觉仿生神经 络架构去大规模赋能整个行业，成为大规模商业化量产的领先者。

刚才提到，Nullmax打造了基于不同算力平台，如中低算力和大算力平台的自动驾驶方案。我们已经与多家汽车厂商以及一级供应商、芯片厂商建立了非常深入的量产合作关系。我们希望能够携手上下游生态合作伙伴，共同推进这些先进技术的商业化落地。

自动驾驶是一个产业链非常长的行业，所以我们的合作伙伴从传感器到芯片，到Tier1、OEM以及高校，都保持着紧密合作。例如，Nullmax和TI德州仪器打造了一些中低算力平台方案，和英伟达在大算力平台上打造了融合式行泊一体方案，一起共同去推动自动驾驶行业向前发展。

今天的演讲就到这里，谢谢大家。