前几天给自己挖了个坑,今天填上!关于Mobileye CES 2024上的一些核心要点分享,尝试给大家聊两个问题:为啥上Lidar;为啥EyeQ芯片算力那么低?
▲1、为什么走纯视觉路线的Mobileye(以下简称ME)会上激光雷达?
大家都看到了极氪001(SuperVision平台,以下简称SV)的改款车型上了一颗Lidar,很多网友问我,这颗Lidar是否值得选?
ME的产品定义,并不是按照SAE的自动驾驶分级来设计的。他们用eyes on/off、hands on/off 来给产品分级。也就是能否脱眼、能否脱手。
SuperVision的ODD(运行设计域),是无法脱眼的,但允许脱手(你可以理解为,车辆自主完成转向等操作),但受交通法规约束,大多数时间,驾驶员还是需要把手搭在方向盘上。
当系统升级到Chauffeur平台(以下简称CH),ODD就允许脱眼、脱手,主要是指封闭高速路段,130kph下允许脱眼、脱手。需要增加一些硬件冗余,ME提到的主要是Lidar、成像雷达(4D毫米波)和芯片(EyeQ6H)。
那001上激光雷达,是要升级到Chauffeur平台?为了达到脱眼+脱手?答案肯定不是,CH平台最早落地的时间在2025年,要等EyeQ6H芯片量产。
我们知道SV平台是一个全域ODD设计,也就是除了高速,在城市也可以实现点到点的领航功能。但因为各种原因(跟TSL类似),ME在中国至今只落地了高速领航。而国内的交通情况又非常复杂,所以我个人判断,001和极星4上Lidar,应该是主机厂的要求,也就是说这两款车,后面是有计划去落城市领航功能的。而Lidar的作用,更多就是做冗余的,应该是主机厂从安全角度要求加装的。
那没有Lidar的001和极星4,还能落地城市领航吗?我判断有三点会产生影响:1、纯视觉路线落地的效果,图的进展和质量;2、用户端对纯视觉路线的接受度,极越、大疆都在基于纯视觉落地城市功能,可以看看效果。3、相关的保险出台。
▲2、为什么EyeQ系列的算力都很低?EyeQ6的算力只有34T(Int8),新发布的EyeQ7,算力也仅为67T?
先做个不那么严谨的类比,Mobileye基于NT1蔚来ES8为平台,打造的无人车(Robotaxi),用了8颗EyeQ5H,算力在200T左右。而市面上其他使用通用计算平台的无人车,算力均在1000T左右(Apollo RT6公开可查数据为1200T),我提到的这些车型,都处于商用试运行阶段,都在路上跑了。
EyeQ系列,是基于ME算法打造的专属芯片,也就是我们现在经常说的:软件定义芯片。ME一直在使用CV算法,在BEV还未盛行时,就用纯视觉做了Vidar(视觉雷达),把2D图像3D化,能对非白名单的物体进行检测。比如:突出车厢外的物体,停在路边开门的车子,这些都基于算力很低的EyeQ5就能实现。
在今年的CES上,Ammon教授突然聊起了端到端,表示ME也在做端到端。但与特斯拉的全链路端到端不同,ME的端到端在感知部分。至于没做全链路的原因,也是目前行业的共识,我直接贴出PPT(图2),就不在展开了。
ME的感知端到端也用了BEV,但跟主流方案不同的是,并没有使用行车摄像头(周视),而只是用了4颗泊车的环视摄像头,ME的BEV网络叫做Top View Net。
环视的优势是,视角大,缺点是距离短,前后向15米、左右10米。它还有一个好处是,5V5R就能实现,不需要增加更多的传感器,一些低阶方案也能实现。
但是,泊车摄像头的感知距离、精度远不及8MP的行车摄像头,那效果会好吗?
Ammon教授举了一个稀疏算法的例子。行车摄像头(8MP)的感知范围都在200米,四个方向(前后左右)就是一个400X400分辨率的BEV网格,但在自动驾驶中,10cm的分辨率才有意义,那这个网格空间就会变成4000x4000分辨率,如果采样率16bit,256个通道就需要64GB的内存容量,能够满足这个要求的硬件,你只能上英伟达的H100了。
算法工程师不是傻子,肯定不能这么干,所以才有了稀疏的注意力机制,比如:BEVFormer或者DeTR3D这些算法。拿第一种举例,BEVFormer中会提取前一个时刻(时序)的BEV特征作为采样,就不需要去采集全部的信息数据(64GB),这个特征通常也被看做是一种先验信息(时序先验),通过上一个时刻来作为预测。
ME认为,3D目标的检测重要,但也要解决车道线的问题。所以,重点来了! ME通过REM地图来达到注意力机制同样的效果,这被称作REM-Base-Attention layer(REM地图 注意力层)。
Ammon教授举了一个常见的遮挡例子,一辆车驶入环岛后,视觉感知会被遮挡。但ME通过REM地图标记出周围物体的映射,就能准确找到这台车,并把它放在正确的车道内。注意看图5,弯曲的环岛路线,在右侧被拉直了,并且标记处遮挡车辆的相对距离,大概在37.5米。
图6是一个更严重的遮挡,红框中的车,通过右侧的图片,能显示出米数和位置关系。
所以,只用环视摄像头做BEV的问题,似乎有了答案。因为你完全可以通过REM-Base-Attention layer,来确认它车位置,甚至被遮挡的车辆,你都能做到精确定位。环视BEV只需要解决近距离的问题就好了。
ME如何做到的,Ammon教授没讲细节,但提到了要对所有摄像头信息,空间时间,逐帧,逐尺度进行处理,还要借助 REM 地图的帮助,这个系统会整合在EyeQ6H芯片中,而不是外部挂载。
最后那个问题:为什么ME的EyeQ系列芯片算力相比英伟达,会低那么多?
Ammon教授的解释是:我们的芯片是为我们开发的软件堆栈专门设计的。它不是一个单一加速器,我们有四五种类型的加速器引擎,每一种都专为不同类型的软件堆栈设计,它们整合在一起构建出了一个更高效的系统。
看过上面那些,不知道你们是否认可这个解释?评论里分享一下吧。
#新能源大牛说#
▲1、为什么走纯视觉路线的Mobileye(以下简称ME)会上激光雷达?
大家都看到了极氪001(SuperVision平台,以下简称SV)的改款车型上了一颗Lidar,很多网友问我,这颗Lidar是否值得选?
ME的产品定义,并不是按照SAE的自动驾驶分级来设计的。他们用eyes on/off、hands on/off 来给产品分级。也就是能否脱眼、能否脱手。
SuperVision的ODD(运行设计域),是无法脱眼的,但允许脱手(你可以理解为,车辆自主完成转向等操作),但受交通法规约束,大多数时间,驾驶员还是需要把手搭在方向盘上。
当系统升级到Chauffeur平台(以下简称CH),ODD就允许脱眼、脱手,主要是指封闭高速路段,130kph下允许脱眼、脱手。需要增加一些硬件冗余,ME提到的主要是Lidar、成像雷达(4D毫米波)和芯片(EyeQ6H)。
那001上激光雷达,是要升级到Chauffeur平台?为了达到脱眼+脱手?答案肯定不是,CH平台最早落地的时间在2025年,要等EyeQ6H芯片量产。
我们知道SV平台是一个全域ODD设计,也就是除了高速,在城市也可以实现点到点的领航功能。但因为各种原因(跟TSL类似),ME在中国至今只落地了高速领航。而国内的交通情况又非常复杂,所以我个人判断,001和极星4上Lidar,应该是主机厂的要求,也就是说这两款车,后面是有计划去落城市领航功能的。而Lidar的作用,更多就是做冗余的,应该是主机厂从安全角度要求加装的。
那没有Lidar的001和极星4,还能落地城市领航吗?我判断有三点会产生影响:1、纯视觉路线落地的效果,图的进展和质量;2、用户端对纯视觉路线的接受度,极越、大疆都在基于纯视觉落地城市功能,可以看看效果。3、相关的保险出台。
▲2、为什么EyeQ系列的算力都很低?EyeQ6的算力只有34T(Int8),新发布的EyeQ7,算力也仅为67T?
先做个不那么严谨的类比,Mobileye基于NT1蔚来ES8为平台,打造的无人车(Robotaxi),用了8颗EyeQ5H,算力在200T左右。而市面上其他使用通用计算平台的无人车,算力均在1000T左右(Apollo RT6公开可查数据为1200T),我提到的这些车型,都处于商用试运行阶段,都在路上跑了。
EyeQ系列,是基于ME算法打造的专属芯片,也就是我们现在经常说的:软件定义芯片。ME一直在使用CV算法,在BEV还未盛行时,就用纯视觉做了Vidar(视觉雷达),把2D图像3D化,能对非白名单的物体进行检测。比如:突出车厢外的物体,停在路边开门的车子,这些都基于算力很低的EyeQ5就能实现。
在今年的CES上,Ammon教授突然聊起了端到端,表示ME也在做端到端。但与特斯拉的全链路端到端不同,ME的端到端在感知部分。至于没做全链路的原因,也是目前行业的共识,我直接贴出PPT(图2),就不在展开了。
ME的感知端到端也用了BEV,但跟主流方案不同的是,并没有使用行车摄像头(周视),而只是用了4颗泊车的环视摄像头,ME的BEV网络叫做Top View Net。
环视的优势是,视角大,缺点是距离短,前后向15米、左右10米。它还有一个好处是,5V5R就能实现,不需要增加更多的传感器,一些低阶方案也能实现。
但是,泊车摄像头的感知距离、精度远不及8MP的行车摄像头,那效果会好吗?
Ammon教授举了一个稀疏算法的例子。行车摄像头(8MP)的感知范围都在200米,四个方向(前后左右)就是一个400X400分辨率的BEV网格,但在自动驾驶中,10cm的分辨率才有意义,那这个网格空间就会变成4000x4000分辨率,如果采样率16bit,256个通道就需要64GB的内存容量,能够满足这个要求的硬件,你只能上英伟达的H100了。
算法工程师不是傻子,肯定不能这么干,所以才有了稀疏的注意力机制,比如:BEVFormer或者DeTR3D这些算法。拿第一种举例,BEVFormer中会提取前一个时刻(时序)的BEV特征作为采样,就不需要去采集全部的信息数据(64GB),这个特征通常也被看做是一种先验信息(时序先验),通过上一个时刻来作为预测。
ME认为,3D目标的检测重要,但也要解决车道线的问题。所以,重点来了! ME通过REM地图来达到注意力机制同样的效果,这被称作REM-Base-Attention layer(REM地图 注意力层)。
Ammon教授举了一个常见的遮挡例子,一辆车驶入环岛后,视觉感知会被遮挡。但ME通过REM地图标记出周围物体的映射,就能准确找到这台车,并把它放在正确的车道内。注意看图5,弯曲的环岛路线,在右侧被拉直了,并且标记处遮挡车辆的相对距离,大概在37.5米。
图6是一个更严重的遮挡,红框中的车,通过右侧的图片,能显示出米数和位置关系。
所以,只用环视摄像头做BEV的问题,似乎有了答案。因为你完全可以通过REM-Base-Attention layer,来确认它车位置,甚至被遮挡的车辆,你都能做到精确定位。环视BEV只需要解决近距离的问题就好了。
ME如何做到的,Ammon教授没讲细节,但提到了要对所有摄像头信息,空间时间,逐帧,逐尺度进行处理,还要借助 REM 地图的帮助,这个系统会整合在EyeQ6H芯片中,而不是外部挂载。
最后那个问题:为什么ME的EyeQ系列芯片算力相比英伟达,会低那么多?
Ammon教授的解释是:我们的芯片是为我们开发的软件堆栈专门设计的。它不是一个单一加速器,我们有四五种类型的加速器引擎,每一种都专为不同类型的软件堆栈设计,它们整合在一起构建出了一个更高效的系统。
看过上面那些,不知道你们是否认可这个解释?评论里分享一下吧。
#新能源大牛说#
挺好奇#小鹏x9# 的麋鹿成绩[笑而不语][笑而不语],我笃定会突破80kph@ibuick 。
貌似最近炒麋鹿成绩炒的很火,#吉利银河e8# 都兴师动众邀请了瑞典老牌测试机构KM777亲自出动了。[good][good][good]
快速聊聊麋鹿测试的意义:麋鹿测试不是真让你去冲撞麋鹿哈[污][污][污]。测试的由来是,北欧有很多大块头麋鹿,而且北欧的生态的确很好,人于自然相处的很和谐,所以麋鹿族群很茂盛且经常在公路上随意穿行。导致很多驾驶者会因此需要快速的操控车辆来躲避不经意间跳到公路上的麋鹿,就像图1所示。[二哈][二哈][二哈]
但大家要问了,比如在中国大部分区域也都没有麋鹿呀?那麋鹿测试对没有麋鹿的区域意义何在呢?如图2,本质上是为了测试车辆紧急避障的高安全性。(红色车极限避障能力啥,就失稳了;绿色车能力高,避险后仍能恢复稳定的驾驶状态)。
所以个人认为做麋鹿测试,主要秀的还是一辆车的动态驾驶极限安全性。
为啥这么期待#小鹏X9# 的麋鹿测试成绩,主要因为他是一辆MPV,而且是一辆加了后轮转向的MPV[抱一抱][抱一抱][抱一抱]。
MPV出行的用户对象多数是以家庭为单位,所以驾驶安全性尤为重要。但是以往的MPV因为体态庞大且重,导致极限避险能力往往不是很出色。所以这次小鹏给一辆MPV加装后轮转向,个人觉得主要还是为了驾驶安全性。(@XP-何小鹏 不知道猜的对不对[嘻嘻][嘻嘻][嘻嘻])
当然出色的底盘设计、硬件配置、ESP调校也是麋鹿成绩出色的坚实基础(这几点本人试驾过,觉得都没问题)。
再聊回麋鹿测试,网上总有声音说麋鹿成绩好不能说明这个车的操控好,但是我不这个认为。
说的更专业一点是操稳(操纵稳定性),麋鹿成绩好这辆车的极限操纵稳定性一定是不差的(考验一辆车的极限抓地力,考验极限横摆的震荡收敛稳定性,考验极限侧倾控制及收敛稳定性,这些难道不算操控范畴?)
所以,麋鹿测试成绩很有意义。对每一个用户来说都意义重大。[拳头][拳头][拳头]
最后附上一份榜单,雪铁龙遥遥领先(据说还是后扭力梁悬架)
貌似最近炒麋鹿成绩炒的很火,#吉利银河e8# 都兴师动众邀请了瑞典老牌测试机构KM777亲自出动了。[good][good][good]
快速聊聊麋鹿测试的意义:麋鹿测试不是真让你去冲撞麋鹿哈[污][污][污]。测试的由来是,北欧有很多大块头麋鹿,而且北欧的生态的确很好,人于自然相处的很和谐,所以麋鹿族群很茂盛且经常在公路上随意穿行。导致很多驾驶者会因此需要快速的操控车辆来躲避不经意间跳到公路上的麋鹿,就像图1所示。[二哈][二哈][二哈]
但大家要问了,比如在中国大部分区域也都没有麋鹿呀?那麋鹿测试对没有麋鹿的区域意义何在呢?如图2,本质上是为了测试车辆紧急避障的高安全性。(红色车极限避障能力啥,就失稳了;绿色车能力高,避险后仍能恢复稳定的驾驶状态)。
所以个人认为做麋鹿测试,主要秀的还是一辆车的动态驾驶极限安全性。
为啥这么期待#小鹏X9# 的麋鹿测试成绩,主要因为他是一辆MPV,而且是一辆加了后轮转向的MPV[抱一抱][抱一抱][抱一抱]。
MPV出行的用户对象多数是以家庭为单位,所以驾驶安全性尤为重要。但是以往的MPV因为体态庞大且重,导致极限避险能力往往不是很出色。所以这次小鹏给一辆MPV加装后轮转向,个人觉得主要还是为了驾驶安全性。(@XP-何小鹏 不知道猜的对不对[嘻嘻][嘻嘻][嘻嘻])
当然出色的底盘设计、硬件配置、ESP调校也是麋鹿成绩出色的坚实基础(这几点本人试驾过,觉得都没问题)。
再聊回麋鹿测试,网上总有声音说麋鹿成绩好不能说明这个车的操控好,但是我不这个认为。
说的更专业一点是操稳(操纵稳定性),麋鹿成绩好这辆车的极限操纵稳定性一定是不差的(考验一辆车的极限抓地力,考验极限横摆的震荡收敛稳定性,考验极限侧倾控制及收敛稳定性,这些难道不算操控范畴?)
所以,麋鹿测试成绩很有意义。对每一个用户来说都意义重大。[拳头][拳头][拳头]
最后附上一份榜单,雪铁龙遥遥领先(据说还是后扭力梁悬架)
#健身[超话]##健身打卡##健身#
【健身打卡】Day15 【练背日】
真的很感谢老祝 带着我不断突破再突破
只要有她的那一句“没事,你肯定能做到!”
我就真的能做到 无论是五公里跑
还是不断往上加的重量
撸铁的快乐就在于体重一斤没掉甚至上涨
但在视觉上就是该瘦的地方瘦 该壮的地方壮
P1 辅助引体向上 45kg✖️12✖️6组
P2 高位下拉
重量21✖️10个✖️2组
重量17.5✖️12个✖️4组
P3 坐姿钢线划船 重量12✖️15个✖️6组
P4 杠铃俯身划船 重量15✖️15个✖️6组
P5 山羊挺身(普拉提版hhhhh
P6坐姿髋内收 重量35✖️10个✖️3组
P7 爬坡出了个汗 坡度12 速度4.8kph
(没劲儿了没劲儿了
P8 姐姐投喂的鸡蛋
P9 泡沫轴放松小腿肌肉
【健身打卡】Day15 【练背日】
真的很感谢老祝 带着我不断突破再突破
只要有她的那一句“没事,你肯定能做到!”
我就真的能做到 无论是五公里跑
还是不断往上加的重量
撸铁的快乐就在于体重一斤没掉甚至上涨
但在视觉上就是该瘦的地方瘦 该壮的地方壮
P1 辅助引体向上 45kg✖️12✖️6组
P2 高位下拉
重量21✖️10个✖️2组
重量17.5✖️12个✖️4组
P3 坐姿钢线划船 重量12✖️15个✖️6组
P4 杠铃俯身划船 重量15✖️15个✖️6组
P5 山羊挺身(普拉提版hhhhh
P6坐姿髋内收 重量35✖️10个✖️3组
P7 爬坡出了个汗 坡度12 速度4.8kph
(没劲儿了没劲儿了
P8 姐姐投喂的鸡蛋
P9 泡沫轴放松小腿肌肉
✋热门推荐