【硬核科普】大白话解码智驾系统

小鹏：我们不太喜欢用民间的小视频说功能做到哪里去了遥遥领先，我们更希望扎实地做好技术。

迟到的硬核解码文章终于来啦，真的很硬核。感谢各位鹏友们的等待，最近本人的事情也比较多，不管是工作上还是生活上。

全文2000+，重点翻译发布会上的硬核科技，因为这次发布会上的知识点不是普通人能看懂。我将这些知识点翻译成通俗易懂的大白话。

关键词：架构同源，XBrain，XPlanner。

Pro/Max架构同源

我主要讲解什么是软件架构，同源带来的好处，同源＝同能 ? 

什么是软件架构？

百度给的答案是：软件架构（software architecture）是一系列相关的抽象模式，用于指导大型软件系统各个方面的设计。 软件架构是一个系统的草图。软件体系结构是构建计算机软件实践的基础。

通俗解释：有了架构才有后续落地的软件，而科技日提到的架构开始同源，换个角度讲就是之前的架构不一样。如果用普通人的思维去思考Pro和Max的架构不一样是一件非常容易的事情，因为缺了2个激光雷达1个Orin算力板，但如果从程序员（特别是架构师）的角度去思考，就有点想不通，是非常想不通！

我举一个通俗易懂的例子吧： 我还是拿MIUI系统举例，骁龙8Gen3相当于双Orin，骁龙888相当于单Orin，然后因为性能的问题屏蔽掉了过渡动画，激光雷达相当于独显芯片，用的时候调用它处理。结果鹏厂的操作就是我不管，我就单独为Pro和Max开发2套系统，你能拿我怎么样！！其实这次架构同源算是降本增效的一种措施吧，减少不必要的开发成本。

架构同源≠能力相同

当然官方也没说Max和Pro的能力相同，只是说大幅提升。 

我举一个通俗易懂的例子吧： 在一定条件下，算力越高，模型推理算法处理的也就速度越快，那就意味着双Orin比单Orin推理速度快，摄像头1s能取到30帧的图像，就意味着需要在33ms内完成如下操作。（以下操作是我举的例子，不是实际的操作流程）

例如一帧图像的模型预测+执行逻辑+结合前几帧图像的执行逻辑最后再给出执行的指令，至于为什么要结合执前一（几）帧图像给出的执行逻辑，因为可能在某一帧处没有识别到该物体，但是后一帧又识别到了（其实就是容错率，当然实际是非常非常复杂的），如果有激光雷达，还要结合激光雷达的数据进行分析处理。 所以双Orin的Max版本在处理能力上肯定比单Orin的Pro版本处理的信息多。信息越多，执行的逻辑就更细腻。所以我还是推荐买Max版本。之前说买Pro拍断腿，其实现在小鹏的Pro相当于其他品牌的Max。

XBrain架构

XNet2.0

1、感知范围增强，官方给的数据增加200%

我举一个通俗易懂的例子吧： 我们都知道物体近大远小，越近细节越多，越远细节越小，摄像头拍到的画面也和肉眼看到的一样，G6刚上市的路上车辆很少，对外观不熟悉，我需要等到他距离我20米的时候看到车标和尾标我才知道他是G6，但是过了2个月，G6烂大街了，我知道G6的灯带外形轮廓特征，我就能在200米的地方知道驶来的是一辆G6。模型一开始的时候可能只能认清150米左右的物体，但是通过不断的迭代学习，现在能认清300米以内的物体。

2、感知类型增加，官方给的数据是增加11种感知类别

我举一个通俗易懂的例子吧： 小孩子刚出生，父母举着1，2，3的小纸牌给孩子认，说这是1，2，3。等孩子长大到一定年纪，让他认1+2=3。 模型一开始只学习小车，大卡车等特征明显的物体，然后不断迭代成长，等到他完全掌握认识小车，大卡车这些类别之后，再让他学习清扫车，儿童，减速带等新类别。

3、占据网络

占据网络和占用网络的概念类似，换汤不换药，首先我们要知道为什么要上占据网络，一方面是数据标注费钱，另一方面是模型来不及学习新的事物。

我举一个通俗易懂的例子吧： 我们在考试的时候会把难题直接跳过，而占据网络就是把白名单以外出现在路上的不认识物体归为障碍物，然后纳入路径计算规划中 。

4、动态/静态BEV

动态就是多张图像合成的一个视频，静态就是单张图像。（这一块我是真不知道，如果有大神或者错误请立即指出来，欢迎评论区补充）

我举一个通俗易懂的例子吧： 我给一张图片，请说一下你对这种图像的理解（静态是不知道车辆运动状态的）。

我给一段视频，请说一下你对这种图像的理解，左侧车辆变道超车。

视频上传成功

 

XPlanner神经网络规控

如果这个真落地了，我能把他吹上天。现阶段的NGP不能说他不好，只能说有些地方的策略真的有点问题。

1、超长时序。

目前现阶段的神经网络都是短时序的，做完一个动作就忘记前一个动作有没有做。

我举一个通俗易懂的例子吧： 我们准备向右变道驶出主路，变道成功后，发现前车很慢，这时候可能会触发变道超车指令，因为他忘了前几秒变道当前道路的目的是马上要出主路，等到600米左右的在触发出主路变道的指令的时候已经是实线了。如果上了超长时序，就会避免很多无效变道。

2、 XPlanner落地能解决现阶段的哪些问题？

（1）高速第一次跟车目标寻找的逻辑。

目前的跟车逻辑：前方没车加速前行寻找跟车目标，距离50米+的时候找到跟车目标减速，然后保持用户设置的跟车距离，如果在寻找跟车目标的时候前车突然减速，会对车内人员舒适性大打折扣，这个问题有很多车主吐槽过。

（2）需要连续变道中出现红绿灯路口或者实线。

人类司机变道前能看到前方10米内是不是实线，而现阶段策略就是只要车没到实线前就会发起变道，变道到一半压实线。

（3）跟车减速。

现阶段的减速设定了固定的参数值，前车刹车按照普通人的习惯也会带一脚刹车，但是NGP的策略就是没到车距临界点是不会刹车的，所以会造成车内乘坐人员的舒适性。

* 当然 XPlanner解决的问题不止上面三个，只不过以上三个问题是车友吐槽最多的。

感谢鹏友能看到最后，“我举一个通俗易懂的例子吧”这句话一共在文章一共出现了多少次呢？欢迎各位鹏友在评论区留言。