今年4月份，智行者宣布成功獲得某頭部車企量產定點合作，成為國內首家基于***的軟硬件一體高階自動駕駛系統方案供應商。

時隔半年，智行者發布首個基于***的“重感知、輕地圖”的智能駕駛解決方案，標志著智行者在核心技術方向的又一次躍遷。

目前，智行者輕地圖方案已在自研的域控制器A200上部署實現，得益于A200的量產質量保證，該方案已穩定運行半年。A200是智行者推出的以國產大算力SoC和安全MCU為核心芯片的高性價比域控制器，其中SoC主要負責感知模型神經網絡的高效處理，MCU主要負責車輛控制、安全監控等。

感知方案基于BEV框架，利用BEV特征融合方法完成目標檢測、車道線、可行駛區域分割等任務。在該感知框架中，智行者采用基于BEV Queries的方法，通過將BEV Query的空間位置投影到各個視角，通過注意力機制對相關視角信息進行融合得到該Query的特征。同時，針對感知系統的空間碎片化問題，設計了一個時序特征融合模塊，將歷史時刻的BEV特征和當前時刻的BEV特征融合得到最終時空特征?；谠撊诤咸卣?，系統可實現人車目標檢測、路面標線檢測、可行駛區域分割、標志牌檢測識別等多個感知任務。

在感知方案中，模型的工程化部署尤為重要。智行者充分利用***的強大計算能力與多核心架構，將計算任務進行適當的分配和并行處理，并在模型精度和效率之間進行平衡設計，以提高感知模型的計算效率?；诙嗉壛魉O計，對BEV感知模型的算子進行了DSP移植，將通用算力釋放到模型的其他部分。這種優化設計可以提高感知模型的運行效率并降低計算延遲，使得模型能夠在實時場景下快速響應和處理感知數據。目前基于BEV的感知框架能夠以20Hz以上幀率穩定運行，保證了對環境的實時感知和準確判斷。

基于BEV感知模型輸出的動靜態環境信息，智行者進一步融合了導航地圖的先驗信息，提出了能夠端到端重構自動駕駛車輛周圍道路環境拓撲信息的Topology Flow模型。該模型不僅以BEV感知模型輸出的靜態車道線和道路標識為輸入，還融合了動態障礙物的行駛軌跡和標準導航地圖的結構化信息，對感知盲區和更遠范圍的道路拓撲結構進行推理預測。

Topology Flow模型旨在輸出下游規控模塊所需要的地圖環境信息，除車道中心線和車道拓撲關系，還輸出各種地圖的關鍵點信息，重構出常規高精地圖中存在的各種虛擬道路和標識，實現從有圖方案無縫銜接到輕地圖方案。

以下為智行者輕地圖方案高速NOA功能的實車路測展示。當前輕地圖方案可以從容處理高速巡航、超車換道、上下匝道、智慧避讓等功能。同時，對他車近距離切入、大曲率轉彎等特殊場景也能夠平穩應對。憑借技術的迭代與升級，為乘客提供媲美有圖方案的乘車體驗。

憑借領先的技術優化和豐富的工程經驗，智行者可為客戶提供模塊化的全棧軟硬件解決方案，包括：標準化的視覺感知、激光感知、匹配定位模型；面向智能駕駛的中間件軟件，協助客戶快速進行功能開發；車規級高性價比的域控制器；基于圖形化的數據采集、數據挖掘、模型訓練與測評的數據閉環平臺等。