第682章提示和設想
第682章提示和設想(第1/3頁)
“第二，預測與規劃模塊的transformer化。”卞金麟目光掃過年輕的顧南舟。
“南舟團隊主導，正在將transformer強大的序列建模和長距離依賴捕獲能力，引入行為預測（預測周圍車輛/行人軌跡）和運動規劃（生成自車安全、舒適、符合交規的軌跡）模塊。
初步實驗表明，在複雜交互場景（如無保護左轉、環島通行）下，其生成軌跡的合理性和安全性顯著優於傳統基於規則或簡單mlp網絡的方法。
這是提升高速noa和未來城區noa上限的關鍵。”
顧南舟推了推眼鏡，小臉上滿是認真，用力點了點頭。
“第三，數據閉環係統搭建。”卞金麟語氣凝重：
“這是智能駕駛進化的生命線。
我們正在構建覆蓋‘車端數據采集-加密回傳-雲端分布式存儲與處理-場景挖掘與問題診斷-仿真場景生成-模型訓練/評估-ota更新’的完整閉環。
首批路測牌照的獲取至關重要，意味著我們能合法合規地在鵬城開放道路采集寶貴的cornercase（極端場景）數據。
目前雲端數據處理平臺已初步搭建，標註工具鏈在完善，仿真引擎基於carla和自有場景庫在擴展。
這是長期投入，占比約15%。”
彙報完畢，卞金麟看向徐平和姚塵風：
“徐總，姚總，以上就是智能駕駛產品線圍繞啟界m5量產目標和未來演進的技術布局與進展。
核心挑戰在於：量產l2.5功能的最後10%體驗打磨、bev感知的實時性突破、以及數據閉環的規模化和效率提升。
資源上...確實非常緊張。”
他最後一句，點出了關鍵。
會議室內陷入短暫的沉默。
進展是喜人的，但挑戰也是巨大的，尤其是時間窗口如此緊迫。
至於卞金鱗為什麼冇看向陳默，還得從一周多之前的一個會議說起。
當時卞金鱗剛做完技術路徑的彙報，就聽到了一個聲音。
“卞總，”陳默的聲音不高，卻清晰地回蕩在寂靜的會議室裡，他的目光落在卞金麟身上。
“剛才你們彙報的感知融合方案，核心是不是還在沿用‘前融合+後融合’的傳統架構？
激光雷達點雲、攝像頭像素、毫米波雷達目標，先各自做目標識彆和軌跡預測，然後再進行時間戳同步和決策層融合？”
卞金麟被問得一愣，下意識地回答：“是...是的，陳總。這是目前行業主流，也是相對成熟的方案，特斯拉的hydranet、小鵬的xpilot3.0架構都是基於這種思路做優化...”
“主流？成熟？”陳默打斷了他，嘴角似乎勾起了一個極淡的弧度。
他起身走到白
（本章未完，請點擊下一頁繼續閱讀）