NAD蔚来自动驾驶
蔚来自动驾驶让车成为安全、自由的移动生活空间是我们的愿景；NIOAssistedandIntelligentDriving蔚来自动驾驶，从地图定位到感知算法，从底层系统到控制策略，拥有全栈自动驾驶技术能力；逐步实现高速、城区、泊车和换电场景的全覆盖，解放时间，减少事故，带来安全放松的点到点自动驾驶体验。
蔚来超感系统Aquila蔚来超感系统，拥有33个高性能感知硬件，包括1个超远距高精度激光雷达、7颗800万像素高清摄像头、4颗300万像素高感光环视专用摄像头、1个增强主驾感知、5个毫米波雷达、12个超声波传感器、2个高精度定位单元和V2X车路协同。实现融合感知，定义了量产车自动驾驶感知系统的全新标准。
瞭望塔式传感器布局传感器视线可以有效越过遮挡，特别是城市复杂交通场景，能有效减少盲区、提升安全性。
687m229m262m87m223m74m8MP1.2MP800万像素高清摄像头感知的核心是视觉，而分辨率决定了视觉的高下。800万像素高清摄像头，感知距离更远，感知内容更精细。
超远距高精度激光雷达1550nm水平视角120°最高分辨率0.06°x0.06°最远探测距离500m超远距高精度激光雷达对提高自动驾驶的安全性非常重要，加上800万像素高清摄像头，大幅提升了NAD的感知能力，让自动驾驶的安全性提升了两个等级。
33个高性能感知硬件每秒产生8GB图像数据强大的感知系统，每秒能够产生8个G的数据。相当于一秒看完两部4K电影。
7800万像素自动驾驶高清摄像头
4300万像素高感光环视专用摄像头
11,550nm超远距高精度激光雷达
5mmWave毫米波雷达
12USS超声波传感器
2GNSS+IMU高精度定位单元
1V2X车路协同感知
1ADMS增强主驾感知
NIOSUPERCOMPUTING蔚来超算平台超级图像处理流水线它拥有超高带宽的图像接口，每秒可处理64亿像素的ISP，能够有效改善画质、增强细节，让每一个像素都服务于算法的精准和高效。
超高带宽骨干数据网络将所有传感器和车辆系统的信号输入，实时无损分配到每一个算力核心。
搭载4颗NVIDIA DRIVE Orin芯片，算力高达1,016Tops，定义高端智能汽车新标准。
主控芯片通过两颗主控芯片，实现NAD的全栈计算，包括多方案相互校验的感知、多源组合定位、多模态预测和决策。充足的算力，使得NAD在处理复杂交通场景时，算得更多，算得更准，算得更快。
实时冗余独立的冗余备份芯片，任何⼀个主芯片失效，NAD都能确保安全。不仅如此，整个蔚来超算平台的电源、影像和主控系统，全都是热备份的冗余设计。
群体智能与个性训练专用SOC自动驾驶群体智能与个性训练专用芯片，可以大大加快NAD的总体进化速度，同时又可以针对每个用户的用车环境，进行个性化本地训练，确保每个用户自动驾驶体验更好。
Adam蔚来超算平台，NAD的超级大脑，汽车智能的新开始。NIOAssistedandIntelligentDriving蔚来自动驾驶从感知算法到地图定位，从控制策略到底层系统，蔚来全面自研，建立了NAD全栈自动驾驶技术。NAD将逐步实现高速、城区、泊车和加电场景的全覆盖，带来安全放松的点到点自动驾驶体验。
Aquila蔚来超感系统33个高精度感知硬件|800万像素高清摄像头|超远距高精度激光雷达|360°视觉冗余|全向无盲区融合
Adam蔚来超算平台4颗NVIDIAOrin芯片|1,016T算力|超级图像处理流水线|超高带宽骨干数据网络|热备份冗余设计
自动驾驶算法多方案相互校验感知|多源组合高精定位|多模态预测规控|群体智能|个性化训练
自动驾驶整车平台NVOS底层操作系统|核心控制器供电通讯冗余|转向系统控制冗余|驻车制动冗余|双电机动力冗余
*1本材料为蔚来自动驾驶系统的基础性介绍，随着蔚来对产品的持续改进，详细配置、功能及数据均可能有所变化，具体信息以实物车辆的产品说明为准。*2蔚来自动驾驶系统仅为辅助驾驶之目的，不能完全替代驾驶员的操控，不能完全应对交通、天气和路况可能出现的所有情形。驾驶员需时刻保持必要的注意义务，并根据周边环境及时予以干预或接管。在交通情况复杂、天气恶劣、特殊路况下需慎重选择使用自动驾驶功能。*3部分功能可能在交付车辆时无法立即使用，相关功能未来将通过远程方式逐步开启。
深度解析蔚来ET7自动驾驶技术
我个人是个汽车迷，每天都会看大量汽车相关的信息，最近蔚来发布了ET7这款车，看宣传是有机会实现L4自动驾驶，有不了解自动驾驶技术的同学可以看下以下信息：
除了传统的依靠视觉模型做自动驾驶的实现以外，本次蔚来ET7也搭载了Aquila超感系统。也就是说ET7是包含了：视觉自动驾驶技术+雷达波自动驾驶技术。接下来分别聊下ET7在这两方面技术的一些功能点。
视觉自动驾驶技术ET7搭载了4颗NVDIADriveOrin芯片以及800万像素的摄像头，这两个硬件设备是视觉自动驾驶技术实现的根本。先来说下芯片，这款芯片是专业的车载芯片。
ORin芯片可以支持基于Cuda和TensorRT做深度学习模型的服务，TensorRT是一个模型服务的框架，可以支持各种框架产生的模型。
ET7每秒钟可以产生8GB的视频，而视觉自动驾驶技术，其实就是一个物体识别模型实时inference的流程，需要保持每秒钟超过10个以上的图片识别请求效率。所以视觉自动驾驶的实现前提是强大的芯片计算力。Orin芯片是这个计算力的保证。
另外我个人的一个猜想，其实在汽车驾驶过程中Orin芯片可以被用来做实时的图片识别，当汽车不运行的时候，比如汽车充电的时候，这些计算力也可以用来做模型的更新，利用迁移学习技术对本车产生的一些新的数据做模型的fine-tune，不过如何保证这些fine-tune的模型准确率是个问题。短时间内，我猜测，汽车芯片还是主要负责inference，不会参与训练。
雷达波自动驾驶技术
雷达波自动驾驶技术是对视觉自动驾驶技术的补充。NIOAquila蔚来超感系统将定义量产车自动驾驶感知系统的全新标准，该系统拥有33个高性能感知硬件。11个800万像素的高清摄像头，4个前向，3个后向，4个环视；1个超远距高精度激光雷达，5个毫米波雷达；12个超声波传感器，两个高精度定位单元，以及车路协同感知和增强主驾感知。
在一些雷雨天气，摄像头可能被雨点弄模糊，或者在一些强光环境下，摄像头无法正确捕捉画面，这个时候通过激光雷达波的方式可以辅助识别前方障碍物。下图是雷达波反馈的一个前方障碍物效果图，基本也能构建出前方的事物。
Aquila雷达波系统是由一家中国供应商Innovusion提供，该供应商也接受了来自蔚来的投资。目前Innovusion主要提供L3以上的自动驾驶辅助功能。
激光雷达本身的原理非常简单，像激光笔一样打到边上屏幕上，发过去再回来。但是自动驾驶难就难在要在自然的场景下，在自然光的条件下，有时候还有阳光，各种雨雾天气情况下打这个激光笔的光点，而且光电会打到各种不同特性的物体表面。如果打在会场后面，大家可以看到光点大很多了。如果在外面阳光下，用这个激光笔打的光点几乎是看不到的。在自然环境下保守估计有5%-10%的几率激光雷达系统会接收不到从物体返回的信号。
比如在50米以外，一米高的小孩要十个点以上（才能有效感知），需要激光雷达的传感器分辨率至少达到0.2度左右。另外高速路上的行驶，大家公认比较保守的停车、刹车距离大约是150米左右，这么远距离以外，汽车比人更不可控制，也许有一些车本身擦得很亮，颜色非常深，这时候一个车上需要有15-20个点左右。同样推算，激光雷达的分辨率也需要0.2度左右。一个驾驶场景考虑到纵向有坡度等不同变化条件下，大家可能希望有大约20-30度左右的视角。30除以0.2度，所以大家希望激光雷达达到的线数是150线左右，这是L4级自动驾驶的最低线数。
总结一下
目前来看，蔚来在自动驾驶方面准备走雷达波结合视觉识别的方式，对比特斯拉只采用视觉识别的模式，蔚来的方案显然保证性更高。在视觉识别方面，未来技术发展路线一定是通过更多地训练样本提升模型准确率。在雷达波技术演进方面，未来很有可能采取更多线的雷达波方案，增加辐射面积。
蔚来这辆车我爱了，希望国产车越来越牛~