華為最新的論文《VisionPAD: A Vision-Centric Pre-training Paradigm for Autonomous Driving》,10位作者中有5位來自華為諾亞方舟實驗室,其余基本都是香港中文大學,且這其中還有3個人是在華為諾亞方舟實驗室實習,可以說有8個人來自華為諾亞方舟實驗室。VisionPAD提出了一種比較新穎的預訓練方法來提升OCC性能,將OCC性能關鍵指標mIoU推高到45%,達到業(yè)內(nèi)第一,學術界一般研究超前課題,但華為依然研究BEV+OCC,顯示出傳統(tǒng)算法還有很強的生命力。
行業(yè)需求及現(xiàn)狀 智能駕駛進入數(shù)據(jù)驅(qū)動時代,數(shù)據(jù)閉環(huán)是智能駕駛量產(chǎn)落地的核心飛輪:更多場景,需要更多數(shù)據(jù),訓練更復雜的算法模型。 隨著近兩年的技術迭代,智能駕駛發(fā)展的重心已從技術研發(fā)比拼轉(zhuǎn)移到商業(yè)化落地的競爭,自2022年起,頭部車企紛紛宣布城市場景NOA(Navigate on Autopilot,自動輔助導航駕駛)的量產(chǎn)落地計劃。據(jù)預測,2025年中國城市NOA前裝市場規(guī)模將達到76億元。實現(xiàn)城