第142章 智能驾驶

  两周后，沈一鸣把技术路线报告列印成厚厚一叠，放在了左城面前。

  左城翻开第一页，標题写著：《基於无人机多传感器融合系统的地面自动驾驶迁移方案》。封面下面还有一行小字，是沈一鸣手写加上去的：初稿，很可能被骂。

  左城没有骂他，把报告从头翻到尾，只在最后一页折了个角。

  “说说你的技术路线选择。“左城把报告合上，推到桌边。

  沈一鸣拉开椅子坐下，打开笔记本，切换到一张对比图。

  “现在行业里主流是三条路。第一条纯视觉，代表是特斯拉，依赖摄像头加神经网络，成本低，但强光、暗光、雨天三种场景下准確率下滑明显。第二条雷射雷达路线，国內大多数公司在走，精度高，但雷射雷达单价两三万，整车成本扛不住。第三条，我们走。“

  “你说。“

  “融合路线。视觉加毫米波雷达加低线数雷射雷达，三种传感器互补。视觉处理纹理和顏色，毫米波雷达透雨透雾量速度，雷射雷达做深度补充。三路数据实时融合，我们在无人机上已经做了类似的架构，核心逻辑是一样的。“

  左城点头，示意他继续。

  “感知层我们有基础，问题出在决策层。无人机的决策环境相对简单，三维空间里主要处理其他飞行器和地障。地面复杂太多，行人、非机动车、信號灯、路口逻辑、超车借道，这些场景需要完全重新训练。“

  左城没急著接话，让沈一鸣把话说完。

  “但有个东西是可以直接用的。“沈一鸣切换到一张密密麻麻的数据分布图，“我们在无人机上积累的场景標註体系，標註工具、数据质量审核流程，这套基础设施可以直接復用。智能驾驶最贵的地方不是算法，是高质量的数据標註，我们现在已经有了一套成熟的流水线。“

  “这是我没想到的。“左城看了两秒，在旁边记下来。

  “数据从哪来？“

  沈一鸣切换到下一页，图上是一条时间轴：“两步走。第一步，用仿真器跑合成数据，先把决策模型基础结构搭出来。第二步，跟车企要实车採集数据，边跑边叠代。仿真器我们自己搭，大概需要三到四周，成本可控。另外，无人机飞过的城市区域，我们有街道级別的高精地图数据，这个对初期训练很有价值。“