无人驾驶如何实现成本和规模化之间的平衡？轻舟智航认为不同的场景有不同的答案。

但这并不意味着不同场景的方案就完全不可以通用。在轻舟智航看来，通过硬件上的平台化和模块化开发，定制好不同场景的硬件配置，然后高度抽象给软件适配，就可以让软件具有较高的通用性。轻舟智航的Driven-by-QCraft由此而来。

作为轻舟智航专为自动驾驶打造、集软硬件于一体的整体解决方案，Driven-by-Qcraft自设计之初就考虑到尽量采用同一方案赋能不同的车型落地多个城市，从而使得数据可以共通，加快形成数据闭环。为此，轻舟智航一直在不断迭代这套方案。

近日，轻舟智航宣布推出全新的Driven-by-QCraft第三代L4自动驾驶硬件方案。据悉，该硬件方案在传感器、计算平台、电源、通信等模块均采用了全冗余设计，以进一步提升安全性，以及适配不同的车型和场景。

图片来源：盖世汽车

轻舟智航“上新”，推出第三代L4硬件方案

据轻舟智航联合创始人、CTO侯聪介绍，为达到车身周边360度无盲区感知效果，稳定感知外部道路参与者信息，Driven-by-QCraft第三代自动驾驶硬件方案采用了多传感器融合的方式构建传感器系统，包括2个长距离测量激光雷达（主LiDAR）、3个近距离补盲激光雷达（盲区LiDAR）、4个毫米波雷达、9个感知摄像头和1个IMU套装。这些传感器分布在车左右两侧，可以互为冗余。

并且这些传感器在安装位置上也十分有讲究。比如套件中的激光雷达，旋转方向在同一时刻均保持一致，具备高度同步性。如此一来，当周围有动态物体出现的时候，点云不会出现错位或重影现象，同时保证可将所有激光雷达的点云数据收集在一起集中处理。

7颗500万像素的周视相机采用了逆时针旋转90度的安装形成纵向视图，既保证了相机逐行曝光方向与激光雷达扫描方向的一致性，提高两者的前融合效果，又有效减少了地面盲区。据测算，这种方式相比传统安装方式地面盲区面积减少了90%以上，尤其是对周边近距离物体，如交通锥，和小动物、足球等矮小物体的识别能力有明显提升。

图片来源：轻舟智航

针对红绿灯的识别，轻舟智航还设计了专门的识别红绿灯的相机，对于不同光线条件下的过曝、欠曝以及车辆在行驶过程中因运动模糊导致的拖影问题，开发专门的算法。据悉，该相机能够在夜晚场景中精准识别出150米外的红绿灯形状及颜色。

而在计算平台方面，Driven-by-QCraft也实现了主计算单元OMC、备份计算单元OBC、车载计算单元OCC三个层次的冗余设计。

图片来源：轻舟智航

正常情况下，主计算单元负责自动驾驶系统软件功能的运行、计算。在主计算单元因为特殊原因发生故障以后，为了确保车辆系统的安全，备份计算单元会接收车辆的控制，决定车辆下一步的运动行为，从而让车辆在异常情况下可以靠边停车、紧急刹车等。而OCC上则同时部署了定位和控制模块，来实现更多一路的冗余。

电源系统方面，通过将功率路径分层管理，可根据不同天气状况、道路条件实时进行电能动态分配，优先支援核心功能模块，调节辅助功能模块供电，延长车辆运营里程。有效识别和隔离系统异常故障单元，避免故障级联，保护核心功能模块在小概率随机故障时不受影响。配合冗余电源和传感器设计，在单一甚至多个核心功能模块意外受损时，还能维持保证车辆行驶安全的最小子系统。

据侯聪介绍，这套解决方案采用的是车规级量产方案，目标是以较低成本实现较高的感知。虽然在目前情况下，成本还无法达到理想的状态，但比起前一代已经有所降低。未来随着采购规模的不断提升，成本有望进一步下降，在未来2-3年内整套传感器的成本或下降至5位数。

图片来源：轻舟智航

这样一套方案后续将同时服务于RoboTaxi和RoboBus两种场景。不仅如此，侯聪指出，如果对这个系统稍微做一些适配，也可以用于去做L2或L3的辅助驾驶，而轻舟智航也有这种计划，即这个设计本身就会考虑到跟主机厂合作的可能性。

此外他还表示，对于除RoboTaxi和RoboBus之外的其他城市场景，Driven-by-QCraft也可以很好地适配。“比如小的物流车以及大的卡车，无论是轻卡还是重卡，只要是在城市的场景下我们都是可以适配的。我们之前其实已经做过一些探索，包括小的物流的探索是没有任何问题的，像轻卡它本身跟小巴体型比较相似，所以我们这种安装方案也就比较相似。”

助力自动驾驶演进，轻舟智航再获强援

伴随着第三代L4硬件方案，近日轻舟智航在推进自动驾驶落地方面还迎来了另一关键进展——与NVIDIA达成合作，在其Driven-by-QCraft下一代硬件方案中率先使用NVIDIA DRIVE Orin 方案。

作为英伟达第三代的无人驾驶芯片，Orin很好地继承了之前Xavier的总体的架构，但也增加了很多性能。据英伟达中国区域软件总监卓睿介绍，随着软件定义汽车趋势的发展，对算力要求越来越高，且这些算力不只包括 GPU，还包括CPU。英伟达在设计Orin时采用了混合架构，以在不同的硬件上部署不同的算力，实现较高的灵活性。就算力而言，Orin可以支持从250~2000TOPS的算力。

图片来源：英伟达

针对量产车的高安全、高可靠性要求，NVIDIA DRIVE Orin也满足量产车规级，在系统层面符合 ISO 26262 功能安全 ASIL-D 标准。并且Orin还采用了新的安全架构，可以实现较高的信息安全。

据侯聪透露，大概在年底之前轻舟智航就将可以拿到Orin的开发板，目前团队已经针对上一代Xavier平台做了一些相关的开发，包括传输驱动、数据传输、模型适配等，后续会把整个系统做一个迁移，届时有望助力龙舟系列自动驾驶车实现更大规模的落地应用。

作为城市交通的补充，轻舟智航推出的龙舟ONE可支持区域内的固定行车路线，沿途可根据需求设立站点、专用车道，及时疏散主干道交通流量，保证公共交通系统的快捷高效性，开启智能化的城市“微循环”交通时代，解决居民出行的“最后三公里”难题。

图片来源：盖世汽车

目前，龙舟ONE已成功在苏州、深圳、武汉等6座城市落地常态化运营，成为国内布局城市最多的公开道路自动驾驶小巴。今年10月，轻舟智航还在无锡发布了全国首个公开道路5G自动驾驶网约巴士，进一步打破Robobus与Robotaxi的边界。

如果加上在其他场景的应用，截至当前搭载轻舟智航Driven-by-QCraft硬件方案的自动驾驶车辆已在北京、深圳、苏州、硅谷等全球10座城市落地测试和运营，共计部署了10款车型，涵盖小巴、大巴、乘用车等多种不同产品形态。接下来，轻舟智航表示将会进一步扩大测试运营范围，到年底整体车队规模有望达到百余台。