self_driving_algo

自动驾驶算法演进史 (2016-2024)

导航

第一部分：编年史

第二部分：专题深度分析

感知算法演进

规划控制算法

端到端架构深度剖析

第三部分：关键技术与争议

第四部分：产业格局与玩家分析

国际巨头

中国核心玩家

其他重要玩家

第五部分：未来展望

核心技术演进时间线

2016  ├─ NVIDIA DAVE-2 端到端驾驶开山之作
      ├─ MobileEye EyeQ4 ADAS统治时代
      │
2017  ├─ Tesla AP2.0 启动自研之路
      ├─ Waymo 公开大规模路测
      │
2018  ├─ Tesla AP3.0 自研芯片FSD Computer
      ├─ Apollo 3.0 开源自动驾驶平台
      │
2019  ├─ Tesla FSD Beta早期版本
      ├─ 感知进入多任务学习时代
      │
2020  ├─ BEV感知概念兴起 (DETR3D, BEVDet)
      ├─ Transformer开始渗透自动驾驶
      │
2021  ├─ Tesla BEV + Transformer重构
      ├─ 国内BEV感知百花齐放
      │
2022  ├─ Occupancy Network占据网络爆发
      ├─ 重感知轻地图成为共识
      │
2023  ├─ Tesla FSD V12 纯端到端
      ├─ 国内端到端方案井喷
      │
2024  ├─ 世界模型与生成式自动驾驶
      └─ 端到端成为行业标配

关键技术对比

L2 vs L4 技术栈差异

┌─────────────────────────────────────────────────────┐
│                    L2 (渐进式)                       │
├─────────────────────────────────────────────────────┤
│  • 成本约束: <$500 BOM                              │
│  • 算力约束: <100 TOPS                              │
│  • 传感器: 纯视觉为主                                │
│  • 地图依赖: 轻地图/无图                             │
│  • 场景: 高速+城区NOA                               │
│  • 代表: Tesla FSD, 小鹏XNGP                        │
└─────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────┐
│                    L4 (跨越式)                       │
├─────────────────────────────────────────────────────┤
│  • 成本: >$10000                                    │
│  • 算力: >1000 TOPS                                 │
│  • 传感器: LiDAR+Camera+Radar                       │
│  • 地图: 高精地图依赖                                │
│  • 场景: 限定区域Robotaxi                           │
│  • 代表: Waymo, Cruise, 百度Apollo                  │
└─────────────────────────────────────────────────────┘

感知架构演进对比

年代 架构范式 关键技术 代表方案
2016-2018 2D感知 CNN, YOLO/SSD MobileEye, AP2.0
2019-2020 2.5D感知 伪3D, 深度估计 AP3.0早期
2021-2022 BEV感知 LSS, BEVFormer Tesla FSD Beta, BEVDet
2023-2024 4D感知 时序融合, 世界模型 FSD V12, 各家端到端

端到端技术路线对比

模块化方案 (Traditional)
┌──────┐    ┌──────┐    ┌──────┐    ┌──────┐
│ 感知 │ -> │ 预测 │ -> │ 规划 │ -> │ 控制 │
└──────┘    └──────┘    └──────┘    └──────┘
   ↓           ↓           ↓           ↓
 可解释     可调试     规则清晰    安全保证

端到端方案 (End-to-End)
┌────────────────────────────────────┐
│         Neural Network              │
│  Sensor ─────> Actions              │
└────────────────────────────────────┘
              ↓
        数据驱动，黑盒

中国自动驾驶算法玩家矩阵

主机厂自研

算法供应商

芯片与算法协同

| 芯片平台 | 算力(TOPS) | 算法特点 | 主要客户 | |———|————|———-|———-| | 地平线J5 | 128 | BEV优化, INT8量化 | 理想、长城 | | 地平线J6 | 560 | Transformer加速 | 比亚迪、大众 | | 英伟达Orin | 254 | 通用架构 | 蔚来、小鹏 | | 华为MDC610 | 200 | 自研架构 | 问界、极狐 |

技术争议焦点

1. 高精地图之争

2. 纯视觉 vs 融合感知

3. 数据规模效应

4. 仿真的作用

阅读指南

  1. 快速了解: 阅读编年史部分(第1-5章)了解技术演进脉络
  2. 技术深入: 专题分析部分(第6-11章)深入特定技术领域
  3. 产业视角: 第20-30章了解主要玩家技术特点
  4. 趋势判断: 技术争议部分理解行业分歧与未来方向

本文档持续更新中，最后更新：2024年12月