5月18日，轻舟智航举办了首届品牌日。这家曾经因Robobus而受到关注的自动驾驶公司，正在加速商业化落地。
本次活动上，轻舟智航推出了最新的「双擎」战略，以实现技术和商业化的平衡发展：专注公开道路L4级别自动驾驶能力的动力引擎，以及专注高性价比自动驾驶前装量产方案的创新引擎。
基于双擎战略，轻舟智航又进一步推出动力引擎下的最新整车产品龙舟SPACE，和创新引擎下的第四代量产车规级自动驾驶解决方案DBQ V4。
其中，龙舟SPACE定位于可在复杂公开道路运营的移动出行空间；DBQ V4则是可被Robotaxi、Robobus、乘用车量产的灵活性方案。据轻舟智航CTO侯聪透露，DBQ V4标配版的激光雷达、摄像头、域控制器等硬件成本，综合测算下来可控制在1万元人民币以内。
第四代自动驾驶方案DBQ V4
DBQ V4是轻舟智航推出的第四代量产车规级自动驾驶解决方案，共有旗舰版、加强版、标准版三个版本，可满足不同等级自动驾驶量产、不同车型搭配、不同场景的应用需求。而且，DBQ V4没有再采用上一代将主要传感器集成在车顶独立模组内的方案，而是将其独立嵌入车身，整体性更好，也更有利于满足车企的量产需求。
硬件方面，DBQ V4传感器数量可供主机厂自由选择。如，旗舰版有5颗车顶主激光雷达、4颗补盲激光雷达，而标准版只用1颗前向的主激光雷达。另外，DBQ V4还都配有12颗摄像头和6颗毫米波雷达。
轻舟智航CEO于骞表示：「DBQ V4的旗舰版上，我们可以提供完全的L4级自动驾驶能力；在DBQ V4的标配版上，我们也可以用10%的成本实现99%的L4级自动驾驶能力，量产成本可低至1万元。」
在第三代系统上，轻舟智航设计了2颗长距离激光雷达+3颗补盲激光雷达。与之相比，DBQ V4虽然传感器数量有所增加，但同时也替代掉了2颗价格最昂贵的旋转式激光雷达。新一代的旗舰版全车9颗激光雷达，都是半固态结构。
这里的主要目的是降本，侯聪在会后采访环节向Auto Byte透露：「半固态方案总体的激光雷达成本，其实还要低于一颗机械式激光雷达。」
尽管商业化是自动驾驶公司发展中的重要一环，但侯聪表示，轻舟智航最看重的还是感知性能。为此，轻舟智航坚定选择了带有激光雷达的多传感器融合方案，通过传感器的相互冗余、优势互补，达到尽可能稳定的感知能力，如激光雷达可在进出隧道时发挥更多作用、毫米波雷达可在雨雾天气发挥更多作用。
而且，DBQ V4旗舰版仅前向就提供了3颗长距离激光雷达，即使是在有大量FOV重叠的乘用车上也是如此布局。目的是得到的密集远距离点云数据，增加感知精度。
与此同时，DBQ V4在Robotaxi、Robobus和SUV、轿车、MPV等产品上通用一套方案，也便于共用相同的技术栈，进而可保证不同配置版本的自动驾驶能力稳定性。
目前，采用轻舟智航DBQ V4方案的 Robotaxi已完成了公开道路测试。根据公开测试视频来看，车辆在城市闹市、高架匝道、环岛路口、山路隧道等场景下，均比较流畅地自主完成了变道、换道超车、掉头、进出匝道、横行避让、车道协同、紧急制动等复杂操作。
活动现场，轻舟智航还与T3出行达成合作，将于今年7月在苏州联合启动Robotaxi的公开运营，通过技术+生态驱动，加速商业落地。此外，轻舟智航还宣布，将与地平线共同推进高级别自动驾驶方案的研发。
可自由定义用途的龙舟SPACE
除了Robotaxi外，轻舟智航还带来了一个全新的整车产品——龙舟SPACE，官方定义是可在复杂公开道路运营的移动出行空间解决方案。
龙舟SPACE的概念其实和滑板底盘有些接近，上下解耦独立布局，内部空间可根据需求灵活调整变化，如用于城市载人的接驳车，或实现物流车、零售车等其它功用。但与滑板底盘不同的是，轻舟智航提供了完整的底盘+车身，改变的只是车内布局方案。
2021年12月，轻舟智航与东风悦享发布的Sharing Bus，就是基于龙舟SPACE方案打造。目前，Sharing Bus已在武汉、大理等多个城市落地运营，用户智能接驳、景区观光等不同场景。
虽然Robobus的市场认可度低于Robotaxi，但轻舟智航仍通过多年努力跑通了这一条路。目前，轻舟智航已在美国硅谷、中国深圳、苏州等10座城市开展测试及运营，覆盖10种车型，车队数量近100辆。
今年5月初，轻舟智航还成为了北京首批获得Robobus测试牌照的企业之一。
轻舟矩阵驱动数据自动化闭环
此外，轻舟智航还发布了轻舟矩阵。这是一套以仿真技术为核心的自动驾驶研发工具链，通过流水线式的数据处理、标注、训练和仿真，让数据充分流转，实现数据自动化闭环。
对于自动驾驶来说，数据和效率是实现迭代的关键，但并非所有数据都能起到作用。于骞表示：「一辆搭载相机、激光雷达、毫米波雷达的多种传感器融合无人驾驶车辆，每天大约会生产4TB的数据。但这些数据里只有不到1%的数据可以用来开发，最终能够用来标注、模型训练的更少。」
这里的1%，指的是难以识别的corner case，这也是目前L4自动驾驶的最大挑战。但因为传统人工标注效率低下，实际遇到的场景并不一定都能发挥价值。因此，如何大幅降低标注成本、充分挖掘代表性数据，成为了关键难题。
轻舟智航推出的轻舟矩阵，就是通过半监督学习、自监督学习、弱监督学习和数据合成四方面出发，针对不同的感知任务，提出了一系列解决方案。
其中，数据合成还可依托真实路测数据，生成数百万个长尾场景，每天完成数百万次算法训练、测试验证和迭代优化。
于骞举了一个红绿灯的例子，现实场景中红绿灯的位置、显示状态、背景不同，还可能发生故障。轻舟矩阵可以通过生成模型，将此前采集到的真实材质相互组合，模拟出大量不同的红绿灯状态，弥补红绿灯数据不足。
据轻舟智航透露，轻舟矩阵可将自动驾驶的测试成本，降低至纯道路测试的1%。
