2023年12月，清华大学苏州汽车研究院与为旌科技正式签署战略合作协议，共同设立智能网联汽车软硬件联合研发中心，双方聚焦基于国产芯片及软件的自动驾驶软硬件系统的研制与开发，围绕基于国产芯片的感知、决策和控制开展全方位合作。经过联合研发中心1年的技术打磨和攻关，基于为旌科技 VS919 计算平台自动驾驶开发项目完成验收。
在过去的一年中，联合研发中心以智能网联软硬件开发为中心任务，以行泊一体化、高速NOA为主要方向，清华苏州汽研院凭借其在智能驾驶领域的深厚积累，与为旌科技的御行VS919智能驾驶芯片平台相结合，共同开发面向L2++的智能驾驶解决方案。
VS919智能驾驶域控平台
让出行更简单！
12月11日，清华大学苏州汽车研究院常务副院长郑四发接待为旌科技CEO郑军一行，双方就项目成果进行交流并探讨下一阶段合作计划。
为旌专家实车体验了基于为旌VS919域控平台的六摄像头纯视觉方案，沿研究院周边20公里道路和高架开启自动驾驶，整个过程通过精准的感知和决策能力，无论是车道保持、自动换道还是自动上下匝道等功能，都展现了应对复杂交通场景的出色能力，充分验证了为旌VS919芯片对智能驾驶算法的支持能力，单芯片足以应对行泊一体的要求。（泊车方案由另一战略合作伙伴完成开发）。
在纯视觉高速NOA项目中，核心采用了基于BEV视角与Transformer架构的PETR变种模型作为感知技术的基石。该模型巧妙地将多视图共享的相机空间离散化为网格坐标体系，通过内外参数转换机制，实现目标在不同相机视图间的交互查询，有效捕捉并整合了跨视图间的几何关联与上下文信息，从而显著提升了障碍物的三维检测精度与完整性。
针对PETR模型的部署效率与实际应用考量，平台进行了一系列优化措施，包括但不限于自定义高效算子以降低计算复杂度，以及采用QAT（Quantization Aware Training）量化技术减少模型存储需求与推理时延，确保了模型在保持高性能的同时，具备良好的部署友好性与资源利用效率。
此外，平台还融入了先进的车道线识别技术，该技术能够精准快速地识别高速公路场景中的车道边界，为自动驾驶车辆提供了稳定且准确的导航参考信息，进一步增强了车辆对周围环境的综合感知能力，在实际应用中展现出了卓越的性能与实用性。
基于VS919 6V实车效果-普通路面场景
