L'évolution de Zhuoyu : la société de conduite autonome née de la vision des drones DJI

1. Le croisement du gène drone : une origine en vision stéréo frontale

En 2016, au cœur de DJI, un projet de recherche préalable numéroté BR1609 a commencé. C'était, en pratique, le neuvième projet de recherche que DJI lançait cette année-là. Presque personne à l'époque n'aurait deviné qu'il deviendrait l'une des sociétés de conduite autonome les plus distinctives de Chine — dont la décision la plus célèbre fut de supprimer sa propre base de code.

En 2016, le Phantom 4 de DJI venait de conquérir le marché grand public des drones grâce à une vision par machine avancée, et la série « Mavic » (御) redéfinissait ce que pouvait être un drone portable. Shen Shaojie (沈劭劼) — alors professeur assistant à HKUST et ingénieur DJI travaillant sur la localisation et la planification des drones — a dirigé l'équipe qui a placé les premières caméras stéréo sur des drones. Son équipe a porté leur recherche HKUST, un système de navigation visuo-inertiel basé sur le framework VINS, du laboratoire aux drones de production.

L'équipe a remarqué quelque chose d'important : la vision par machine utilisée pour les drones et la perception environnementale requise pour la conduite partageaient la même logique sous-jacente. Les capacités accumulées par DJI en algorithmes de vision, fusion de capteurs et navigation inertielle pouvaient être transposées aux véhicules. En 2017, la petite équipe a effectué ses premiers essais sur route dans un terrain d'essai fermé à Shenzhen, avec un système de perception adapté de la technologie drone. En 2018, le projet a reçu l'un des premiers permis d'essai de conduite autonome de Shenzhen et est passé à la validation en route ouverte.

Dès ce moment, une identité technique s'est imposée, qui traverserait toute l'histoire de l'entreprise : vision d'abord, construite autour d'un système de vision stéréo inertielle frontale — un descendant direct des travaux VINS de l'ère des drones.

2. La plateforme Chengxing : le pilotage urbain sur matériel à faible coût

En 2021, la division Automobile de DJI a été officiellement créée et a fait sa première apparition publique au Salon de l'automobile de Shanghai. La route technique de Zhuoyu a divergé nettement du courant dominant :

• Pas d'empilement de calcul : l'industrie supposait que la navigation urbaine exigeait 256 TOPS ou plus. Zhuoyu a entrepris d'offrir la même capacité sur une plateforme de 32 TOPS ou moins.
• Pas de capteurs coûteux : une configuration vision à 7 caméras (une paire de caméras stéréo inertielles avant, une monoculaire arrière, quatre caméras fisheye périphériques) — pas de cartes HD, pas de dépendance au lidar.
• L'« égalité de conduite intelligente » comme cible : apporter l'assistance avancée aux VE de classe A0 coûtant moins de 100 000 RMB.

En 2022, la Baojun KiWi EV, propulsée par une solution Zhuoyu, est entrée en production de série et est devenue connue comme « l'expérience de conduite intelligente à 100 000 yuans ». L'architecture — configuration de capteurs minimale plus optimisation algorithmique extrême — a été nommée « Plateforme Chengxing » (成行平台). Son système de vision stéréo inertielle auto-développé récupère l'information 3D par disparité, détecte de manière robuste les objets inédits des cas limites, et élève la précision de perception des obstacles à la plage de 0,05 à 0,1 mètre. L'industrie a pris note : un pilotage urbain à ce budget était inédit.

3. L'ère des règles : un paradoxe d'ingénierie qui devenait plus dur, pas plus facile

En tant qu'école de robotique traditionnelle, l'équipe de Zhuoyu a longtemps cru aux approches fondées sur les règles, avec l'hypothèse implicite que « j'ai construit le modèle du monde physique ». Dans le développement du pilote urbain, les ingénieurs ont énuméré les scénarios de trafic et écrit des milliers de règles pour gérer les feux, les virages non protégés, les piétons et les vélos électriques.

La réalité a frappé fort. La complexité du trafic urbain chinois dépasse largement ce que toute bibliothèque de règles peut couvrir — vélos électriques à contresens, piétons traversant hors des passages, « zipper merge » sans fin. Chaque scénario long-traîne non énuméré exigeait de nouvelles règles, et chaque nouvelle règle faisait surgir plus de problèmes. L'équipe a décrit la situation comme un paradoxe d'ingénierie : « résoudre un problème et dix nouveaux apparaissent ». Le code de règles grossissait, et le système devenait plus maladroit. En 2024, quand l'industrie a basculé vers l'end-to-end, Zhuoyu était pris en étau : modèle immature, pression de livraison client, production backend volatile.

4. Tout miser : supprimer la base de code et parier sur l'end-to-end

2024 est devenu le tournant.

Après près d'un an de pré-recherche end-to-end, l'équipe a pris une décision rare dans l'industrie — un moment de « couper son propre bras ». Le 14 octobre 2024, ils ont supprimé toute l'ancienne base de code et déclaré : « Désormais il n'y a plus que l'end-to-end, plus de règles. »

La décision a effacé huit ans d'ingénierie fondée sur les règles. À l'époque, Zhuoyu venait tout juste de se séparer de DJI. Son premier tour de financement avait été conclu à 1,5 milliard RMB — mais seul un tiers avait réellement atterri. Des milliers d'employés, et la trésorerie ne pouvait tenir que quelques mois. Le PDG Shen Shaojie a décrit le moment de la séparation avec une métaphore tirée de The Three-Body Problem : l'humanité devient l'humanité spatiale — plus de maison où revenir, l'ennemi trop fort, et sur cinq vaisseaux survivants, les ressources ne suffisent que pour deux. « Il faut en sacrifier trois. »

Le pivot n'était pas un pari à l'aveugle. Inspiré par ce qu'il appelait l'approche « l'intelligence plutôt que la force brute » de Tesla (composants modulaires et explicables plutôt qu'une seule boîte noire géante), Zhuoyu a choisi une route end-to-end explicable et différenciée :

• Décomposer le modèle VLA (Vision-Language-Action) en modules explicables et spécialisés — fusion de perception, compréhension de scène, planification de décision — gardant l'avantage data-driven de l'end-to-end tout en résolvant deux des problèmes les plus durs de l'industrie : le raisonnement causal et la génération de données à basse fréquence. Chaque sortie de module est traçable et interprétable ; en cas d'échec, l'équipe peut identifier le module fautif.
• Pour les données à basse fréquence (orages, blizzards, zones de chantier), une bibliothèque de simulation couvrant plus de 200 scénarios long-traîne a été construite pour compléter les données réelles.

Le rythme de lancement après le pivot fut rapide. En novembre 2024, la FAW Hongqi Tiangong 08 est devenue le premier véhicule de série à présenter l'algorithme end-to-end explicable de Zhuoyu (ClixPilot Chengxing), avec une configuration 10 caméras haute performance sur un Qualcomm SA8650P à 100 TOPS et la navigation urbaine sans carte à l'échelle nationale. En 2025, Zhuoyu a déployé avec succès le réseau end-to-end sur le TDA4 de TI (32 TOPS) — offrant le pilotage urbain à calcul moyen aux véhicules de la classe 100 000 yuans de Wuling et Jetour via OTA, le seul NOA urbain à calcul moyen de ce type.

Aujourd'hui, Zhuoyu couvre 9 clients de voitures particulières, 15 programmes co-marqués, plus de 50 modèles de production, et revendique 34 partenaires avec plus de 130 programmes de véhicules en développement — des VE A0 d'entrée de gamme aux berlines de luxe, en passant par les motorisations thermique, hybride et 100 % électrique.

Conclusion

L'arc de Zhuoyu est une histoire d'autodestruction contrôlée. Une équipe de vision drone a hérité d'un talent profond pour extraire la capacité d'un matériel minimal — vision stéréo au lieu du lidar, 32 TOPS au lieu de 256. Cette même discipline de « l'intelligence plutôt que la force brute » en a fait l'un des premiers fournisseurs à livrer un pilotage urbain end-to-end explicable sur du calcul grand public, et c'est ce qui permet à une entreprise qui a supprimé sa propre base de code en octobre 2024 de figurer aujourd'hui parmi les fournisseurs de premier plan de l'assistance à la conduite.

Image de couverture : DJI Mavic 3 Pro vs DJI Phantom 4 Pro (via Wikimedia Commons, CC BY 4.0) — les deux gammes de drones au cœur de l'héritage vision de Zhuoyu.