以后的高階輔助駕駛或者自動(dòng)駕駛，到底要不要依靠高精地圖？

華為、小鵬都已經(jīng)紛紛宣布了會(huì)逐漸脫離開(kāi)高精地圖，魏牌則是直接發(fā)布“重感知，輕地圖”的方案，而最近理想汽車的李想也宣布，在2023年底要落地?zé)o需高精地圖的城市輔助駕駛。

前面三位是嘴上說(shuō)要脫離高精地圖，身體卻很誠(chéng)實(shí)，而且并沒(méi)有咬定時(shí)間，理想是直接給出了明確時(shí)間，但是理想真的能實(shí)現(xiàn)嗎？春節(jié)期間發(fā)生的高速NOA碰撞事件，也讓我們對(duì)于理想的輔助駕駛前景多了不少疑問(wèn)。

出現(xiàn)小學(xué)生級(jí)別錯(cuò)誤，理想的輔助駕駛決策有大問(wèn)題？

理想上一次影響比較大的NOA事故，還是在2022年8月，一臺(tái)理想ONE在高速上用NOA在巡航，車輛毫不減速地與靜止的工程車發(fā)生碰撞。

而理想L9自上市以來(lái)，一直沒(méi)有爆出過(guò)NOA的問(wèn)題，直到2023年1月21日上午5點(diǎn)42分，一臺(tái)理想L9以100km/h的速度，撞上了右前方變道過(guò)來(lái)的車輛，這臺(tái)理想L9卻沒(méi)有任何預(yù)警和主動(dòng)剎停動(dòng)作，是駕駛者人為進(jìn)行的減速，但依舊沒(méi)能扭轉(zhuǎn)事故的發(fā)生。

這件事倒是沒(méi)有出現(xiàn)特斯拉碰撞事故后的那種網(wǎng)絡(luò)輿論的憤怒，因?yàn)槭鹿拾l(fā)生時(shí)的視頻已經(jīng)在網(wǎng)絡(luò)上公布，李想本人也希望能夠和車主一起公開(kāi)所有數(shù)據(jù)，并沒(méi)有掖著藏著掩蓋過(guò)去。

還是回到這個(gè)事件本身，有些媒體把這次理想L9的事故算作是輔助駕駛的邊角案例，也就是corner case，這個(gè)邊角案例也是困擾L3、L4級(jí)自動(dòng)駕駛落地的關(guān)鍵因素之一，邊角案例定義為系統(tǒng)操作參數(shù)在正常范圍以外的問(wèn)題或是情形，可以理解為一些系統(tǒng)面對(duì)一些突發(fā)的不常見(jiàn)的情況。

李想也管前車的并線叫做“自殺式并線”，但是我們看到前車雖然速度偏慢，但是卻是打了轉(zhuǎn)向燈的，挑不出太多問(wèn)題，而且這是一個(gè)特別常見(jiàn)的夜間前車打燈并線的模型場(chǎng)景，這絕不是所謂的邊角案例，相信所有敢推出NOA的車企，都會(huì)對(duì)這種最基礎(chǔ)的模型進(jìn)行訓(xùn)練，可是理想L9毫無(wú)反應(yīng)，那么這說(shuō)明什么？只能說(shuō)是理想新一代平臺(tái)和硬件打造的NOA太不過(guò)關(guān)了？

這一次事故，不太可能是因?yàn)槔硐隠9完全沒(méi)有識(shí)別到前車，應(yīng)該是理想L9這套多傳感器方案的優(yōu)先級(jí)判斷出了問(wèn)題。

理想L9這套輔助駕駛系統(tǒng)的前向感知硬件包括了一顆激光雷達(dá)，前視的雙目800萬(wàn)像素?cái)z像頭，前向的毫米波雷達(dá)。激光雷達(dá)對(duì)于中遠(yuǎn)距離的探測(cè)比較準(zhǔn)確，線束密集的激光雷達(dá)甚至有一定的“成像”能力，但是近處不太能看得清，特別是像理想L9這種頂置的激光雷達(dá)。毫米波雷達(dá)主要負(fù)責(zé)中近距離的探測(cè)，遠(yuǎn)了就探測(cè)不到了，而且這種普通的毫米波雷達(dá)不具備成像能力。攝像頭在夜間本來(lái)就比較“乏力”，近處能看得清一些，遠(yuǎn)了幾乎看不見(jiàn)，單目攝像頭對(duì)于深度沒(méi)什么感知能力，也就是距離感，但是通過(guò)算法可以進(jìn)行一定的優(yōu)化，雙目視覺(jué)可以感知到一定的距離。

可以看出這三種感知硬件都有各自的優(yōu)劣勢(shì)，三者可以進(jìn)行互補(bǔ)，這也就是融合方案大家能夠感受到的優(yōu)點(diǎn)，但是這就要提到多傳感器方案融合時(shí)的優(yōu)先級(jí)判斷問(wèn)題了，這是一個(gè)相當(dāng)復(fù)雜的系統(tǒng)工程。因?yàn)槿N傳感器有著不同的特性，數(shù)據(jù)差異性非常大，大家可以想一想，一堆包括各種點(diǎn)云、波長(zhǎng)的雷達(dá)數(shù)據(jù)，再和多路攝像頭提供的不同清晰度的視覺(jué)數(shù)據(jù)融合在一起，把這些完全不同類型，不相干的數(shù)據(jù)通過(guò)特定的算法，帶到一個(gè)獨(dú)立的平面內(nèi)，還要考慮不少特殊問(wèn)題，最重要的就是感知到的結(jié)果不一樣怎么辦？應(yīng)該優(yōu)先采用誰(shuí)的數(shù)據(jù)？

之前我們提到過(guò)，不少輔助駕駛系統(tǒng)面對(duì)靜止物體時(shí)發(fā)生的碰撞事故，就是因?yàn)槎鄠鞲衅鞯膬?yōu)先級(jí)判斷出現(xiàn)了問(wèn)題，導(dǎo)致系統(tǒng)直接“擺爛”，就直接撞上去了，而到了移動(dòng)物體這里，一樣會(huì)發(fā)生這類物體，當(dāng)優(yōu)先級(jí)判斷出現(xiàn)問(wèn)題，在那么一瞬間不知道該聽(tīng)誰(shuí)的了，碰撞事故就在所難免了，那么這就需要工程師為車輛預(yù)留出在發(fā)生這種情況的時(shí)候的最保守方案。

想在2023年底拋棄高精地圖，邏輯是不是要大改？

看完了這起事故，再想想李想說(shuō)的要落地不依靠高精地圖的城市輔助駕駛這件事，大家心里就更含糊了，在有高精地圖的情況下都能撞，再少了高精地圖之后，輔助駕駛感知方面的壓力就更大了。

李想說(shuō)要不依靠高精地圖做輔助駕駛，那就說(shuō)明這應(yīng)該使用的是一套與目前高速輔助駕駛完全不同的新邏輯，如果再沿用目前高速NOA的邏輯，那么還是有可能會(huì)出問(wèn)題的。

城市道路環(huán)境中，會(huì)遇到所謂的邊角案例，因?yàn)榈缆返膮⑴c者更多，整體的不確定性會(huì)變得更高，特別是在有了高精地圖之后，會(huì)更加考驗(yàn)到系統(tǒng)的優(yōu)先級(jí)判斷，因?yàn)閲?guó)內(nèi)的車企們所使用的高精地圖幾乎完全來(lái)自供應(yīng)商，因?yàn)樵诂F(xiàn)有情況下要收集制作高精地圖是真的很貴，雖然有資質(zhì)的企業(yè)開(kāi)始逐漸增多，但是其中沒(méi)看到幾個(gè)車企。

供應(yīng)商們更新高精地圖的頻率幾乎是以季度為單位計(jì)算的，并不會(huì)特別頻繁，而對(duì)于經(jīng)常出現(xiàn)特殊或者突發(fā)情況的城市路段，這種頻率真的是太低了。地圖說(shuō)應(yīng)該怎么走，但是有占道施工、事故或者改道，感知系統(tǒng)也發(fā)現(xiàn)了不同，那么應(yīng)該聽(tīng)誰(shuí)的呢？車很有可能就僵在那里不走了，或者直接退出輔助駕駛，所以理想的城市NOA在底層邏輯方面應(yīng)該是一套完全不同于目前高速NOA。

再來(lái)看看目前已經(jīng)在城市內(nèi)實(shí)現(xiàn)輔助駕駛的小鵬和華為系車型，它們目前依賴著高精地圖，但是兩者也都表示了會(huì)逐漸脫離開(kāi)高精地圖，而是走向“眾包地圖”，也就是靠路上的非專業(yè)測(cè)繪的交通參與者的信息，實(shí)時(shí)生成的地圖，在海外已經(jīng)實(shí)現(xiàn)FSD進(jìn)城的特斯拉，在一定程度上就是采用了這種方式，只是特斯拉的眾包地圖基本上都是靠特斯拉車型的實(shí)時(shí)信息收集。只要收集到的信息夠多，過(guò)濾后有用的信息夠多，一樣可以實(shí)現(xiàn)高精地圖的效果，不過(guò)這種方式總還是有種“拄拐”的感覺(jué)。

最重要的還是要提升優(yōu)化算法能力，因?yàn)闊o(wú)論是高精地圖還是眾包地圖，“鮮度”這個(gè)問(wèn)題真的很難解決，還是要不斷提升車輛本身的感知能力，要以車輛此時(shí)此刻的周邊環(huán)境為最終決策依據(jù)，而這又需要足夠數(shù)據(jù)量的積累和超算中心的處理，在這方面華為、特斯拉、小鵬都已經(jīng)走在了前面，理想還差得比較遠(yuǎn)，而且這種數(shù)據(jù)量的差距，以及模型數(shù)據(jù)的積累，在每時(shí)每刻都在把差距變大。

總結(jié)

而從目前的情況來(lái)看，理想在高速情況下會(huì)發(fā)生這類低級(jí)失誤，可能是一個(gè)偶發(fā)問(wèn)題，在理想自己來(lái)看可能是個(gè)小失誤，系統(tǒng)可能在凌晨五點(diǎn)多開(kāi)了個(gè)小差，但是背后體現(xiàn)出的不穩(wěn)定性，多傳感器方案的優(yōu)先級(jí)判斷都有著一些問(wèn)題，我們靜待官方公布數(shù)據(jù)。同時(shí)，這也讓我們看到了，即便你有了多傳感器，甚至你是“大滿貫”選手，依然不能掉以輕心。

至于理想能否在2023年底擺脫高精地圖這個(gè)拐杖，可能時(shí)間有些緊，在現(xiàn)有條件下，中國(guó)車企或者自動(dòng)駕駛企業(yè)想靠其他方式，彌補(bǔ)去掉高精地圖的窟窿，都是難度很大的，無(wú)論是眾包地圖還是類似特斯拉的“占用網(wǎng)絡(luò)”，對(duì)于高速行進(jìn)的自動(dòng)駕駛汽車來(lái)說(shuō)，都不見(jiàn)得是最好的方案，如何把視覺(jué)感知和決策做到極致，可能還是最重要的課題。