新闻中心

EEPW首页 > 汽车电子 > 设计应用 > 高阶智驾 卷出了花

高阶智驾 卷出了花

作者: 时间:2024-07-08 来源:电车曼曼谈 收藏

4月30日,五一假期前的最后-天,向20多万NT2车型车主推送了全域全量的NOP+,鉴于自动驾驶领域营销术语众多,为了避免引起不必要的争议,姑且可以认为NOP+的全量推送等同于华为口中的“全国都能开”,这么算下来,大概率是国内第三个实现了高阶城区智驾全国都能开的车企,前两个分别为华为(全量推送时间为2月初)和小鹏(全量推送时间为2月底)。

本文引用地址://www.cazqn.com/article/202407/460771.htm

作为自动驾驶第一-阵营最无可置疑的三名选手,这几家车企的智驾水平或许有着些微的差距,却没有代际的区别,就以全量推送时间来看,最快的华为和最慢的汽车之间也不过隔了两三个月的时间。自动驾驶是一个长期的马拉松,从这个视角来看,两三个月是一个很短的时间,在如此密集的时间段之内,三家头部智驾车企陆续全量推送城区NOA,除了竞争过于内卷带驾车企陆续全量推送城区NOA,除了竞争过于内卷带来的推波助澜,还说明城区NOA确实来到了爆发的临界点。

1720435924781981.png

图片来源:地平线

在过去一年的时间里,自动驾驶的口水仗打得非常厉害,测试体系的缺位导致了各家在开城标准上莫衷一是,从开城数量的你追我赶,到突然而来的全国都能开,更是让大部分消费者陷入了云里雾里。好在技术硬核、而且善于做技术传播的蔚来汽车在这次智能驾驶发布会透露了关于城区NOA的一些“常识”。本文借此探讨两个问题,全量推送城区NOA或者说全国都能开的条件是什么?车企需要通过什么样的技术手段满足这些条件?

1   智驾体验x里程覆盖=全量推送

在今年3月份举行的电动汽车百人会上,国内头部智驾芯片厂商地平线掌门人余凯一语道出了城区NOA之所以无法得到快速普及的关键原因,余凯认为,阻碍城区NOA普及的挑战来自两个方面,一是“不可用”,主要原因是里程覆盖少,导致实际可用范围有限,二是“不好用”,智驾系统的风格太怂,会带来糟糕的驾驶体验, 风格太激进,又会引发安全风险。

针对这种尴尬的局面,百度提出了推动系统普及的方法论:需要实现“高时空覆盖,全国都能用”,解决里程覆盖少、系统不可用的问题,同时还要“安心、体验好”,解决系统不好用的问题。

1720436965641803.png

图片来源:百度

在地平线眼中,“可用”是城区NOA的先决条件,“好用”是城区NOA的进阶条件,在百度这里,“时空覆盖"对应的 “可用”和“安心好体验”对应的“好用”则是余凯认为,阻碍两个不同视角的并列条件,善于总结方法论的蔚来汽车给出的公式与百度类似,全量推送=安心安全的体验x最广的里程覆盖。

1720437499200822.png

图片来源:蔚来汽车

好用和可用、体验和里程覆盖本质上都是在讲自动驾驶技术深度和广度的问题,技术的深度决定了在可用范围内的体验是否安心安全,是否“好用”,技术的广度决定了是否会因为超出可用范围动不动就要求用户进行接管,造成不“可用”。所以,向大量城市推送城区NOA,需要在体验和里程覆盖两个方面齐头并进,在覆盖里程内纵向提升智驾系统的性能表现,同时横向扩展,扩大里程覆盖。

提升智驾性能表现,依靠的是数据闭环,扩大里程覆盖,依靠的是轻地图方案。

1720438183980481.png

图片来源:Momenta

2   构筑数据闭环提升系统表现

提升智能驾驶性能表现的关键是可以覆盖尽可能多的长尾场景,这是数据驱动的自动驾驶时代的共识之一,这里的关键是构建数据闭环。

每一个有志于全栈自研自动驾驶算法的车企,都需要构建自己的数据闭环,将数据采集、筛选、清洗、标注,模型训练和部署形成-个闭环,通过飞轮效应不断加速推进智能驾驶算法的迭代和进步。

1720446406260377.png

图片来源:小鹏汽车

不过,数据闭环只是一个基础性的框架, 关键在于如何低成本地从量产车辆(数据规模)中获取覆盖复杂场景和Corner case(数据质量)的数据。正如你解再多握二元二次方程的解法一样, 现有智能驾驶系统无法处理的复杂场景才能真正驱动智能驾驶系统的进步。

能想到的第一-个方 案,当然是从消费者的日常驾驶行为中获得Cormner case数据,但是,无论是人驾还是智驾,汽车行驶过程中的绝大部分数据都毫无价值,最好是阅后即焚,让它从现实中来,到虛空中去,挥一挥衣袖,不要带走任何云彩。所以,一股脑地将行驶数据不经鉴别地上传到云端,只会造成不必要的流量负担和云端的数据处理负担,另一方面,丘吉尔说过,“不要浪费每一次危机” ,真正有价值的数据如果没有捕捉到,也会非常可惜。

在车端捕捉Corner case的方法是特斯拉率先推出的影子模式,即用户本身没有开通服务,但是车企依然将模型部署到了车端,模型行为和司机行为出现差异的地方大概率就是对系统性能提升很有价值的长尾场景。

除了车端采集,还有一种方式是Cormner case生成。有困难要上,没有困难创造困难也要上,目前的生成式大模型正适合重建仿真场景。理论上来说,场景仿真的成本低,安全性高,还可以根据不同的需求生成不同的场景。但是,这种仿真要求车企或合作伙伴具备足够强的大模型能力,还必须非常了解传感器原理和光线追踪技术,才能非常精细地还原传感器视角下的世界,难度也算非常高的。

1720446728331217.png

图片来源:特斯拉

道理也很简单,地图可以提供的超视距和动态信息是车端感知无论如何都无法单独实现的。

无论是摄像头还是激光雷达,有效感知距离普遍都在一两百米,而且,采集到的车周环境信息越远越稀疏,但地图可以提供三五百米处的超视距信息。此外,现在的地图不止可以提供静态信息,还可以通过一系列算法和大数据技术实现对动态信息的捕捉,这当然也是单车智能无法实现的。所以,虽然车企们在营销层面都在做无图的宣传,但实际上都很务实地采取了轻地图方案。

可以把轻地图理解成标清地图(SD Map)和高精地图(HD Map)的中间方案,语义要素的数量、精度、成本、覆盖率、鲜度介于标清和高精之间,不具备成本高、覆盖率低、鲜度低这些传统高精地图的缺陷,和当前的开城运动所要求的速度及成本都是匹配的。

轻地图产品可以来自图商,也可以主机厂和图商合作,利用图商的测绘资质和主机厂的数据进行众包建图。说实话,轻地图是各个车企快速开城的秘密,是最符合事物本质的一个概念,至于无图、真无图、完全无图,也许只是一-种营销口号吧。

4   写在最后

这两三年来,以特斯拉和国内头部智驾车企为代表的厂商们在自动驾驶领域卷出了天际,特斯拉距离拿掉方向盘只有一步之遥,理想汽车也宣称三年就要实现L4了,卷成了麻花,也许,留给“兄弟们”开滴滴的时间真的不多了。

(本文来源于《EEPW》



关键词: 202407 高阶智驾 蔚来

评论


技术专区

关闭