?

在2024年到現(xiàn)在2025年初這一年多時(shí)間里，全球自動(dòng)駕駛技術(shù)真的發(fā)生了翻天覆地的變化。不管是硬件方案、算法架構(gòu)還是商業(yè)化落地，都和兩三年前完全不是一個(gè)量級了。今天就系統(tǒng)性地聊聊現(xiàn)在全球范圍內(nèi)自動(dòng)駕駛到底發(fā)展到什么程度了，各家都在用什么技術(shù)路線，哪些已經(jīng)真正能用了，哪些還在PPT階段。我盡量把技術(shù)細(xì)節(jié)和實(shí)際體驗(yàn)結(jié)合起來說，這樣大家能更直觀地理解。

先說說感知硬件這塊的技術(shù)路線之爭

這個(gè)話題爭了好幾年了，到現(xiàn)在基本形成了兩大陣營。特斯拉這邊堅(jiān)持純視覺方案，馬斯克一直說激光雷達(dá)是拐杖，人類開車就靠眼睛，AI也應(yīng)該能做到。他們最新的FSD V12版本已經(jīng)完全轉(zhuǎn)向端到端神經(jīng)網(wǎng)絡(luò)了，不再用之前那種規(guī)則式的代碼。具體來說就是把8個(gè)攝像頭的畫面直接喂給神經(jīng)網(wǎng)絡(luò)，讓AI自己學(xué)習(xí)怎么開車，不再人為設(shè)定什么情況該減速、什么情況該變道這些規(guī)則。實(shí)際效果確實(shí)有明顯提升，特別是在處理復(fù)雜路口、無保護(hù)左轉(zhuǎn)這些場景時(shí)，比V11版本平滑很多，不會(huì)突然猶豫或者急剎車了。他們用的Occupancy Network技術(shù)挺有意思的，不再去識別這是車、那是人，而是直接預(yù)測3D空間中哪些格子被占用了，這樣對于一些不常見的物體，比如掉落的輪胎、推著購物車的人，也能正確識別出來是障礙物。配合HW4.0硬件平臺，算力達(dá)到了2500 TOPS，處理能力比之前強(qiáng)了好幾倍。不過純視覺方案的問題也很明顯，在夜間、大雨、濃霧這些極端天氣下，攝像頭性能會(huì)大幅下降，測距精度也不如激光雷達(dá)。另一邊的陣營就是多傳感器融合派，以國內(nèi)的華為、小鵬、理想和海外的Waymo為代表。這些廠商都在用激光雷達(dá)+攝像頭+毫米波雷達(dá)的融合方案。拿華為ADS 2.0來說，硬件配置真的很夸張，3顆激光雷達(dá)（前向一顆是192線的，側(cè)向兩顆），11個(gè)高清攝像頭覆蓋360度視野，還有6個(gè)毫米波雷達(dá)做補(bǔ)充。這套系統(tǒng)的算力平臺用的是MDC 810，達(dá)到400+ TOPS的算力。實(shí)際體驗(yàn)下來，在隧道進(jìn)出口、夜間無燈光路段、雨霧天氣這些場景，激光雷達(dá)的優(yōu)勢真的太明顯了。因?yàn)榧す饫走_(dá)是主動(dòng)發(fā)射激光測距，不依賴環(huán)境光線，測距精度能達(dá)到厘米級，這對于復(fù)雜路況下的緊急避障特別重要。而且激光雷達(dá)能直接生成3D點(diǎn)云，對于立體障礙物的識別比純視覺準(zhǔn)確太多。不過問題也很現(xiàn)實(shí)，成本高啊，一顆192線的激光雷達(dá)現(xiàn)在還得幾千美金，雖然比前幾年便宜了很多，但相比攝像頭還是貴了一個(gè)量級。Waymo的第五代自動(dòng)駕駛系統(tǒng)更狠，用了4顆激光雷達(dá)加29個(gè)攝像頭，硬件成本估計(jì)得十幾萬美金起步，這也是為什么Waymo的Robotaxi運(yùn)營成本一直降不下來的原因。

4D毫米波雷達(dá)是今年特別值得關(guān)注的新技術(shù)

這東西可以說是在純視覺和激光雷達(dá)之間找到了一個(gè)平衡點(diǎn)。傳統(tǒng)的毫米波雷達(dá)只能提供距離、速度、方位角這三個(gè)維度的信息，對于靜止物體識別很差，而且分辨率低，經(jīng)常把好幾個(gè)目標(biāo)當(dāng)成一個(gè)。4D毫米波雷達(dá)增加了高度信息，而且通過級聯(lián)技術(shù)把點(diǎn)云密度提升了10倍以上，現(xiàn)在一幀能輸出幾千個(gè)點(diǎn)，雖然還是比不上激光雷達(dá)的幾十萬個(gè)點(diǎn)，但已經(jīng)能滿足很多場景需求了。像Arbe、Oculii、森思泰克這些公司的產(chǎn)品，已經(jīng)在一些量產(chǎn)車上開始應(yīng)用。最關(guān)鍵是成本，一顆4D毫米波雷達(dá)的成本大概就幾百美金，只有激光雷達(dá)的十分之一。而且毫米波雷達(dá)不受天氣影響，大雨大霧照樣能正常工作，這點(diǎn)比攝像頭和激光雷達(dá)都強(qiáng)?，F(xiàn)在不少車企開始采用”5R11V”的配置，就是5個(gè)4D毫米波雷達(dá)加11個(gè)攝像頭，不用激光雷達(dá)也能實(shí)現(xiàn)比較好的城市NOA功能。當(dāng)然，4D毫米波的問題是對于小物體的識別能力還是不如激光雷達(dá)，比如路面的錐桶、掉落的小包裹這些，可能會(huì)漏檢。

算法層面的變化比硬件還要激進(jìn)

大模型技術(shù)徹底改變了自動(dòng)駕駛的技術(shù)范式。傳統(tǒng)的模塊化方案是把自動(dòng)駕駛分成感知、預(yù)測、規(guī)劃、控制幾個(gè)獨(dú)立模塊，每個(gè)模塊單獨(dú)設(shè)計(jì)單獨(dú)優(yōu)化。這種方案的問題是信息損失嚴(yán)重，比如感知模塊輸出”前方20米有一輛車”，但實(shí)際上那輛車可能在踩剎車，尾燈亮著，這個(gè)細(xì)節(jié)信息在傳遞到規(guī)劃模塊時(shí)就丟失了。端到端方案就是用一個(gè)大神經(jīng)網(wǎng)絡(luò)，直接從傳感器數(shù)據(jù)學(xué)到控制指令，中間不需要人為設(shè)計(jì)的模塊劃分。英國的Wayve公司搞的GAIA-1模型特別有代表性，這是一個(gè)基于Transformer架構(gòu)的世界模型，可以生成未來駕駛場景的視頻預(yù)測，比如給定當(dāng)前畫面和轉(zhuǎn)向指令，它能預(yù)測出未來5秒車輛會(huì)開到哪里、周圍車輛會(huì)怎么運(yùn)動(dòng)。這種預(yù)測能力說明模型理解了物理規(guī)律和駕駛常識，不是簡單的模式匹配。特斯拉的團(tuán)隊(duì)在2024年的一次技術(shù)分享中透露，他們的端到端模型參數(shù)量已經(jīng)超過千億級別，訓(xùn)練數(shù)據(jù)來自全球數(shù)百萬輛特斯拉車的實(shí)際行駛數(shù)據(jù)，相當(dāng)于幾十億英里的駕駛經(jīng)驗(yàn)。這種數(shù)據(jù)規(guī)模是任何一家傳統(tǒng)車企都沒法比的，這也是特斯拉敢走純視覺路線的底氣所在。

大語言模型被用在自動(dòng)駕駛上是2024年最有意思的技術(shù)趨勢

這個(gè)方向很多人可能覺得不靠譜，但實(shí)際上效果超出預(yù)期。傳統(tǒng)的自動(dòng)駕駛系統(tǒng)對于復(fù)雜場景的理解能力很弱，比如看到一個(gè)”前方施工繞行”的牌子，傳統(tǒng)系統(tǒng)只能識別出這是個(gè)牌子，但理解不了是什么意思，還得靠視覺識別錐桶、護(hù)欄這些物理障礙物才知道不能通行。但如果用上LLM，系統(tǒng)可以直接理解”施工”、”繞行”這些語義，推理出可能的交通組織方式，提前規(guī)劃繞行路線，而不是開到跟前才發(fā)現(xiàn)被攔住。Waymo和谷歌DeepMind合作的研究顯示，在處理長尾場景時(shí)，結(jié)合LLM的決策系統(tǒng)成功率提升了40%。具體的技術(shù)實(shí)現(xiàn)是把視覺感知結(jié)果轉(zhuǎn)換成文本描述，比如”前方30米紅綠燈路口，左側(cè)車道有兩輛車在排隊(duì)，右側(cè)車道空”，然后喂給LLM，讓它基于駕駛常識和交通規(guī)則生成決策建議”建議變道到右側(cè)車道通過路口”，最后再轉(zhuǎn)換成具體的控制指令。這種方法特別適合處理那些訓(xùn)練數(shù)據(jù)里沒見過的新場景，因?yàn)長LM有推理能力，不是死記硬背。國內(nèi)的毫末智行、地平線也在搞類似的研究，把他們訓(xùn)練的垂直領(lǐng)域LLM集成到自動(dòng)駕駛系統(tǒng)里。

神經(jīng)渲染技術(shù)被用來做仿真測試是另一個(gè)重大突破

這個(gè)技術(shù)原本是搞3D重建和虛擬現(xiàn)實(shí)的，結(jié)果在自動(dòng)駕駛領(lǐng)域找到了完美應(yīng)用場景。傳統(tǒng)的仿真器比如Carla、LGSVL這些，雖然能模擬各種交通場景，但畫面不夠真實(shí)，光影效果假，自動(dòng)駕駛系統(tǒng)很容易就能分辨出這是仿真數(shù)據(jù)而不是真實(shí)數(shù)據(jù)，導(dǎo)致在仿真器里測試通過的算法，拿到真車上效果就不行。NeRF（神經(jīng)輻射場）技術(shù)徹底解決了這個(gè)問題，它可以從多個(gè)角度拍攝的視頻中重建出照片級真實(shí)的3D場景，而且可以任意改變視角、光照、天氣。英偉達(dá)的Drive Sim平臺現(xiàn)在就是基于這個(gè)技術(shù)，可以把真實(shí)的道路場景掃描進(jìn)去，然后在里面測試各種極端情況，比如突然竄出來一個(gè)小孩、對向車輛失控沖過來這些。更厲害的是可以合成訓(xùn)練數(shù)據(jù)，比如系統(tǒng)在某個(gè)場景下表現(xiàn)不好，就用NeRF生成一堆類似但稍有變化的場景，專門訓(xùn)練這種情況。Waymo公開的數(shù)據(jù)顯示，他們現(xiàn)在99%的測試都在仿真環(huán)境里完成，只有1%需要真車路測，大大降低了測試成本和風(fēng)險(xiǎn)。

高精地圖的地位正在發(fā)生根本性變化

這個(gè)趨勢在2024年特別明顯。以前業(yè)內(nèi)普遍認(rèn)為L3級以上的自動(dòng)駕駛必須依賴高精地圖，因?yàn)樾枰_知道車道線、紅綠燈、路口拓?fù)溥@些信息。但高精地圖有致命的問題，首先是制作成本高，傳統(tǒng)方法需要專業(yè)測繪車帶著激光雷達(dá)去掃描，每公里成本要幾千元人民幣，全國高速公路加城市道路得幾十萬公里，這是個(gè)天文數(shù)字。其次是更新頻率跟不上，道路施工、車道調(diào)整這些變化非常頻繁，但地圖更新可能要幾個(gè)月，導(dǎo)致自動(dòng)駕駛系統(tǒng)用的是過時(shí)數(shù)據(jù)。最致命的是法規(guī)限制，很多國家對高精度測繪有嚴(yán)格管控，不允許外國公司采集，這直接限制了自動(dòng)駕駛的全球化部署?，F(xiàn)在的技術(shù)趨勢是”輕地圖”或者”無圖”方案，就是降低對高精地圖的依賴，更多靠實(shí)時(shí)感知和在線建圖。Mobileye搞的REM（路網(wǎng)經(jīng)驗(yàn)管理）技術(shù)挺聰明的，利用量產(chǎn)車上的攝像頭眾包采集數(shù)據(jù)，自動(dòng)生成和更新地圖，成本幾乎為零，而且更新頻率可以做到準(zhǔn)實(shí)時(shí)。特斯拉更激進(jìn)，完全拋棄了高精地圖，純靠視覺神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)識別車道線、交通標(biāo)識、路口結(jié)構(gòu)這些信息，在北美和中國的城市NOA實(shí)測中已經(jīng)證明可行。華為ADS 2.0也宣稱可以”全國都能開，不需要高精地圖”，實(shí)際測試下來確實(shí)在沒有高精地圖覆蓋的路段也能正常工作，雖然偶爾會(huì)猶豫，但大部分情況是OK的。矢量化地圖表征是輕地圖方向的核心技術(shù)

這個(gè)技術(shù)簡單說就是不再存儲柵格圖像，而是用數(shù)學(xué)向量來表示道路元素。比如一條車道線，傳統(tǒng)地圖可能存儲為一串坐標(biāo)點(diǎn)的像素?cái)?shù)組，占用空間大，而且不方便編輯。矢量化表征就用貝塞爾曲線或者多項(xiàng)式來描述這條線，只需要幾個(gè)參數(shù)，占用空間小了幾十倍，而且可以方便地延伸、拼接、修改。更重要的是，神經(jīng)網(wǎng)絡(luò)可以直接輸出矢量化的地圖表征，比如從攝像頭圖像直接預(yù)測出車道線的貝塞爾曲線參數(shù)，這樣就實(shí)現(xiàn)了感知和建圖的統(tǒng)一。特斯拉在2023年的AI Day上展示過他們的Vector Lane Network，能實(shí)時(shí)輸出周圍200米范圍內(nèi)的矢量化道路網(wǎng)絡(luò)，包括車道連接關(guān)系、路口拓?fù)溥@些信息。這種實(shí)時(shí)在線地圖和傳統(tǒng)的離線高精地圖相比，最大優(yōu)勢是永遠(yuǎn)不會(huì)過時(shí)，看到的就是當(dāng)前真實(shí)情況，哪怕道路臨時(shí)改道、車道線重新劃了，都能實(shí)時(shí)適應(yīng)。

計(jì)算架構(gòu)從分布式向集中式演進(jìn)是另一個(gè)大趨勢

以前一輛車可能有上百個(gè)ECU（電子控制單元），發(fā)動(dòng)機(jī)控制、剎車控制、燈光控制、娛樂系統(tǒng)各管各的，彼此之間通過CAN總線通信，帶寬很低，延遲也高?，F(xiàn)在逐步整合成幾個(gè)域控制器，把相關(guān)功能集中到一個(gè)強(qiáng)大的計(jì)算平臺上。自動(dòng)駕駛域控制器（ADCU）是算力要求最高的，因?yàn)橐幚矶鄠€(gè)攝像頭、雷達(dá)、激光雷達(dá)的數(shù)據(jù)流，還要跑深度學(xué)習(xí)模型。英偉達(dá)的Orin芯片現(xiàn)在基本是行業(yè)標(biāo)準(zhǔn)，單顆算力254 TOPS，一般配置是雙Orin或者四Orin，總算力達(dá)到500-1000 TOPS。他們下一代的Thor芯片更猛，單顆2000 TOPS，2025年就會(huì)在一些新車上量產(chǎn)。國內(nèi)的芯片像地平線征程6達(dá)到560 TOPS，雖然和英偉達(dá)還有差距，但考慮到價(jià)格和供應(yīng)鏈自主性，不少國內(nèi)車企在用。黑芝麻的A2000芯片也到了196 TOPS，在商用車和低端乘用車市場有一定份額。算力提升帶來的好處是可以跑更復(fù)雜的模型，處理更多傳感器數(shù)據(jù)，決策延遲也能降下來。特斯拉自研的FSD芯片雖然只有144 TOPS，但因?yàn)槭嵌ㄖ苹O(shè)計(jì)，專門優(yōu)化了神經(jīng)網(wǎng)絡(luò)推理，實(shí)際性能不比Orin差。

車云協(xié)同是解決算力瓶頸的重要方向

單車智能再強(qiáng)也有上限，很多復(fù)雜的計(jì)算任務(wù)比如大模型訓(xùn)練、仿真測試、路徑優(yōu)化這些，不可能都在車上完成。所以現(xiàn)在的技術(shù)架構(gòu)是車端負(fù)責(zé)實(shí)時(shí)感知和快速?zèng)Q策，云端負(fù)責(zé)訓(xùn)練模型、更新算法、處理海量數(shù)據(jù)。小鵬的XNGP系統(tǒng)是個(gè)典型案例，他們每天從全國的車隊(duì)收集數(shù)億公里的行駛數(shù)據(jù)，上傳到云端進(jìn)行標(biāo)注和訓(xùn)練，然后通過OTA把新模型推送到車上。這種模式下，車隊(duì)規(guī)模本身就是競爭力，車越多數(shù)據(jù)越多，模型迭代越快，形成正向循環(huán)。華為的”車云一體”方案更進(jìn)一步，云端不只是訓(xùn)練模型，還提供實(shí)時(shí)的路況信息、最優(yōu)路徑規(guī)劃、甚至在特殊情況下遠(yuǎn)程接管車輛。這種”云代駕”模式在Robotaxi場景特別有用，遇到車輛自己處理不了的情況，比如復(fù)雜施工路段，可以請求云端的人類操作員遠(yuǎn)程操控通過，然后記錄這次操作數(shù)據(jù)用于后續(xù)訓(xùn)練。不過車云協(xié)同也帶來了新問題，對網(wǎng)絡(luò)連接的要求很高，要保證低延遲和高可靠性，而且數(shù)據(jù)安全和隱私保護(hù)也是挑戰(zhàn)，用戶的駕駛數(shù)據(jù)上傳到云端，如何防止泄露是必須解決的問題。

商業(yè)化落地方面，Robotaxi無人出租車是最激進(jìn)的應(yīng)用場景

也是驗(yàn)證自動(dòng)駕駛技術(shù)成熟度的試金石。Waymo現(xiàn)在是全球領(lǐng)先的，他們在舊金山和鳳凰城的運(yùn)營已經(jīng)完全去掉了安全員，車?yán)餂]有人，用戶通過APP叫車，車自己開過來，送到目的地。根據(jù)公開數(shù)據(jù)，Waymo每周完成超過10萬次訂單，運(yùn)營時(shí)間覆蓋7×24小時(shí)，包括夜間和高峰時(shí)段。實(shí)際乘坐體驗(yàn)還不錯(cuò)，開車風(fēng)格比較保守，但基本不會(huì)讓人感覺不安全。不過成本還是太高，Waymo一輛車的硬件成本估計(jì)要20萬美金以上，加上運(yùn)維、充電、清潔這些，每英里成本還是比人類司機(jī)貴。他們的策略是先在限定區(qū)域內(nèi)做到技術(shù)領(lǐng)先，積累足夠多的運(yùn)營數(shù)據(jù)和口碑，然后等硬件成本下降再大規(guī)模擴(kuò)張。國內(nèi)的百度蘿卜快跑進(jìn)展也挺快，在武漢、深圳、重慶等城市開展全無人化運(yùn)營，累計(jì)訂單已經(jīng)超過600萬次。他們用的是阿波羅Moon車型，硬件配置比Waymo簡單一些，成本也低不少，單車成本據(jù)說已經(jīng)降到了25萬人民幣左右。蘿卜快跑的優(yōu)勢是中國的道路環(huán)境更復(fù)雜，如果能在武漢這種電動(dòng)車橫行、路況混亂的城市跑起來，技術(shù)魯棒性會(huì)更強(qiáng)。但他們目前還主要在特定區(qū)域運(yùn)營，還沒有實(shí)現(xiàn)全城無限制開放。

Cruise的案例值得特別說一下，作為通用旗下的自動(dòng)駕駛公司，Cruise在2023年是風(fēng)光無限，在舊金山拿到了全無人運(yùn)營許可，準(zhǔn)備大干一場。結(jié)果去年10月發(fā)生了一起事故，一個(gè)行人被另一輛車撞倒后，又被Cruise的無人車拖行了一段距離，雖然主要責(zé)任不在Cruise，但這個(gè)事情引發(fā)了巨大爭議。加州監(jiān)管部門吊銷了Cruise的運(yùn)營許可，通用隨后暫停了所有的Robotaxi業(yè)務(wù)，進(jìn)行全面安全審查。這個(gè)事情說明自動(dòng)駕駛技術(shù)再先進(jìn)，只要出了事故就是100%的責(zé)任，社會(huì)容忍度遠(yuǎn)低于人類駕駛員。而且Cruise暴露出來的問題不只是技術(shù)，還有對事故的處理方式，他們最初沒有如實(shí)向監(jiān)管部門報(bào)告拖行的細(xì)節(jié)，導(dǎo)致信任度嚴(yán)重受損?，F(xiàn)在Cruise正在重組，砍掉了大量員工，戰(zhàn)略方向也在重新評估。這個(gè)案例給整個(gè)行業(yè)敲響了警鐘，技術(shù)只是一方面,安全冗余、測試驗(yàn)證、危機(jī)應(yīng)對這些同樣重要。

量產(chǎn)車的高速NOA功能已經(jīng)相對成熟，這是目前普通消費(fèi)者能真正用上的自動(dòng)駕駛功能。高速公路環(huán)境相對簡單，車道線清晰，沒有行人和非機(jī)動(dòng)車，車速雖然快但都是同向行駛，預(yù)測起來容易很多。理想的L系列車型，高速NOA使用率已經(jīng)超過50%，意味著一半以上的高速駕駛時(shí)間用戶愿意開啟自動(dòng)駕駛。蔚來的NOP+覆蓋了全國的高速路網(wǎng)，小鵬NGP累計(jì)行駛里程超過10億公里，這些都證明高速NOA技術(shù)已經(jīng)通過了大規(guī)模驗(yàn)證。實(shí)際體驗(yàn)下來，高速上的自動(dòng)變道、超車、跟車基本達(dá)到了人類駕駛員的水平，甚至某些方面比人更平穩(wěn)，因?yàn)锳I對車距、速度的控制更精確。但上下匝道還是個(gè)難點(diǎn)，特別是一些匝道比較短、需要連續(xù)變道的情況，系統(tǒng)容易處理不過來，需要人接管。還有就是大貨車加塞、施工路段封閉車道這些突發(fā)情況,系統(tǒng)的應(yīng)對有時(shí)候會(huì)比較遲疑，不如人類駕駛員果斷。不過總體來說，高速NOA已經(jīng)可以大幅降低駕駛疲勞度，尤其是長途駕駛，這個(gè)功能的價(jià)值是實(shí)實(shí)在在的。

城市NOA是2024-2025年度最大的技術(shù)突破，難度比高速NOA高了不止一個(gè)量級。城市環(huán)境太復(fù)雜了，紅綠燈、路口、行人、非機(jī)動(dòng)車、臨時(shí)變道、違章停車、施工圍擋，每一個(gè)都是挑戰(zhàn)。華為ADS 2.0在這方面確實(shí)做得不錯(cuò)，他們宣稱可以實(shí)現(xiàn)”全國都能開”，不依賴高精地圖。實(shí)際測試下來，在深圳、上海這些一線城市，系統(tǒng)確實(shí)能夠處理大部分情況，紅綠燈識別準(zhǔn)確率99%以上，無保護(hù)左轉(zhuǎn)成功率也能達(dá)到95%以上。但遇到一些極端情況還是會(huì)出問題，比如電動(dòng)車突然變道插隊(duì)，系統(tǒng)會(huì)緊急制動(dòng)，動(dòng)作比人類駕駛員更急，有時(shí)候坐著會(huì)不太舒服。還有就是在一些小路口，交通標(biāo)識不清楚或者沒有的情況，系統(tǒng)會(huì)變得很保守，寧可多等一會(huì)也不敢走，這時(shí)候人類駕駛員其實(shí)可以根據(jù)經(jīng)驗(yàn)判斷能通過。特斯拉FSD V12在北美城市的表現(xiàn)也不錯(cuò)，尤其是灣區(qū)這種復(fù)雜環(huán)境，處理起來比較從容。但右轉(zhuǎn)讓行人這塊，系統(tǒng)現(xiàn)在調(diào)得太保守了，有時(shí)候行人離得還很遠(yuǎn)就開始減速等待，影響通行效率。小鵬的城市NGP正在快速迭代，他們的優(yōu)勢是中國用戶的反饋很及時(shí)，系統(tǒng)改進(jìn)速度快，現(xiàn)在已經(jīng)可以在很多二三線城市使用，不只是一線城市。

安全冗余設(shè)計(jì)是高等級自動(dòng)駕駛的基礎(chǔ)要求

這個(gè)話題聽起來枯燥但極其重要。自動(dòng)駕駛系統(tǒng)比人類駕駛員對安全的要求高得多，因?yàn)闄C(jī)器不能出錯(cuò)，出錯(cuò)就是系統(tǒng)性問題。硬件冗余是最基本的,比如傳感器要有備份,一個(gè)攝像頭壞了，其他的能頂上；計(jì)算平臺要有雙芯片甚至三芯片，一個(gè)算力模塊故障了，另一個(gè)立刻接管；制動(dòng)系統(tǒng)要有獨(dú)立的冗余，電子制動(dòng)失效了，機(jī)械制動(dòng)能緊急剎停。奔馳的Drive Pilot是全球第一款獲得L3認(rèn)證的量產(chǎn)車，它的硬件冗余做得最完善，雙轉(zhuǎn)向系統(tǒng)、雙制動(dòng)系統(tǒng)、雙電源系統(tǒng)，保證任何單點(diǎn)故障不會(huì)導(dǎo)致系統(tǒng)完全失效。軟件冗余也很重要，比如感知算法要有多種備份方案，視覺識別失敗了，激光雷達(dá)能頂上；決策算法要有fallback機(jī)制，主算法輸出異常時(shí)，備用的簡單算法保證車輛能安全停下來。除了硬件和軟件冗余，功能降級策略也是關(guān)鍵，系統(tǒng)發(fā)現(xiàn)自己處理不了的情況，要能平滑降級，給駕駛員足夠的反應(yīng)時(shí)間接管，而不是突然撒手不管。這需要精心設(shè)計(jì)人機(jī)交互，提前多久提示、用什么方式提示、駕駛員多長時(shí)間沒響應(yīng)算失效，這些都要經(jīng)過大量測試驗(yàn)證。

預(yù)期功能安全SOTIF是個(gè)容易被忽視但很致命的問題

這個(gè)概念說的是即使硬件不壞、軟件沒bug，算法也可能犯錯(cuò)，因?yàn)锳I本質(zhì)上是概率模型，不可能100%準(zhǔn)確。歷史上發(fā)生過幾起嚴(yán)重的自動(dòng)駕駛事故，都是因?yàn)樗惴ㄗR別失敗，比如特斯拉的早期版本曾經(jīng)把白色貨車誤認(rèn)為天空，因?yàn)橛?xùn)練數(shù)據(jù)里白色車輛側(cè)翻的場景太少了；還有把路邊廣告牌上的車道線圖案誤認(rèn)為真實(shí)車道線，導(dǎo)致車輛偏離。解決SOTIF的關(guān)鍵是海量場景測試，把各種極端情況都覆蓋到，這需要百億公里甚至千億公里級別的仿真測試加實(shí)際路測。Waymo公開的數(shù)據(jù)顯示，他們在仿真環(huán)境里跑了幾百億英里，相當(dāng)于人類駕駛幾千年的經(jīng)驗(yàn)。另一個(gè)重要技術(shù)是Out-of-Distribution檢測，讓AI能識別自己不確定的情況，比如遇到訓(xùn)練數(shù)據(jù)里從沒見過的物體，系統(tǒng)知道自己識別不了，就降級處理或者請求人類接管，而不是瞎猜。這個(gè)技術(shù)現(xiàn)在還在研究階段，難度很大，因?yàn)椴淮_定性本身就很難量化。人機(jī)共駕的接管策略也很有講究，提前多久提示駕駛員接管，用什么方式提示，如果駕駛員不響應(yīng)怎么辦，這些都需要大量的用戶研究和測試。特斯拉因?yàn)榻庸軙r(shí)間太短導(dǎo)致事故的案例不少，現(xiàn)在他們把提示時(shí)間延長了，還增加了方向盤震動(dòng)這種更強(qiáng)烈的提醒方式。

各國政策法規(guī)差異對自動(dòng)駕駛發(fā)展影響很大

這是個(gè)很現(xiàn)實(shí)的問題。美國總體上相對開放，聯(lián)邦層面沒有統(tǒng)一的自動(dòng)駕駛法規(guī)，主要由各州自己決定，加州、亞利桑那這些州允許完全無人車上路測試，但也有一些州限制比較嚴(yán)。Cruise的事故發(fā)生后，NHTSA（美國國家公路交通安全管理局）加強(qiáng)了監(jiān)管，要求所有自動(dòng)駕駛公司報(bào)告事故和接管數(shù)據(jù)，透明度提高了很多。中國采取的是試點(diǎn)先行、逐步推廣的策略，北京、上海、深圳、武漢這些城市開放了測試，但大部分Robotaxi還是要求配備安全員，只有在特定區(qū)域才允許完全無人。2024年開始，中國正式允許L3級自動(dòng)駕駛上高速，這是個(gè)重大突破，意味著量產(chǎn)車可以實(shí)現(xiàn)有條件的自動(dòng)駕駛，駕駛員在某些情況下可以完全不管車。歐洲最謹(jǐn)慎，L3級需要通過非常嚴(yán)格的型式認(rèn)證，整個(gè)流程要好幾年，奔馳是目前唯一獲得認(rèn)證的量產(chǎn)車。歐洲對數(shù)據(jù)隱私保護(hù)要求極高，GDPR法規(guī)限制了很多數(shù)據(jù)收集和使用，這對需要海量數(shù)據(jù)訓(xùn)練的自動(dòng)駕駛來說是個(gè)挑戰(zhàn)。日本的策略比較獨(dú)特，他們更重視V2X車路協(xié)同技術(shù)，在基礎(chǔ)設(shè)施上投入更多，比如路口安裝傳感器、信號燈聯(lián)網(wǎng)，輔助車輛決策。日本還在一些偏遠(yuǎn)地區(qū)推進(jìn)無人巴士，解決老齡化社會(huì)的出行問題，這個(gè)方向挺有意思的。

技術(shù)挑戰(zhàn)和未來方向方面，Corner Case長尾場景處理仍然是最大難題

自動(dòng)駕駛系統(tǒng)在常見場景下表現(xiàn)已經(jīng)很好了，但總有些罕見情況處理不好。比如路面上一個(gè)漏氣的氣球在滾，到底要不要躲？軋過去沒事，但如果躲的話可能影響其他車。再比如前方有個(gè)人推著梯子橫穿馬路，系統(tǒng)能正確識別嗎？這種場景在訓(xùn)練數(shù)據(jù)里可能只有幾個(gè)樣本，模型很難學(xué)到。解決長尾問題沒有銀彈，只能靠持續(xù)積累數(shù)據(jù)、改進(jìn)算法、增加冗余。有些公司在搞合成數(shù)據(jù)生成，用AI制造各種極端場景的訓(xùn)練數(shù)據(jù)，但效果還有待驗(yàn)證。惡劣天氣適應(yīng)性也是個(gè)大問題，大雨、大雪、沙塵暴這些情況下，攝像頭和激光雷達(dá)性能都會(huì)大幅下降，現(xiàn)在主要靠毫米波雷達(dá)頂著，但精度不夠。未來可能需要新的傳感器技術(shù)，比如太赫茲雷達(dá)、量子雷達(dá)這些還在實(shí)驗(yàn)室階段的東西。多車協(xié)同和車路協(xié)同是長期方向，單車智能再強(qiáng)也有上限，如果車和車之間、車和路側(cè)設(shè)施之間能實(shí)時(shí)通信，共享感知數(shù)據(jù)，系統(tǒng)的決策會(huì)更準(zhǔn)確更安全。中國在車路協(xié)同方面投入比較大，很多城市在建智能路側(cè)單元，但標(biāo)準(zhǔn)不統(tǒng)一、建設(shè)成本高，短期內(nèi)很難大規(guī)模部署。

成本下降和產(chǎn)業(yè)鏈成熟是商業(yè)化的關(guān)鍵

現(xiàn)在自動(dòng)駕駛系統(tǒng)的成本還是太高了，一套完整的L3-L4級系統(tǒng)，硬件成本可能要幾萬到十幾萬人民幣，這對于十幾二十萬的車來說，占比太高了。隨著激光雷達(dá)、芯片這些核心部件的量產(chǎn)規(guī)模擴(kuò)大，成本會(huì)快速下降。國產(chǎn)激光雷達(dá)現(xiàn)在已經(jīng)降到了幾千元一顆，雖然線數(shù)少一些，但對于量產(chǎn)車來說夠用了。芯片方面，國產(chǎn)替代進(jìn)展很快，地平線、黑芝麻這些公司的產(chǎn)品在逐步上車，價(jià)格比英偉達(dá)便宜不少。軟件算法的開發(fā)成本也在降低，因?yàn)橛辛烁嗟拈_源工具和預(yù)訓(xùn)練模型，不需要從頭開始開發(fā)。產(chǎn)業(yè)鏈分工也在細(xì)化，有專門做傳感器的、做芯片的、做算法的、做測試的，整車廠可以像搭積木一樣組合，不用什么都自己干。特斯拉是個(gè)例外，他們堅(jiān)持全棧自研，從芯片到算法到數(shù)據(jù)標(biāo)注工具全部自己做，這樣效率更高，但對技術(shù)能力要求極高，普通車企學(xué)不來。更現(xiàn)實(shí)的路徑是像華為、小鵬這樣，核心算法自己掌握，硬件部分外采或者合作開發(fā)。

保險(xiǎn)和法律責(zé)任問題也需要解決，L3級以上的自動(dòng)駕駛，如果出了事故責(zé)任歸誰？是車主、車企還是軟件供應(yīng)商？現(xiàn)在各國還沒有明確的法律框架，這也限制了技術(shù)的大規(guī)模應(yīng)用。奔馳在推Drive Pilot時(shí)承諾，開啟L3模式時(shí)如果發(fā)生事故，責(zé)任由奔馳承擔(dān)，這是個(gè)很大膽的決定，也倒逼他們把系統(tǒng)做得更可靠。總的來說，全球自動(dòng)駕駛技術(shù)在2024-2025這兩年取得了突破性進(jìn)展，但離真正的L4-L5級完全自動(dòng)駕駛還有不小距離。高速和城市的輔助駕駛已經(jīng)比較成熟，能實(shí)實(shí)在在提升駕駛體驗(yàn)。Robotaxi在限定區(qū)域運(yùn)營也初步成功，證明技術(shù)可行性。但要實(shí)現(xiàn)全場景、全天候、無安全員的完全自動(dòng)駕駛，可能還需要5-10年時(shí)間。技術(shù)上的挑戰(zhàn)還很多，法規(guī)和商業(yè)模式也在探索中。不過趨勢是明確的，自動(dòng)駕駛一定會(huì)實(shí)現(xiàn)，只是時(shí)間早晚的問題。對于普通消費(fèi)者來說，未來幾年能用上的主要還是L2+到L3級的輔助駕駛功能，真正的無人駕駛可能要到2030年前后才能普及。但這個(gè)過程中會(huì)有很多創(chuàng)新涌現(xiàn)，整個(gè)汽車產(chǎn)業(yè)也在重構(gòu)，還是很值得期待的。

文章轉(zhuǎn)載自：https://www.key-iot.com.cn/drive/776.html

審核編輯 黃宇