別再用智駕的激光雷達割韭菜了
加入技術(shù)交流群
這年頭，一輛智能汽車不裝個激光雷達，且不吹一波智能駕駛，大概率就不好賣到25萬+了。
畢竟，激光雷達、高算力芯片，以及頻繁刷屏的“全程無干預(yù)”城區(qū)智駕，已經(jīng)成為了一款智能汽車上最突出的溢價點。其中，前兩者的硬件成本居高不下，往往只有頂配車型才會搭載。而城區(qū)智駕功能由于需要面對相比較封閉道路更復(fù)雜的交通環(huán)境，因此往往對傳感器精度和算法復(fù)雜程度提出了更高要求，需要依賴激光雷達和高算力芯片來實現(xiàn)。
這么一看，消費者要為整套智駕軟硬件動輒支付幾萬元，看起來確實挺合理。對此，也有不少消費者主動去選購了相應(yīng)配置和方案。但問題是，這套軟硬件真的能給用戶帶來車企宣稱的價值嗎？
更可氣的是，不少用戶在為城區(qū)智駕方案支付溢價后，卻在很長一段時間內(nèi)并沒有得到廠商承諾的功能。
通俗而言，就是當了韭菜。
對于激光雷達，大多數(shù)車企還玩不轉(zhuǎn)
正如前文所說，當前無論是BBA等德系豪華車企，還是售價20多萬元的中國本土品牌，大家都將激光雷達選為了實現(xiàn)城區(qū)智駕的關(guān)鍵傳感器。但就筆者的了解，盡管大家都在產(chǎn)品宣傳頁中將激光雷達作為關(guān)鍵賣點，但實際能讓這款傳感器充分發(fā)揮作用的企業(yè)并不多。
這里要解釋一下，激光雷達在智能駕駛中扮演的作用。通常一輛車會搭載三類傳感器：攝像頭、毫米波雷達和激光雷達。其中，攝像頭采集的數(shù)據(jù)為圖像信息。該數(shù)據(jù)會涵蓋包括道路環(huán)境、車道線、交通標志燈信息，相對而言最為全面。同時，其所需的人工智能算法也最為成熟，因此也是智能駕駛系統(tǒng)運行所需的主傳感器。事實上，視覺識別算法也往往由車企和中國本土智能駕駛供應(yīng)商所研發(fā)，迭代速度較快。
毫米波雷達的感知算法則往往由供應(yīng)商提供，只輸出感知結(jié)果，過程數(shù)據(jù)則不對車廠公開，也就是行業(yè)中常說的“黑盒子”。一般來說，毫米波雷達****的電磁波感知范圍很遠，但****角度較小，因此往往只用于探測前車速度、距離信息。但由于其抗干擾能力較強，因此對于車企來說，毫米波雷達探測到的環(huán)境信息往往僅作為視覺感知的“校驗”環(huán)節(jié)，用于給視覺算法查漏補缺。
而“重頭戲”激光雷達，因為其****出的激光射線構(gòu)成的點云可以直觀地感知到前方道路參與者的距離和位置信息，且不容易收到強光（太陽光直射）的干擾，所以被車企寄予厚望。但問題是，激光雷達的感知算法無論是對于車企還是供應(yīng)商，都是前所未有的挑戰(zhàn)。說白了，市場中的大多數(shù)玩家其實都不善于處理點云數(shù)據(jù)，并根據(jù)其感知到的結(jié)果制定駕駛決策行為。
更不用說，如何在感知環(huán)節(jié)將激光雷達的點云和攝像頭的圖像兩種類型的數(shù)據(jù)做融合了。事實上就筆者了解，國內(nèi)某家“遙遙領(lǐng)先”的科技公司，至今也在努力搞定這一問題。因此在實際使用過程中，車企往往也只是用激光雷達的數(shù)據(jù)和毫米波雷達一樣，做校驗。
筆者在這里提到的問題，并非憑空杜撰。一位在國內(nèi)頭部智能駕駛供應(yīng)商企業(yè)供職的內(nèi)部人士就告訴筆者，他們服務(wù)的客戶盡管在新車上搭載了激光雷達，但由于算法研發(fā)的工程問題，前者在使用過程中甚至?xí)ο到y(tǒng)決策的準確性產(chǎn)生干擾。這就導(dǎo)致系統(tǒng)打開激光雷達后，在實際道路測試中的執(zhí)行準確性甚至比之前還降低了。
對此這位內(nèi)部人士表示，為了保持產(chǎn)品交付后質(zhì)量的穩(wěn)定性，他們最終在后續(xù)產(chǎn)品上關(guān)閉了激光雷達。也就是說，這款系統(tǒng)采購價格動輒上萬元的高級傳感器，目前只發(fā)揮了“擺設(shè)”的作用。
真不如上淘寶買個“假的”了！
事實上，一些車企們也發(fā)現(xiàn)了這一問題，并已經(jīng)計劃在后續(xù)車型產(chǎn)品，尤其是中端和低端車型序列中“拿掉”激光雷達。但問題是，如果沒有這一傳感器參與校驗和“補盲”，視覺算法無法準確感知到隔壁車道中車輛的準確距離。
國內(nèi)南方省份一家智能駕駛科技公司的內(nèi)部人士就曾告訴筆者，他們的技術(shù)方案中已經(jīng)在大部分場景里用視覺算法替代了激光雷達，但對于斜前方的“加塞車”，攝像頭還是不能比激光雷達“看得更準確”，而這就為城區(qū)智駕方案帶來了安全風(fēng)險。
更要命的是，激光雷達理論上最好的位置是放在車頂，以獲得最佳的探測角度。但問題是沒有汽車企業(yè)會選擇這么做，因為實在是太丑了。而像部分量產(chǎn)車這樣，將激光雷達融入車身的做法盡管兼顧了設(shè)計美觀的需求，但同時限制了其感知性能。因此，車企往往又需要更多激光雷達進行補盲，這就進一步提升了系統(tǒng)的復(fù)雜性，并抬高了整車售價。
不過，行業(yè)內(nèi)大多數(shù)玩家搞不定的事情，并不代表著沒人能做到。在全球范圍內(nèi)，已經(jīng)有兩家汽車企業(yè)在量產(chǎn)車上實現(xiàn)了依靠純視覺算法實現(xiàn)城區(qū)智能駕駛功能。這兩家車企都僅僅用攝像頭的視覺感知算法，實現(xiàn)了紅綠燈通過、路口無保護左轉(zhuǎn)、城區(qū)道路內(nèi)的點到點智能駕駛。
其中，特斯拉的FSD（Full Self Driving）在北美地區(qū)已經(jīng)實現(xiàn)了交付。而在業(yè)界公認的智能駕駛難度“高地”中國，10月27日上市的極越01，則成為了“先行者”。
那么問題來了，不靠激光雷達，迄今為止最晚交付產(chǎn)品的新勢力極越，是怎么實現(xiàn)了其他競爭對手都沒做到的成果呢？
“占用網(wǎng)絡(luò)”——讓攝像頭看到應(yīng)該看到的信息
作為全球唯二在量產(chǎn)車上實現(xiàn)城區(qū)智駕的車企，極越和特斯拉都在使用了BEV+Transformer 純視覺大模型算法的基礎(chǔ)上，加入了占用網(wǎng)絡(luò)（Occupancy Network）技術(shù)。這里的技術(shù)名詞比較多，筆者會盡量簡要地向各位解釋其在智能駕駛中扮演的角色。
我們最近一年常聽說的BEV，全程是Bird Eye View（鳥瞰圖）。在進行環(huán)境感知時，車企和科技公司會將車身周遭的攝像頭信息進行拼接，最終實現(xiàn)360°的環(huán)向感知。而為了讓系統(tǒng)進行同步處理和實時運算，工程師們將感知到的結(jié)果泛化為BEV，以便車輛進行駕駛決策。而Transformer大模型的引入，則讓車輛能夠根據(jù)周圍環(huán)境和威脅的輕重緩急來優(yōu)先處理緊迫的事項，從而在保證效率的基礎(chǔ)上，守住安全底線。
事實上在過去一段時間內(nèi)，正是BEV+Transformer技術(shù)的成熟幫助車企紛紛成功量產(chǎn)了高速智駕功能。但如果將使用場景放在交通環(huán)境更加復(fù)雜多變的城區(qū)道路上時，這項技術(shù)就有些不夠用了。
因為，相比較高速公路、城市快速路這樣相對規(guī)范的封閉道路，城區(qū)道路中的交通環(huán)境參與者更加多樣，大多數(shù)極端場景都發(fā)生在這里。而在過去，智能駕駛系統(tǒng)都是基于數(shù)據(jù)庫中已經(jīng)被標注過的障礙物進行決策和避讓，依靠既定規(guī)則實現(xiàn)感知和決策BEV+Transformer就顯得力不從心。
也就是說，車輛系統(tǒng)需要“先知道這個東西是什么”，然后再進行駕駛決策。
例如上圖這樣，過去的智駕系統(tǒng)對于道路障礙物的標注往往只能借助既有數(shù)據(jù)庫的已標注信息，依靠“畫方框”的方式進行。而在方框外的部分僅通過視覺算法，往往無法識別。
簡單來說，如果面對一輛完全展開作業(yè)，伸出“四腳”的工程車，智能駕駛系統(tǒng)可能就認不出來“它”到底是什么，進而無法進行自主決策，只能讓用戶接管。這一方面降低了用戶的使用效率和體驗，另一方面也增加了安全風(fēng)險。
而占用網(wǎng)絡(luò)技術(shù)的引入，則很大程度上解決了這一問題。該算法是在傳統(tǒng)3D目標識別能力之上，通過體素（Voxel）化的方式理解和處理空間信息，將場景空間分割成單位化的“方塊”。因此，視覺感知算法無需具體識別物體是什么，而是能夠直接通過目標的體積、運動狀態(tài)判斷其是否構(gòu)成行車路線上的障礙物。
換言之，車輛終于能像人一樣，不用先“認識”目標，再進行駕駛決策。而是“看見這兒有東西”，然后調(diào)整路線。
在談到為何堅定選擇純視覺方案而“甩開”激光雷達時，極越CEO夏一平對筆者表示，直到今年年初，該公司還在內(nèi)部糾結(jié)到底應(yīng)不應(yīng)該走這條路。但他基于兩點原則認為，純視覺才是正確的選擇：
第一，傳感器越復(fù)雜，系統(tǒng)對于駕駛行為的不可控影響就會提升。用最簡單直觀的方案解決問題，不僅符合第一性原則，更有助于降低整車的售價和維修成本。畢竟激光雷達如果因為事故或顛簸損壞了，修起來可不便宜。
第二，AI賦能下的純視覺技術(shù)路線，其后續(xù)算法迭代的空間相對更大。對于這個問題夏一平?jīng)]有展開說明，但根據(jù)視覺感知算法在安防、自動駕駛以及其他各個領(lǐng)域的廣泛應(yīng)用可以看出，全社會的各個經(jīng)濟和科技領(lǐng)域都在這方面投入的相當多的資源。因此相比較僅在汽車和少數(shù)領(lǐng)域使用的激光雷達，視覺算法未來迎來“奇點”的可能性要大得多。
在實際體驗中，極越01上搭載的“PPA點到點領(lǐng)航輔助駕駛”功能實際表現(xiàn)相當令筆者感到驚艷。在上海市的城區(qū)和高速場景中，這款車的智駕功能對于紅綠燈路口通過、無保護左轉(zhuǎn)、上下匝道等場景均實現(xiàn)了無接管通過，對于高速公路的車道變更和超車也執(zhí)行得十分順滑。已經(jīng)達到甚至超越了某些搭載了激光雷達的車型。
更重要的是，極越01在上市交付時，便直接開啟了PPA點到點領(lǐng)航輔助駕駛功能的開放使用。在上海、廣州和深圳三個一線城市，選配了“ROBO Drive Max”智駕軟件包的用戶已經(jīng)可以使用該功能。從2024年開始，極越將向全國超過200個城市的用戶開放城區(qū)PPA（點到點領(lǐng)航輔助）功能。也就是說，車輛能夠在高速、高架和用戶上下班等常用的路線上，實現(xiàn)點到點的城區(qū)智駕。
*博客內(nèi)容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權(quán)請聯(lián)系工作人員刪除。
