多家车企正在酝酿大规模的城市导航辅助驾驶(NavigateOnAutopilo,城市NOA)在今年上车,与高速NOA不同,车圈“去高精地图”化正在盛行。
“有图无图都能开,不依赖高精地图。”继华为站出来宣告,可不依赖高精地图实现城市NOA后,在前不久的“理想家庭科技日”上,理想汽车宣布,将在北京和上海测试城市NOA功能。值得关注的是,理想ADMax3.0通过大模型AI算法,摆脱对高精地图的依赖,可像人类司机一样实时感知、决策、规划。
《中国经营报》记者关注到,当智能驾驶的战场从高速场景转移到更为复杂的城市场景后,越来越多地开始转向“轻地图,重感知”的技术路线,更有厂商直接喊出:抛弃高精地图。曾经的“宠儿”高精地图如今失宠是由哪些原因导致的?
“过分依赖高精地图和车路协同会限制自动驾驶和智能驾驶的能力提升。”有业内不愿具名人士接受记者采访时指出,“首先,高精地图的更新和维护成本较高,且有一定滞后性,无法及时适应道路的变化。其次,车路协同需要车辆与道路基础设施之间的实时通信,但实际情况中基础设施的普及程度不一,车辆无法始终依赖这种通信。因此,过分依赖高精地图和车路协同会造成自动驾驶系统的局限性,无法适应各种复杂的场景和道路环境,从而限制了自动驾驶技术的发展。”
“‘一处高精度,处处高投入’。”企业转型专家、“汽车新四化”产业研究者、知行韬略合伙人杨继刚告诉记者,
“从商业视角看,任何技术方案的选择,本质还是客户是否愿意为此买单。最怕的是,厂商自我感觉良好,过度执迷于技术领先。成本投入巨大先不说,就怕客户(用户)认为没必要。更何况,高精度背后是对车辆算力和网络的高要求。”
多位业内人士认为,降低成本,提高开发效率,城市NOA和更高级别自动驾驶才能够“飞入寻常百姓家”。
去地图化趋势已然分明
2022年以来,小鹏、理想、蔚来等车企,华为、地平线等供应商陆续宣布转向“重感知,轻地图”技术路线。而毫末智行、智行者等一众智能驾驶解决方案商们,早在车企之前,就相继宣布发力“重感知,轻地图”的技术路线。
“不依赖高精地图”实现城市NOA仿佛在一夜之间,成为智能汽车自动驾驶技术新的角逐点。
不依赖高精地图,车企如何在道路场景更复杂的城市中落地NOA功能?据理想汽车介绍,在即将量产的城市导航辅助驾驶算法中使用了三种神经网络大模型算法:静态BEV网络、动态BEV网络、Occupancy网络。其中,静态BEV是去掉高精地图依赖的关键技术。它可以实时感知并构建道路结构,相当于一边开车一边动态地做地图,解决了高精地图数据实时性的问题,同时感知特征也更符合自动驾驶的需求。
小鹏无图XNGP(等同于NOA)正在全国测试。小鹏汽车创始人兼CEO何小鹏在社交媒体发文,“无图XNGP正在全国,包含北京规模性测试中。XNGP一定会重新定义智驾。”
何小鹏透露,在年内会将XNGP的城市范围从现在几个城市扩展到数十个城市,明年目标是增加到中国大部分城市。
另外,小鹏汽车还将在今年四季度向所有XNGP用户推出“AI代驾”模式。这意味着,在没有高精地图覆盖的区域,小鹏汽车可根据用户习惯个性化定制智能驾驶路线,实现A点到B点的高等级辅助驾驶。
依托华为智能驾驶技术,通过激光雷达、毫米波雷达、超声波雷达、高清摄像头等多传感器融合感知,AITO问界M5搭载的高阶智能驾驶方案HUAWEIADS2.0也做到了不依赖高精地图实现智能驾驶。
华为常务董事、终端BGCEO、智能汽车解决方案BUCEO余承东透露,“今年三季度不依赖于高精地图的城区NCA将在15城落地,到四季度将增加到45城。”
地平线也宣布了“去图化”进展,地平线创始人兼CEO余凯透露,地平线今年将推出不依赖于高精地图的视觉高级辅助驾驶方案,“这是一个完全基于计算机视觉感知的智能驾驶技术,(该方案)将不依靠高精地图,即可做到实时定位,并对周围环境进行实时测绘。”
测绘效率限制智能驾驶普及
实际上,早在2019年,特斯拉创始人兼CEO马斯克公开“炮轰”传统高精地图,并将特斯拉自动驾驶解决方案引向了纯视觉感知方案。马斯克认为,高精地图是一个“非常糟糕的”主意。原因就是鲜度不行——当道路出现一点点改变时,高精地图就过时了。
何为高精地图?根据《智能网联汽车高精地图白皮书》中的定义,高精地图是指绝对精度和相对精度均在1米以内的高精度、高新鲜度、高丰富度的电子地图。高精地图所蕴含的信息丰富,含有道路类型、曲率、车道线位置等道路信息,以及路边基础设施、障碍物、交通标志等环境对象信息,同时包括交通流量、红绿灯状态信息等实时动态信息。
记者了解到,高精地图需要大量的测绘工作和更新维护成本。在城市场景下,道路变化频繁,高精地图的准确度无法满足实际需求。
腾势赵长江谈智能辅助驾驶时指出,“不依赖高精地图是对的,城市路况很难做到高精地图的更新和准确。”
“高精地图成本非常高,仅仅采集上海市高精地图,采集了一两年、9000公里,都没有把上海完全覆盖。依赖于高精地图很难做