没有L4的金刚钻，揽不了城市辅助驾驶的瓷器活

江湖险恶567 · 发表于 2022-11-6 22:52:05

L4很冷，L2很热。
         最近无人驾驶坏消息很多，被舆论走入寒冬，辅助驾驶量产新车一个接一个，迎来新高潮。
         曾经自动驾驶竞速的两条路线，不少人说无人驾驶、L4级以上、打造Robotaxi的玩家们，融资烧钱之后难以为继。
         最后还是得量产路线、辅助驾驶上车，用马斯克开创的特斯拉路线，赢得升维式的胜利。
         但别被新硬件加持的表面繁荣迷了眼，除了特斯拉，国内大小车厂的新车型，智能化离不开上车的激光雷达，以及大算力的英伟达Orin。
         技术上的事实是，没有L4的金刚钻，揽不了辅助驾驶的瓷器活，特别还是城市开放道路下的辅助驾驶。
         按照自动驾驶技术划分的四大栈：感知、定位、决策和控制。当前已经和即将上路的大部分量产新车型，还没有触及最关键的决策和控制。
         而这最重要的一环，除非是L4玩家，否则远水解不了近渴。

         感知分快慢，PNC决胜负
         实际上，自动驾驶的四大技术栈，也正在实现融合和统一。
         感知和定位，可以合二为一，解决的都是“面对怎样的环境”的问题。
         决策和控制，也称规划和控制（PNC），同样在合二为一，解决的是“AI系统该怎么开”的挑战。
         所以通俗来说，自动驾驶的本质，就是搞清楚自己面对的是怎样的环境，然后如何高效移动。
         这两年来，因为激光雷达上车，大模型风靡，感知话题热度一浪高过一浪，各种基于BEV（Bird’s Eye View）的新效果，层出不穷。
         但感知域再变，都是基础层面的数量增减。
         理论上，司机“能追逐的目标”越多、范围越广，越利于作出更好的驾驶决策。

         然而实际上，有效区域和高效追踪，才是真正体现技术能力的地方。人类开车的感知半径空间，远不及激光雷达和超清摄像头加持下的智能车感知系统，依然能把车开好。
         所以感知讲得再天花乱坠，在玩家与玩家之间，影响的也只是速度的快与慢。
         真正决定成与败，是PNC。
         PNC，Planning and Control，在车端涵盖导航、预测、决策、规划、控制等核心模块。

         通常，业内采用的是时空分离规划来做PNC，把对轨迹的规划拆分成两个子问题：路径规划（path planning）和速度规划（speed planning）。
         路径规划对应于横向控制，即方向盘；速度规划对应于纵向控制，即刹车或油门，这种决策机制也就是所谓的横纵分离。
         这种方法，类比来说就是先为车辆铺好一段铁轨，再在铁轨上计算速度。
         这种方式的特点也非常突出：非常依赖手写规则调整车辆行为，也非常依赖大量路测来验证算法。
         实际上，之前已经推出高速和快速路上的导航辅助驾驶的车企，采用的就是这种方法，在高速和快速路场景效果不错。
         但一旦到了城市区域，一来没了高精度地图加持，二来手写规则的依赖，弊端也开始在体验上显现。
         即便有激光雷达加持，该车企L2产品的体验，与高速和快速路上天上地下。最明显的就是前车车距保持很长很长，随时会被加塞，一旦加塞就会刹车，体验糟糕。

         更差劲的是面对摩托车等快速行驶的“小型异型物体”，往往会触发急刹，车主稍不注意或应对不当，还容易造成后车追尾。这就是“手写规则”之下预设的场景处理逻辑。
         而这，还是国内以智能驾驶领先知名的车企。
         这种面对城市路况的PNC无能，当然有具体车企本身的原因，但更本质的还是车企L2研发和产品定位惯性，先“手写规则”更容易短期能用，车主还能紧急接管。
         这也决定了长期来看，除非大规模路测数据后模型能重写重构，否则体验上难以质变。
         特斯拉车主或许有过感知，AutoPilot系统是忽然在一次大升级后“质变”的。
         而那个版本之前，特斯拉用相同的传感器方案，用百万量产车的影子模式，累积到了一个相当大的数量级数据。
         L4玩家则不同，因为从第一天开始就已经明确Robotaxi方向产品，上路产品必须摆脱人类依赖应对复杂城市路况。
         所以“手写规则”从第一天就不Work，L4玩家需要设计的系统，跟AlphaGo下棋一个道理，真正用深度学习的方式，让AI系统根据车流、车速等实时数据，给出最优解。

         这个最优解的求解，一是规划好，二是预测到位，背后是对空间、运动轨迹和时间的综合把握。
         并且出于流程体验和高效通行的追求，常态化落地和运行的Robotaxi物种，基本都要时空联合规划，长时间的意图轨迹预测。
         所以在智能车纷纷放话挺进城市场景，实现停车场、高速快速路、开放城市道路点到点导航辅助驾驶的时候，L2玩家们追求的天花板，其实是L4落地玩家们最初的起点。
         这也是为什么众多L4明星玩家，纷纷开启辅助驾驶降维上车的内在前提——可以提供主机厂智能转型中最渴求但又无法自然生长出的能力。
         并且这当中，PNC就是最关键一环。
         否则按照“数据积累”的单纯想法，出货量大且很早就有L2功能配置的日本、德国大厂，早就实现智能驾驶的领跑了。
         L4玩家的PNC技术细节披露
         有意思的是，因为L4玩家纷纷开启面向量产车赛道的转型，更多核心看家本领的技术细节，开始不得不披露——有理有据说服更多潜在的车企客户。
         这当中，就有今年声势浩大开启高级辅助驾驶引擎的L4明星玩家轻舟智航。
         稍微熟悉业界的人对轻舟不会陌生。轻舟是Waymo的青年才俊在2020年创办的公司，从起步就瞄准了L4级自动驾驶打造，但经历了Waymo的洗礼，深知Robotaxi落地之难和数据闭环重要性，所以选择了小巴公交场景率先落地。

         小巴公交这个场景，后来被反复称赞，原因一是其ODD区域和数据和Robotaxi被无二致，经历的技术检验基本也差不多；二是始终能保持高阶技术维度构建技术引擎；三则是踩在了碳中和的大趋势上，共享和集体交通的方式得到了政策更大的鼓励。
         而对于轻舟来说，还有更具体的意义。作为自动驾驶创业领域的后起之秀，它能够用最具标签性的方式快速被认知，很快就成为了自动驾驶小巴的代名词，并且因为技术和产品上的展现，获得了包括字节跳动、美团等战投资本的加持。

         在L4赛道上树立起大旗后，轻舟智航于今年正式开启了另一条引擎——面向量产车供应高级辅助驾驶方案（取名：乘风），希望给转型中的车企快速提供城市NOA，特别是中国城市路况下的智驾能力。
         按照轻舟最新的披露，分享了PNC方面的技术方法。
         首先，就是时空联合规划算法。
         同时考虑空间和时间来规划轨迹，而不是先单独求解路径，在路径基础上再求解速度从而形成轨迹。将「横纵分离」，升级为「横纵联合」，能直接在x-y-t（即平面和时间）三个维度的空间中直接求解最优轨迹。

         基于这种策略，不仅能可以让AI司机稳如老司机，还能在面临动态障碍物的交互时，能提前把握最好的时机，选出最佳行车轨迹，更流畅地完成车辆间的博弈，并且不会出现反复急刹的情况。
         此外在多车道行驶场景，车辆还可以通过判断前方车流量和车速，灵活地变道选择更快的路线，而不会死板地跟着前车缓行。更聪明、更灵活，行车效率更高效。
         其次，意图和轨迹预测。
         轻舟用L4级的预测模型，能做到10秒之久的长时预测——简单类比就是有10秒的时间来做决策。
         这背后是轻舟主预测模型里有至少三条带概率的轨迹，可以同时最大概率轨迹和真值的平均误差是 3.73 米，即10 秒整体轨迹的平均误差 3.73 米——一个业内相当领先的水平。

         轻舟还披露自己的主模型可同时支持预测 256 个目标，推理整体耗时小于 20 毫秒，可以满足实时运算的需求。
         所以轻舟智航展示的，其实就是为何L4玩家能够更快更有效的车厂L2+解渴方案。
         不过这套方案里，PNC只是其中最值得关注的项目，还并非方案全部。
         轻舟还披露了感知和数据闭环迭代方面的细节，感兴趣的朋友自行官网吧。
         需要强调的是，这种L4解渴车企L2的潮水，不是趋势，已然有层出不穷的案例。
         比如Momenta之于上汽智己L7，毫末智行之于长城摩卡新能源车型，大疆之于五菱宏光Kiwi，华为之于北汽极狐和阿维塔。

         上述案例中，虽然各家在汽车供应链中的角色定位各不相同，但打造技术方案和产品的时候，其实都是以L4为基准的。
         而且都是技术公司，都没有车企内部包袱——即便是毫末智行，也跟长城内部智能驾驶部门有本质不同，完全从机制上被激活了创业组织活力。
         不过即便可以供应L4级技术能力的公司不算少，但市场机会还相当巨大。
         一方面是量产车市场足够大，另一方面是技术方案目前还不是标准产品，需要车企和供应商深度合作。
         这也是为什么在“上汽不希望失去灵魂”时，华为给出的回应是：也不是谁都能得到，自动驾驶大脑，现在还很稀缺。
         而且出于车厂相互竞争的因素，往往不会选择同一家供应商，或者都让某一家供应商供应所有车型，所以从特斯拉、蔚小理等开始展现智能化竞争力后，传统车企慌了，L4公司向下融合的案例也多了。
         可以预计，包括小马智行、文远知行以及上述提到的轻舟智航等在内的明星L4玩家，都会进展顺利，“转型”比外界预期的更快更猛。
         毕竟L2的天花板，不过是L4的入门门槛。
         升维？技术上不存在的
         特斯拉不是证明了可以升维吗？
         这是不少传统车企或主机厂拥趸最容易误解的观点。
         因为关注马斯克的分享的话，其实他不止一次讲过，特斯拉不是为了造车而造车，造车是更快实现自动驾驶的载体，特斯拉本质是AI、自动驾驶公司。
         马斯克很早就想清楚了统一传感器方案、统一数据输入、闭环迭代的路径方法。
         为了利用深度神经网络推进AutoPilot，他不惜得罪OpenAI董事会，公器私用，把AI天才安德烈·凯帕西半哄半骗拐到了特斯拉——后来导致OpenAI董事会把创始成员及主要出资人马斯克踢出了OpenAI。

         但马斯克和特斯拉的历程，证明了升维在数据模型和迭代上是有效的，而且效果明显。
         于是在上海工厂解决了特斯拉产能后，大号自动驾驶传感器——Model 3帮助特斯拉自动驾驶性能从量变到了质变。
         可在特斯拉内部，一直用的是可以用在L4甚至L5的技术方案，甚至还会有带激光雷达的特斯拉测试车。这也是为什么自研芯片推出时，自动驾驶方案从AutoPilot更名到了FSD——Full self-Driving。马斯克更是公开场合放话：FSD就是L5。

         所以对于自动驾驶的迭代和发展，降维释放有技术原理支撑，升维却只存在于想象中。
         这就好比打造火箭的技术，可以打造宇宙飞船，或者是卫星轨道通行工具。
         但飞机玩家往身上绑很多引擎，能飞更高更快后，认为能跟火箭一样——简直跟汽车上绑螺旋桨离开地面一样滑稽。

         总而言之，发生在智能驾驶领域的变革和趋势已经再明显不过。
         也不必因为有L4玩家倒闭而唱衰无人驾驶技术——Argo倒下的根本原因跟选择的技术关系不大，接触过被大厂收购后的Argo，基本就知道为啥他们会停滞不前了。
         这也是传统车企甚至大厂面临的问题，组织太大，包袱太多，惯性太强，祖宗之法不可变……于是最后像奔驰标榜的自研L3，开启后让人怀疑自动驾驶的意义。
         不少常识听起来像是废话，但逃命的时候最重要的是命在，而不是自尊和体面。
         当然也不是命和自尊不可兼得。
         大众汽车24亿欧元砸出一个和地平线的合资子公司，既在寻求逃生门票，也保留着体面，甚至还做了一波中国市场的GR。这种合资但车企控股的自动驾驶技术方案子公司，或许会是高阶辅助驾驶开发中，越来越常见的组织形态。
         最后，回到自动驾驶竞速的两条路线开端：Waymo路线和特斯拉路线。

         如果说马斯克是什么时候拥有的“车是自动驾驶硬件载体”的认知……
         或许最早可以追溯到2009年。
         那时候谷歌完成了自动驾驶原型车的里程碑，一经曝光后轰动全球。
         其中有一个看到新闻的人，凭借和谷歌创始人布林的绝好私交，光速前来，虚心求教，很快掌握了自动驾驶技术从0到1的实践心得。
         这个人是伊隆·马斯克。后来所谓的两条自动驾驶路线，从一开始就是一个源头，中间分岔，现在只不过又开始合流归大海。
         — 完 —
         【智能车参考】原创内容，未经账号授权，禁止随意转载。

hilalchemist · 发表于 2022-11-6 23:22:05

等小鹏7加上激光雷达后我再下手

蔠夜 · 发表于 2022-11-6 23:52:04

发展还在路上。。。。

账号		自动登录	找回密码
密码			立即注册

没有L4的金刚钻，揽不了城市辅助驾驶的瓷器活

本帖子中包含更多资源