分享

高精地图不需要还是不依赖?自动驾驶,“轻高精地图”更可行?

 金陵一棵树 2023-06-27 发布于江苏

2022年,华为余承东,小鹏汽车何小鹏公开呛声高精地图。2023年,随着城市NOA迎来先头部队落地,高精地图更是受到不少车企“讨伐”。业内大有“苦高精地图久矣”之势。

车企们先后加入了“不依赖”高精地图的行列,甚至有车企直接喊出了“去图”的口号,似乎一个蕴含巨大潜力的行业顷刻间就要倒塌。

更让图商们感到危机的是,车企们不仅停留在喊口号阶段,为了抢占城市NOA的落地先机,很多车企已经付诸行动,纷纷推出了“不依赖高精地图”的技术方案。

这两天,小鹏和理想先后公布了无高精地图和不依赖高精地图方案。

今年3月,自动驾驶公司元戎启行也推出了不搭载高精度地图的DeepRoute-Driver 3.0方案,并据此打造了D-PRO与辅助驾驶产品D-AIR两款产品,已经获得了车企定点。

                   图片

更早之前,华为、智行者、毫末智行等智能驾驶解决方案商都都相继宣布采用“重感知,轻地图”的方案。

一场轰轰烈烈的“倒图运动”拉开大幕。

这边厢,车企们口诛笔伐,那边厢,图商们也觉得万分委屈,明明是帮助自动驾驶更好的行驶,怎么就成了众矢之的。

图商们不甘坐以待毙,开始了“自证反击”之路,通过新的技术手段对高精地图“瘦身”,以重新获取厂商们青睐。

如何理解“不需要”和“不依赖”

在车企的“倒图运动”中,消费端最常见到的就是大部分车企传播稿中出现的“不依赖”,“无高精地图”等字样。

那么,到底何为“不依赖”?何为“无高精地图”?二者之间有什么关系?

《圆周智行》咨询了包括图商,主机厂智驾人员,自动驾驶公司技术人员,以及产品开发人员等不下于十余人,汇总各方观点大概有两种说法:

一种认为,“不依赖”和“不采用”是两回事。“不依赖”高精地图的意思是,在一段从A点到B点的路程中,可能80%有高精地地图覆盖,20%没有高精地图覆盖,在没有高精地图的地方可以通过系统的实时感知能力补全高精地图的缺失部分,保证智驾系统不退出或者降级;“不采用”高精地图的意思是,车机里根本就没有预装高精地图,最多只有一个普通的导航地图,通过系统的感知能力实时构建所谓的“高精地图”来完成智驾动作。

另一种观点认为,“不依赖”和“不使用”高精地图是一回事,都是不用高精地图,系统通过实时感知生成所谓的“高精地图”,只不过是不同企业的传播口径不一致而已。类似于同样的高阶辅助驾驶功能,华为叫NCA,小鹏叫NGP。

按照理想前两天刚发布的智驾系统来看,官方宣称的“不依赖”应该属于第二种。

为了做到“不依赖”或者“不使用”高精地图,国内企业的办法是实时建图。

作为国内智驾“一哥”,小鹏汽车率先在北京地区公布了无高精地图方案的城市NGP,打响了去高精地图第一枪。官方没有公布相关技术细节,但不少业内人士猜测大概率走的是实时建图路线。

图片

紧随其后,一向以“冰箱彩电大沙发”见长,被消费者吐槽没有核心技术的理想也拍马杀到。刚刚结束的理想科技日上,官方公布了不依赖高精地图方案,其大致流程是通过“BEV+Transformer”组合将传感器收集到的数据实际构建在线矢量地图,也就是所谓的“高精地图”。

如果碰到复杂路口遮挡,信息缺失等情况,理想还提出了通过NPN(神经先验网络),用之前收集的道路信息对实时生成的地图进行补充的办法。

NPN能够实现的一个前提是,车辆已经提前收集并存储了该路口的数据。这和摄像头的视觉感知有点像,需要提前感知才能识别,没见过就不认识。

这里需要注意的一个问题是,对于第一次碰到的场景,没有数据存储的地方,NPN也没有太好的办法,只能先收集数据。

实时建图是目前国内厂商的主流技术路线。2023年上海车展期间,觉非科技也发布了基于BEV的数据闭环融合智能驾驶解决方案。其大致逻辑是,可以使用实时感知和以“脑补方式”输出局部地图,并直接进行决策规划,一定程度上可以解决先验高精地图覆盖和现实性的问题。

面对高精地图的掣肘,忍无可忍的主机厂们选择了主动出击。

“轻高精地图”是不是一个突破口

然而,实时建图方案真的靠谱吗?

不少图商对此提出质疑,所谓的实时建图本质上是车企通过传感器的实时预估,精度比人工标注的高精地图相差甚远。

再有,实时建图对传感器和芯片也要求极高。芯片的算力,功耗,散热,碰到大型十字路口,很容易让系统“应接不暇”。

此外,在法规方面,尽管实时建图不属于传统测绘,但是只要收集了道路信息就属于地图的范畴,只不过目前法规跟不上技术发展的速度,让该方法处于法规的灰色地带,存在较大的不确定性。

不少图商们认为,理论而言,有高精地图依然会比无高精地图更好,预装地图依然比实时建图存在更大的确定性。

根本原因在于,高精地图在自动驾驶中扮演的角色主要是定位和先验信息,有助于自车PnC(planning and control),也就是规划与控制。

举个例子,当自车行驶到一个路口时,高精地图能够提前先验信息,告诉自车所有的路面信息,不仅如此,还能显示各个信息之间的拓扑关系,比如哪个红绿灯负责那条道路,这样自车就能快速进行PnC。

有无高精地图都存在极大的难点,有没有一个折中的办法呢?

图商们可不想高精地图被当成是鸡肋,巨大的生存压力下,“轻高精地图”方案应运而生。其大致意思是给高精地图“瘦身”,降低精度,以解决鲜度,成本和法规等问题。

根据不少业内人士的反馈,这里的“轻”包含了两层意思,一层是高精地图的使用比重减少,另一种是高精地图本身的精度也降低。

按照专业人士的解释,“轻高精地图”主要分为两种:

一种就是大家常说的SD地图,也就是特斯拉目前采用的技术路线。

特斯拉采取的是众包地图的逻辑,简单点说就是通过已售车辆收集道路信息,然后绘制地图,部署在车端,依然属于预装地图。严格意义上来说,特斯拉的众包地图可以归为“轻高精地图”的行列。

另一种是“精简版”高精地图,它介于导航地图和高精度地图之间,其在精度、要素的丰富度上,要比导航地图更高,但弱于高精度地图, 在保留智能驾驶所必需的基础要素基础上,简化了不必要的元素。该技术方案能够实现的一个大前提是,“BEV+Transformer”技术路线的崛起。

今年4月,百度,腾讯,四维图新先后发布了“轻高精地图”方案。针对高精地图存在成本和鲜度问题,各大图商也在不断挑战“极限”。

百度称其“轻地图”方案比传统高精地图要轻80%,腾讯则表示会做到地图周更,四维图新称会将高精地图的成本从“几万块直接降到百元级”。

腾讯计划今年将HD Air覆盖到国内50城,四维图新则表示场景地图目前已覆盖120城,将争取在2027年实现全国覆盖。

图片

传统地图测绘公司全道科技结合实时建图和地图数据闭环的特点,给出了城市NOA落地的三步走战略:第一步通过感知绘制实时矢量地图实现基本的城市NOA功能;第二步将人工作业的局部地图用于城市复杂路口;第三步建立感知和地图的数据闭环,通过感知沉淀地图数据,地图再反哺实时感知地图,实现地图的自动更新。这个逻辑其实就是将实时感知地图和众包地图相互融合。

为了重新赢得主机厂和自动驾驶公司的信任,“轻地图方案”已经吹响了图商们反击的号角。

高精地图与智能驾驶并不矛盾

智能驾驶的大致工作流程如下:系统接收并处理原始传感器信号,对车周环境进行实时的在线感知,其中包括对道路结构、车道线等静态元素,以及车辆、行人等动态障碍物的检测识别。经过多传感器和时序信息融合,转化为环境的统一表示,然后经过运动预测和决策规划模块生成本车的行驶轨迹,并转换成车辆控制信号输出到车辆执行器,从而完成自主驾驶的行为。

逻辑线也就是大家常说的感知—规划—控制。

在感知层面,智能驾驶主要分为3类:一类是大家常见的信息收集传感器,如摄像头,毫米波雷达,激光雷达等;第二类是定位工具,如RTK,IMU,GPS,轮速等;第三类是地图类,高精地图或者是SD地图。

高精地图属于感知的一部分,本质上为了解决感知和定位的问题。由于车企们的抱怨,加之外界煽风点火,让城市NOA和高精地图似乎成了水火不容之势。仿佛要实现高等级智能驾驶,只有脱图一条路能走。

对此,有图商呼吁,各方势力不要拱火,不要制造高精地图和高阶智驾系统的矛盾,而是要回归到正常的商业逻辑上去讨论,高精地图和高阶智驾并没有本质的矛盾,无非是商业上算账的问题。比如上文提到的轻高精地图方案,如果它在规避高精地图问题的同时,又能给系统提供更准确的信息,降低系统压力,那车企们何乐而不为呢?

不管是特斯拉的众包地图还是头部新势力的实时建图都有一个关键的点,就是数据量的问题。这类方法更适合头部企业,对于销量没有那么大的腰部或者尾部企业,没有足够的数据量就没办法训练模型,没有好的模型就不能保证智驾系统的安全和体验,那把这一部分工作交给供应商也未尝不可。

更有图商认为,智能驾驶等级越往上走,精度要求越高,高精地图的存在感会越高,但核心的问题在于,图商们必须走在前面,帮车企们规避可能存在的隐患。

有消息称,目前正在转型中的传统巨头们在考虑智驾方案是更倾向于有高精地图的方案。亦如在电动化,智能化的转型一样,传统巨头与新势力们总是存在巨大的割裂。高精地图的命运也在时代的浪潮中不断变幻。

目前看来,头部企业甩开高精地图和图商们的反击都取得了阶段性成果,小鹏打响了去高精地图第一枪;据说四维图新已经拿下了毫末智行的定点,最先喊出脱离高精地图的企业,如今率先“倒戈”,被认为是图商们反击卓有成效的信号。是图商和车企渐行渐远还是二者找到一条共存之道,在某个节点继续耦合,让子弹再飞一会。

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多