傳統(tǒng)觀點認為，高精地圖是實現(xiàn)自動駕駛的關鍵，但隨著技術的發(fā)展和實踐的探索，“重感知”作為實現(xiàn)自動駕駛新的一種全新技術理念逐漸嶄露頭角。這種理念的工作原理是什么，而背后到底是何方神圣為車企們提供“去地圖”的底氣？

現(xiàn)在的汽車行業(yè)已經(jīng)逐漸從電動化上半場走向智能化下半場，智能駕駛迎來了高速發(fā)展期。輔助駕駛乃至自動駕駛等等成為了技術內(nèi)卷的熱門話題。如何能尋得最佳性價比的可行方案組合，車企紛紛對智能駕駛技術加大投入，力求讓自己的智駕方案更早落地，從而在激烈的市場競爭之中脫穎而出。

攝像頭下的視覺世界

重感知并不是什么技術新名詞，這個“重”并非物理質(zhì)量的體現(xiàn)，而是注重、重視的意思。重感知就是更為注重以豐富多樣的傳感器組合感知周圍環(huán)境和道路狀況，不過多依賴高精度地圖輔助實現(xiàn)安全自主行駛的智駕解決方案。近年來隨著研發(fā)技術的成熟以及工藝制程的進步，傳感器技術得到了巨大提升。車載傳感器也從原來僅負責檢測車輛狀態(tài)，延展至對車外環(huán)境的感知。自動駕駛汽車搭載了多種類型傳感器，這些傳感器實時掃描和感知車輛周圍環(huán)境，獲得高分辨率數(shù)據(jù)，對物體、行人、道路標識等進行精準識別。

BEV+Transformer助力城市NOA快速落地

重感知理念的崛起意味著高精度地圖在自動駕駛領域占比逐步走弱，甚至走向消亡。對于“輕地圖”的詳細內(nèi)容后文另有詳述，此處不再贅述。傳感器性能對于整套系統(tǒng)成為了關鍵所在。這其中激光雷達（LiDAR）是必不可少的傳感器之一，它能以高頻率發(fā)送激光束并測量其反射時間，從而獲取車輛周圍環(huán)境的三維點云數(shù)據(jù)。提供非常精確的障礙物位置和距離信息。而攝像頭則負責捕獲車輛周圍的圖像和視頻，通過視覺技術令車輛實時識別道路標志、行人、車輛等，并做出相應的決策。毫米波雷達的優(yōu)勢則在于可以穿透雨霧、塵埃等惡劣天氣條件，提供高分辨率的障礙物檢測。它的工作原理類似于激光雷達，但對于一些特定情況下的感知能力更強。近年來更是出現(xiàn)了4D毫米波成像雷達，進一步提升毫米波雷達能力。至于超聲波雷達通常用于近距離感知，如停車時的障礙物檢測。它可以幫助車輛避免碰撞或者進行精準停車。以上種種傳感器的綜合使用，使得自動駕駛車輛能夠全方位、多維度地感知周圍環(huán)境，具備了高度的感知能力和安全性。

NVIDIA DRIVE AGX 自動駕駛平臺

重感知理念的實現(xiàn)路徑十分直白，在不考慮成本的情況下進行“堆料”，以足夠全面并相互冗余補全的傳感器陣列，采集感知范圍內(nèi)周遭環(huán)境數(shù)據(jù)；交由算力性能足夠高的車載電腦處理分析；通過算法識別和歸類實時建立環(huán)境單元地圖模型；然后系統(tǒng)依靠這些信息進行路徑規(guī)劃和決策，選擇合適的駕駛路徑和速度，在遵守交通規(guī)則的前提下避免障礙物。也就是說但凡無需考慮控本，或者系統(tǒng)成本已經(jīng)將至可接受范圍內(nèi)的時候，重感知智駕方案是完全可行的。

高速網(wǎng)絡保障自動駕駛通信

引領智能駕駛潮流，為智能汽車注入強大動力主要來自于多方面助力。從政策層面來看，近年來國家制度加速引領并推進智能駕駛領域發(fā)展，地方政府的積極行動也成為智能駕駛加速落地的“引擎”。而在供給端層面，海量的新車型崛起已然形成井噴態(tài)勢，同樣為智能化掀起一波新的浪潮。自研、科技公司和車企合作加深加快，數(shù)據(jù)和算法的進步讓智能駕駛系統(tǒng)在成本和效率上取得突破。各類輔助駕駛系統(tǒng)也從高速NOA到通勤NOA、城市NOA不斷升級迭代。特別是那些處于智能駕駛領域頭部的企業(yè)，譬如堅持純視覺路線的特斯拉，其算法早已經(jīng)歷了HydraNets、BEV+Transformer、占用網(wǎng)絡、端到端四代發(fā)展。國內(nèi)造車新勢力亦不逞多讓，他們更多地在智能駕駛上側(cè)重感知、定位、規(guī)劃等核心算法研發(fā)，技術迭代集中在BEV+Transformer。

元戎啟行的無圖智駕方案

但與雄心壯志的供給端相比，真正為車輛以及功能買單的消費端似乎并未完全跟隨狂歡。消費者對智能駕駛的認知雖然正逐步改善仍略顯不足。目前智能駕駛的體驗者總數(shù)相對較小，排斥&不信賴該技術的消費者總量較多，行業(yè)普遍面臨消費者對技術認知和接受度的瓶頸，如對安全性和可靠性的疑慮。

主要車企均進入智駕賽道

這種一熱一冷的情況主要源自于于智能駕駛相關法規(guī)相對滯后，功能技術與駕駛者之間規(guī)則問題不清晰，嚴重影響到高級別自動駕駛量產(chǎn)節(jié)奏。同時L3級往上，越高級別的自動駕駛技術，越需要需要產(chǎn)業(yè)鏈各方通力配合，開發(fā)難度越大、測試周期越長。各類細分場景的特殊限制也影響到自動駕駛的價值體現(xiàn)。加上較高的初始研發(fā)成本，多種因素下對涉足其中的企業(yè)無疑形成了不小的壓力。為此部分企業(yè)動了小心思，刻意放大自身的“重感知”技術能力。甚至不惜在宣傳口徑與實際落地表現(xiàn)上，以模糊的語意夸大或回避問題。最終令“重感知”與“輕地圖”走向?qū)α?，甚至宣稱可“無圖”。已發(fā)了一波車企與圖商之間的技術熱議與爭論。

采用卷積神經(jīng)網(wǎng)絡 (CNN) 的自動駕駛汽車

截止至2023年末，本刊記者通過多渠道探訪與調(diào)查，獲得了部分“重感知”理念玩家的進展狀況如下:

在智能駕駛領域處于全球領先地位的特斯拉，算法已經(jīng)完成從HydraNets、BEV+Transformer、占用網(wǎng)絡、端到端四代發(fā)展。國內(nèi)造車新勢力亦不逞多讓，他們更多地在智能駕駛上側(cè)重感知、定位、規(guī)劃等核心算法研發(fā)，技術迭代集中在BEV+Transformer。

但與雄心壯志的供給端相比，真正為車輛以及功能買單的消費端似乎并未完全跟隨狂歡。消費者對智能駕駛的認知雖然正逐步改善仍略顯不足。目前智能駕駛的體驗者總數(shù)相對較小，排斥&不信賴該技術的消費者總量較多，行業(yè)普遍面臨消費者對技術認知和接受度的瓶頸，如對安全性和可靠性的疑慮。

特斯拉FSD 測試版項目不斷累積測試里程

華為應該算目前在智駕領域發(fā)展速度最快的玩家之一。其2022年7月發(fā)布ADS1.0，次年4月發(fā)布ADS2.0，依靠GOD和RCR兩個不錯的算法和云端儲備，華為目標為實現(xiàn)不依賴高精地圖的城市智能駕駛功能，宣傳口徑為“全國都能開”，但目前實際僅開放了6個城市。在商業(yè)化領域，華為主要通過鴻蒙智行（由智選車整合而來）和HI模式（Huawei Inside）實現(xiàn)，如今仍在不斷擴大合作范圍。

華為ADS2.0是無圖派的急先鋒

小鵬汽車作為國內(nèi)首個量產(chǎn)落地高階城市輔助駕駛（XNGP）功能的車企。最新數(shù)據(jù)顯示小鵬宣傳XNGP已在國內(nèi)243座城市落地，可似乎實際落地52城市，其中部分為縣級市。2024年內(nèi)計劃實現(xiàn)輕地圖、全場景、輕雷達的智駕目標。不過從其在智駕領域的歷史口碑與研發(fā)能力來看，全部達成應該只是時間問題。

蔚來汽車Banyan

蔚來汽車于2023年底將Banyan2.3.0版本全量推送，增強領航輔助NOP+正式更名為全域領航輔助NOP+，進而實現(xiàn)覆蓋高速領航換電、高速領航輔助、視覺融合泊車輔助等智能駕駛功能的統(tǒng)一升級，宣傳計劃2024年內(nèi)落地超230+城市。但有趣的是在對外宣傳口徑中，經(jīng)常以“總里程”代替實際開城數(shù)量。這略微有點匪夷所思。

理想汽車于2023年底向Max用戶推送基于BEV大模型的智能駕駛AD Max3.0版，提供全場景NOA功能，計劃2024年上半年下放至Pro用戶，目前通勤NOA落地10城。算眾多玩家之中相對謹慎穩(wěn)重的代表。

百度早在于2014年開始部署自動駕駛，擁有豐富的研究經(jīng)驗和數(shù)據(jù)積累。旗下極越是Apollo合作車企之一。2023年極越01上市前，發(fā)布國內(nèi)首款BEV+Transformer量產(chǎn)方案。同期純視覺占用網(wǎng)絡OCC技術發(fā)布，但目前仍需高精度地圖輔助。

在客觀角度來看，自動駕駛車輛只需要傳感器，而不過多依賴高精度地圖，技術層面是沒有問題的，也將會是未來自動駕駛技術發(fā)展的一個選擇方向。傳感器的多樣性和先進性使得車輛能夠全方位感知周圍環(huán)境，保證了駕駛的安全性和準確性。相較于結合高精度地圖輔助工作的技術方案， “重感知”的方式更具有靈活性、適應性和成本效益。但任何技術無法一蹴而就，更多需要涉獵其中的玩家腳踏實地地深挖技術。