馬斯克錯失純視覺NOA中國首發(fā)！

賈浩楠 發(fā)自 凹非寺量子位 | 公眾號 QbitAI

極越汽車，搞了一個車圈科技圈大新聞：純視覺NOA國內(nèi)首發(fā)上路！

一段陸家嘴點(diǎn)到點(diǎn)領(lǐng)航輔助駕駛的實(shí)拍視頻剛剛被公開 ：

視頻中極越01一鏡到底、全程不接管、帶領(lǐng)航輔助，而且ODD包含高速、城市以及泊車場景，全程解放用戶不用自己開。

這樣的Demo在自動駕駛行業(yè)其實(shí)不稀奇，Robotaxi早就實(shí)現(xiàn)。但令人吃驚的是，極越01的這種私家車智駕系統(tǒng)，在國內(nèi)首個布局、跑通純視覺方案，不再把激光雷達(dá)作為唯一的智能駕解決方案——通常行業(yè)認(rèn)為這是現(xiàn)階段高階智駕的必須條件。

中國首個，且在全球范圍內(nèi)和北美地區(qū)的特斯拉FSD處于同一梯隊。

這也是李彥宏剛剛在百度世界大會上所說“大模型重構(gòu)自動駕駛”的成果和體現(xiàn)之一。

同樣是今年智能駕駛所有玩家內(nèi)卷的一個方向：視覺為主落地NOA，實(shí)現(xiàn)輕傳感器高功能落地。

只不過極越汽車和背后關(guān)系緊密的百度Apollo，也許在其他玩家還在驗(yàn)證研發(fā)的階段，就要率先落地了。

最終的智駕量產(chǎn)版本留有懸念，10月27日舉辦的極越01上市發(fā)布會上，這款主打開箱即用的高階智駕產(chǎn)品即將交卷。

不過用戶疑問也隨之而來，再次引發(fā)了行業(yè)對于智駕技術(shù)路線的討論：擺脫激光雷達(dá)，靠譜嗎？極越01演示的這套智駕方案有哪些技術(shù)亮點(diǎn)？

純視覺高階智駕，體驗(yàn)如何？

點(diǎn)到點(diǎn)領(lǐng)航輔助駕駛，是指在目前的人機(jī)共駕階段，絕大部分的駕駛由系統(tǒng)輔助完成，司機(jī)位的職責(zé)對車輛的行駛狀態(tài)保持時刻關(guān)注。

極越01的測試全程，包含了城市高頻使用場景，比如上海浦東區(qū)CBD，這屬于城區(qū)內(nèi)的NOA功能；還包括上下高速匝道、隧道內(nèi)的連續(xù)領(lǐng)航輔助，以及復(fù)雜路口的人車混行等等。

其中的基礎(chǔ)能力，包括自動避讓、基礎(chǔ)的跟車、車道保持、定速巡航等等。

更高階的能力，包括綜合考慮安全因素和通勤效率，自行變道（不用提前撥桿）、識別紅綠燈、根據(jù)導(dǎo)航自主規(guī)劃路線…

我們先看其中最值得關(guān)注的亮點(diǎn)，實(shí)測一鏡到底視頻長度約9分鐘，放在最后。

首先是隧道內(nèi)的長距離智能駕駛，在隧道內(nèi)因?yàn)镚PS信號弱或離線，需要系統(tǒng)較為精準(zhǔn)的定位能力，同時還要面對隧道內(nèi)光照條件差、周圍障礙物密集的挑戰(zhàn)：

除了正常行駛之外，極越01還能自主識別進(jìn)入隧道內(nèi)的分流岔路：

城市道路內(nèi)，極越01除了能按照導(dǎo)航信息，自主規(guī)劃轉(zhuǎn)彎，還能在匯入、駛出主路的過程中，主動繞行路邊故障車輛：

以及主動避讓占道的行人、兩輪車：

高速場景下，自主進(jìn)出匝道、匯入?yún)R出車流，并且主動避讓加塞車輛：

當(dāng)然，極越01在路上為了保證安全，對于行人、加塞的處理方式是主動避讓，但在安全的情況下也會通行效率優(yōu)先，主動選擇更快的車道：

如果這樣的表現(xiàn)是一輛Robotaxi，那沒什么值得驚奇的。畢竟Robotaxi上傳感器類型、數(shù)量豐富，而且也擁有相對固定的線路。

但這是一輛需要考慮量產(chǎn)、交付給用戶的私家車，而且是隨機(jī)在上海核心城區(qū)挑戰(zhàn)。

是國內(nèi)第一個，很難有直接對比的參考，畢竟其他的“遙遙領(lǐng)先”都是在重傳感器的加持下實(shí)現(xiàn)的類似功能。

在極越01之前，全球范圍內(nèi)，只有特斯拉的FSD展現(xiàn)過類似的能力。

極越CEO夏一平在這件事上是很不“謙虛”的：

行業(yè)標(biāo)桿，而且一定比特斯拉FSD強(qiáng)。

百度Apollo自動駕駛能力賦能了這套系統(tǒng)，百度智能駕駛事業(yè)群（IDG）技術(shù)委員會主席王亮進(jìn)一步解釋了一下：

考慮到特斯拉FSD的數(shù)據(jù)手機(jī)幾乎全部基于北美路況，所以它真正落地中國的時候，還要面臨復(fù)雜的的泛化性挑戰(zhàn)。

擺脫激光雷達(dá)，技術(shù)上靠譜嗎？

目前，具備城市領(lǐng)航輔助能力的智能車，普遍常見1-2個激光雷達(dá)的配置，也有的是3個，都宣稱自己是最可靠最領(lǐng)先的。

但擺脫了激光雷達(dá)的智能駕駛系統(tǒng)，對于不了解細(xì)節(jié)的用戶，不免產(chǎn)生疑問：多個硬件多份保障，沒有激光雷達(dá)的智駕，能靠譜嗎？

回答這個問題，首先要弄明白激光雷達(dá)在車上有啥用。

量產(chǎn)智能駕駛系統(tǒng)，你可以把它看成一個AI司機(jī)，它開車的方式和人類相同，也是用眼睛去感知一切信息。這是計算機(jī)視覺學(xué)科自然而然衍生出的一個應(yīng)用方向。

這個AI司機(jī)的“眼睛”，就是車端的攝像頭。而讓AI司機(jī)分辨出看到的目標(biāo)、物體的“大腦”就是背后的感知識別算法。

算法的本質(zhì)是AI，而不是“if else”的判斷指令，因?yàn)槟悴豢赡芨F舉世界上每一種交通參與者或場景狀況。既然是AI，它就需要大量的數(shù)據(jù)學(xué)習(xí)，作為感知識別的基礎(chǔ)。

但是這里有一個問題，人類看到的世界，是3維立體的，你可以憑直覺判斷一個目標(biāo)的形狀、大小，距離遠(yuǎn)近。但攝像頭捕捉到的圖像信息，卻是2維平面，同時AI又不具備和人類一樣的“直覺”。

所以從2維數(shù)據(jù)復(fù)現(xiàn)構(gòu)建出3維實(shí)時場景，是純視覺智能駕駛系統(tǒng)的最大挑戰(zhàn)。當(dāng)然還有另一個難題是路上的異形物、異型車層出不窮，在有限數(shù)據(jù)集上學(xué)習(xí)訓(xùn)練的AI，難以完全識別覆蓋。

在算法還不發(fā)達(dá)、車端芯片算力支持還不夠的早期，給“眼神”不好的純視覺系統(tǒng)增加一種感官，就成了最好的辦法——激光雷達(dá)登場。

激光雷達(dá)發(fā)射紅外光，碰到障礙物一定會產(chǎn)生相應(yīng)的回波信號，這其中自然包含了目標(biāo)的形狀、大小，而通過回波時間，還能計算出距離信息。

相當(dāng)于激光雷達(dá)通過“觸覺”，構(gòu)建場景的3維數(shù)據(jù)，給系統(tǒng)作為圖像數(shù)據(jù)外的參考補(bǔ)充：視覺錯檢漏檢的，激光雷達(dá)告訴你那還有一個XX目標(biāo)。

但激光雷達(dá)成本高昂，目前在高檔豪華車以外，難以隨車標(biāo)配。并且紅外光回波信號的噪音抑制、信號處理等等，需要占用大量系統(tǒng)資源。而且激光雷達(dá)也不是萬無一失，對于回波信號的識別，同樣由算法完成，自然也有針對它的對抗攻擊手段。

不依賴激光雷達(dá)的純視覺方案要解決的關(guān)鍵問題，就是找出能夠替代3維數(shù)據(jù)實(shí)時還原構(gòu)建的視覺方法。

極越所展示的方式是OCC，Occupancy Networks，占用網(wǎng)絡(luò)。

這項技術(shù)去年在特斯拉AI Day上被首次公開應(yīng)用，后來特斯拉又在CVPR 2023的workshop上做了進(jìn)一步闡述。

系統(tǒng)的主要感知識別數(shù)據(jù)仍然是視覺圖像，攝像頭采集的數(shù)據(jù)通過基于Transformer的BEV網(wǎng)絡(luò)，應(yīng)用自注意力機(jī)制進(jìn)行特征提取，獲得當(dāng)前場景各個目標(biāo)的語義分割信息，并加入時序特征。

OCC的作用，是在傳統(tǒng)3D目標(biāo)識別能力之上，通過體素（Voxel）化的方式理解和處理空間信息。

可以簡單理解為將場景空間分割成單位化的“方塊”，感知系統(tǒng)可以對3D空間的可通行區(qū)域進(jìn)行高保真度還原。不需要考慮物體是什么，只考慮當(dāng)下這個“方塊”是否被占用：

OCC從根本上避免傳統(tǒng)視覺對非訓(xùn)練集內(nèi)物體的漏檢問題，使模型的泛化能力大幅提升，能更好適應(yīng)不同場景和環(huán)境。

而且對比激光雷達(dá)產(chǎn)生的稀疏且不連續(xù)的點(diǎn)云，攝像頭采集的信息內(nèi)容更豐富，更好地將3D幾何信息與語義信息融合，更準(zhǔn)確還原3D場景。

OCC的作用，同樣提供了空間尺度下的物體大小、形狀、距離等等信息，而且不需要額外傳感器，依然使用攝像頭采集的圖像信息。

這也是極越01基于此前“純視覺為主+激光雷達(dá)”的技術(shù)路線，又開發(fā)了“無激光雷達(dá)”智駕方案的關(guān)鍵，看似沒了一項重要冗余，卻依然能夠?qū)崿F(xiàn)點(diǎn)到點(diǎn)智能駕駛可靠性的關(guān)鍵技術(shù)。

重新審視激光雷達(dá)，高階智駕新路線？

極越CEO夏一平透露，從2021年末就和王亮博士探討純視覺智能駕駛技術(shù)方案的可行性。

從用戶端來看，這樣的方案目前似乎有些激進(jìn)，因?yàn)檫@兩年激光雷達(dá)有成為高階智駕標(biāo)配之勢。

但技術(shù)端、供應(yīng)鏈一側(cè)的震動，早已經(jīng)醞釀、產(chǎn)生并傳導(dǎo)：高階智駕普及，傳感器越來越輕，成本越來越經(jīng)濟(jì)。

之前耕耘自動駕駛、AI技術(shù)多年的玩家，比如大疆、商湯、曠視等等，今年紛紛公布智能駕駛量產(chǎn)產(chǎn)品路線，瞄準(zhǔn)的是從2024以及后3年的新車型。

無一例外將高階智駕的普及門檻越降越低，有鮮明且統(tǒng)一的標(biāo)志：入門級方案成本不過千元級，功能至少是高速NOA起步。

激光雷達(dá)在這些方案中，逐漸成為選配或非必須，“領(lǐng)土”退守售價更貴、規(guī)模更小的車型上。

而且其退守有加劇之勢：行業(yè)頭部玩家公布的最新方案中，純視覺系統(tǒng)實(shí)現(xiàn)的功能已經(jīng)覆蓋到城市通勤NOA。

王亮博士解釋了核心原因：

“實(shí)際上，任何自動駕駛、智能汽車行業(yè)從業(yè)者都清楚，激光雷達(dá)不是自動駕駛的終局”。

這并不涉及什么“路線之爭”，只是技術(shù)發(fā)展不同階段的呈現(xiàn)。

他透露，2019年之前的嘗試證明，純視覺的方法要達(dá)到高可靠且體驗(yàn)良好的自動駕駛功能，“太難了”。所以激光雷達(dá)成了系統(tǒng)必不可少的傳感器，相當(dāng)于給當(dāng)時“眼神不好”的AI司機(jī)，配了一根可以“觸摸”環(huán)境的拐杖。

但激光雷達(dá)也有不盡完美的地方。其一是成本高昂（目前仍在數(shù)千元級別），是量產(chǎn)智駕普及、L4落地規(guī)模上量的主要障礙；其二是激光雷達(dá)讓系統(tǒng)數(shù)據(jù)類型繁雜，數(shù)據(jù)量劇增，增添算法、算力資源負(fù)擔(dān)。

所以“擺脫掉激光雷達(dá)依賴”實(shí)際上成了所有量產(chǎn)智能駕駛玩家的主動選擇，也成了車企作為甲方的客觀需求。

這同樣也是老百姓的需求。因?yàn)?個激光雷達(dá)=至少數(shù)千元BOM成本，對于大眾消費(fèi)的20萬元級或更加經(jīng)濟(jì)的車型，這樣的智駕系統(tǒng)只能是嘗鮮選配，沒法普及。這也是目前行業(yè)的普遍狀況。

智能化作為核心競爭力和產(chǎn)品價值，獲得用戶認(rèn)可重視，極越和百度Apollo聯(lián)合研發(fā)純視覺方案的邏輯是：

用戶不會認(rèn)為多了幾個硬件就是高級的，反而車端輕傳感器減成本方案，背后的算力、數(shù)據(jù)、算法研發(fā)投入更大，這才是更高級更昂貴的智駕方案。

但這些軟件端的研發(fā)成本不同于硬件，不是由用戶直接買單，而是攤銷進(jìn)了規(guī)模化量產(chǎn)。

預(yù)售價25.99萬的極越01，想做中國智能車的一個大膽嘗試：點(diǎn)到點(diǎn)高階智駕普及到大眾消費(fèi)車型，而且智能硬件標(biāo)配，不選裝不加價。

并且前端方案配置清晰、后端技術(shù)體系透明。

于是這一階段比拼性價比的智能駕駛量產(chǎn)競爭幾乎已宣告結(jié)束，下一階段卷的方向更加清晰：更高的通行效率、更絲滑的乘坐體驗(yàn)，和更可靠的功能安全——細(xì)節(jié)處見功夫。

不再依賴激光雷達(dá)的高階智駕，不是主觀上的激進(jìn)，而是技術(shù)和行業(yè)發(fā)展到一定階段的必然和客觀體現(xiàn)。

只不過令人吃驚的是，極越展示的技術(shù)實(shí)力，讓這個標(biāo)志性里程碑的到來大大加速了。