{{detailStore.author.is_follow?'已关注':'关注'}}
原创话题文章
管理
中国本土版“FSD”来了 我似乎看到了当前智驾的天花板
新出行原创 · 话题文章

上个月,我们基于全新的 GAMP 评级体系,做了两期 LCC 辅助驾驶的大横评,选取了用户最常遇到的 17 个场景对各个车进行模拟测试,到目前为止还没有哪台车能在所有 17 个项目都拿到 G 的评级。

前两天看到百度 Apollo 发布了 ANP3.0 的“秀肌肉”视频,仿佛看到了能在我们评级体系里拿满分的高材生。那些我们想过、没想过的复杂场景,都能被 ANP3.0 一一化解,我想现阶段辅助驾驶的天花板应该就是它了。

一、泊车 / 城市 / 高速三域融通

百度 Apollo 发布的这段视频,向我们展示了 ANP3.0 从地库自动召唤,途径繁忙的市区路段、再自动通过 ETC 进入高速的高阶辅助驾驶能力。

这是首次完整的展示了泊车、城市、高速三域融通的领航辅助驾驶,也是我为什么称之为现阶段辅助驾驶天花板的原因。

视频上传成功

实际上此前包括小鹏、毫末智行、以及极狐都各自对外展示了秀肌肉的城市领航辅助驾驶能力。而百度 ANP3.0 却完整的展示了如何从地库出发,值得一提的还首次实现自动通过 ETC 的能力。

二、堪称天花板级的复杂场景应对能力

通过分析视频的完整版,我们看到了许多平时开车都会遇到的熟悉场景,里面也有很多典型场景是城市领航辅助驾驶需要攻克的,从视频中我们也可以窥探到 ANP3.0 的能力边界。开头我说的“新出行 GAMP 评价体系满分选手来了”的感叹也是来源于此。我们下面一个个来看。

1、识别红绿灯的能力

我们都有一个共识,城市领航辅助驾驶的实现难度相比高速,是呈指数级上升的。不仅仅城市的道路交通参与者数量更多且复杂,城市的道路交通设施也比高速要复杂得多。最典型的例子就是红绿灯。

虽然国标针对红绿灯也有统一的标准,但是不同城市对于红绿灯总有一些出其不意的“创新”。包括红绿灯的位置、红绿灯的样式等等。

临时红绿灯识别

这段视频就涉及到了临时红绿灯,面对这种低矮不规则的红绿灯, ANP3.0 可轻松应对。

2、绕行能力

“绕行”我们认为是智驾系统效率的一大体现,不具备绕行能力的在遇到类似场景最多做到刹停,然后需要驾驶员手动介入,大大降低了智驾体验的连续性以及通行效率。

绕行是高阶辅助驾驶很重要的基础能力之一,我们开车在路上,几乎每天都遇到需要绕行的场景,绕行路边临停的车辆、绕行行人、绕行电动单车等等。

绕行对向的电动三轮车

在视频中我们可以看到测试车在遇到类似的场景中都能够迅速的绕行通过,而且值得一提的是有个场景是绕行对向驶来的电动三轮车。此外包括新出行首创的“开车门静止占道车”场景也在这个视频中完美复现了,并完美绕行通过。

绕行开车门的临停车

3、应对加塞的能力

这个场景也是我们 GAMP 评级体系里的重点场景,也是日常开车中最常遇见的场景。在新出行 GAMP 的评级体系里面,根据实际场景还细分出了 4 个加塞场景。

应对加塞场景,首先需要系统具备 360 度全角度感知能力,能感知到加塞车辆的存在。此外需要系统具备对侧方车辆的行为轨迹预测能力,能实时预测到加塞车什么时候加塞。最后需要系统具备及时的规控能力,也就是根据实际情况应对加塞车辆。

视频展示的两个场景都是在日常都较为常见的场景,一个是分叉路有车加塞,一个是高速出匝道时有车加塞。

城市近距离加塞

从仪表盘的速度变化来看,两个场景下车辆都没有出现那种突然“一脚刹车”的突兀感,减速幅度都相对较小。

高速出匝道时的近距离加塞车

4、人车混流的右转路口

在这个场景我看到了这套 ANP3.0 系统在针对横向路人、电动单车等交通参与者行为预测方面的能力。而且可以看到的在右转的时候,右侧的电动单车还被右前方的车辆所遮挡,系统依然能够监测到并等待它通过后再起步,这里不得不服。

右手边的电动单车被三轮车遮挡,系统依然能够识别

5 、 180 度掉头路口

180 度掉头路口的类似场景在此前小鹏 P5 的城市 NGP 能力展示视频中也有,但 ANP3.0 的这个路口难度更高。小鹏 P5 当时的路口有单独的掉头车道,而这次 ANP3.0 展示的路口掉头时需要与对向来车抢道,需要与对向来车做博弈。

车辆先有向外探头的动作

从视频可以看到,测试车在弯道中先往外探了探,幅度不是太多,最终确定对向无来车后再起步通过。

6、左转路口

“无保护左转”也是考验系统综合能力的典型场景,特别是在红绿灯路口,既考验对红绿灯的精准识别能力,也考验对向车辆、路上行人、电动单车的行为预测能力。一般分为有保护左转和无保护左转,区别在于有没有专属的左转灯和待转区。

有保护左转难度相对小一些,在专属的红绿灯帮助下,车辆不需要与对向直行来车做博弈,只需规划好行驶路径,实时监测行驶路线上可能会出现的其它交通参与者,做好应对即可。视频中左转遇到过马路的行人,测试车也是很轻松的等待避让过去。

有保护左转是指有专属左转灯和左转待转道

无保护左转难度就更大了,也是能看出各家策略激进与否的场景之一。左转灯和对向直行灯同时亮,此时需要和对向来车做博弈,在做到遵守“左转让直行”交通规则的前提下,也要同时兼顾自身的通行效率。

无保护左转目前策略以安全为主

从视频中可以看到,测试车做了一次前探的动作,但或许是由于路口车流还是太多,最终还是以安全为主,在对向直行红灯亮起、所有车通过之后再重新起步通过。

7、通过 ETC 收费站

自动通过 ETC 收费是出乎我意料的能力,在过去,我们聊城市领航辅助、高速领航辅助,但始终绕不过在面对收费站的时候,都得手动接管,多域闭环均无从谈起。这也是为什么视频称为“三域融通”的原因之一。

这是首次有车型展示自动通过过 ETC

通过时测试车能够自动识别选择车道以及收费站的抬杠,提前减速缓行,待抬杠后再加速起步。经过收费站后的无标线路段时也能自行规划好轨迹汇入高速车流。

8 、通过长距离隧道

长距离隧道对于辅助驾驶来说,难度在于信号的丢失,也就是高精地图数据的缺失。这对于感知系统是个考验,是否在失去信号的同时依然能依靠自身硬件对隧道内的状况做到准确识别。此外出隧道信号恢复的瞬间,能否保持车身稳定不晃动,也是对车道居中稳定性的一大考验。

现阶段大部分车型遇到这种情况往往是直接降级到 LCC 等级。在 LCC 等级下,许多策略都会改变,而隧道内本身环境又更加的复杂多变,难度进一步提升。

视频中展示了 ANP3.0 应对长距离隧道的能力,而且隧道内还有占道施工场景。可以看到无论是在隧道内还是出隧道的时候,车辆均能保持车身稳定,居中能力非常稳定。

9 、高速大曲率弯

最后一个场景是高速大曲率弯,我觉得这算是所有场景里面难度相对较小的,不过也需要车辆本身具备较强的感知以及横向、纵向控制能力。

三、 ANP 3.0 技术优势在哪?

看完上面的解读,我们对这套 ANP3.0 高阶辅助驾驶系统的能力已经有了一定的认识,接下来我们看看它的硬件以及技术架构优势在哪。

1、视觉 + 激光雷达双冗余

在百度的分级里面, ANP3.0 依然是属于 L2+ 级智能辅助驾驶,主要针对新一代中高端智能汽车所打造的软硬件一体产品方案。这套 ANP3.0 技术路线是纯视觉 + 激光雷达的双冗余系统,纯视觉是基础,在此之上根据客户的不同需求匹配不同位置、种类、数量的激光雷达。

硬件上包括:

  • 2 颗 Orin-X 芯片( 580TOPS 算力)
  • 前挡双目摄像头( 800 万像素)
  • 环视感知摄像头 x5 ( 800 万像素)
  • 360 度环视摄像头 x4 ( 300 万像素)
  • 超声波雷达 x12
  • 毫米波雷达 x5
  • 前向激光雷达 x2 (安全冗余)

从测试车可以看到, ANP3.0 的硬件布置方案采用的是和蔚来类似的“瞭望塔”布局,两个 800 万像素摄像头布置在车顶两侧,可视距离也相对更远。

目前行业都有个共识,想要实现城市端高阶辅助驾驶,激光雷达是必不可少的传感器。但实际上,这套系统在目前的研发测试阶段,依靠“ BEV 环视三位感知”技术,已经能够靠纯视觉跑通城市域多场景路线。

或许你不知道的是,视频的测试车其实就是不带激光雷达的版本。

在量产阶段, ANP3.0 将增加激光雷达感知冗余,进一步对应非常规异型障碍物、动 / 静态遮挡鬼探头、停车场夸楼层泊车等复杂场景。

2、Robotaxi 技术下放

目前百度在全国范围已经有 600 辆 Robotaxi 在近 30 个城市开展测试,每天应对的复杂场景以及收集的云数据和模型,都为 ANP3.0 的感知模型提供源源不断的数据。这是百度 ANP3.0 系统天生具备的优势。

来自于 Robotaxi 的技术反哺,让 ANP3.0 犹如含着金钥匙出生。举个例子,比如我们上文提到的临时红绿灯,类似的数据模型,就是来源于全国 30 多个城市 600 台 Robotaxi 的数据反哺。再比如各类行人、电动单车的行为感知和预测等等,都为 ANP3.0 提供了宝贵的数据经验,省去了一系列的学习和训练。

3、轻量化地图

目前行业上不少声音都在强调“轻地图重感知”的技术路线,但对于百度来说,高精地图依然是现阶段实现高阶辅助驾驶必不可少的武器。在此前百度 Apollo 技术大会上,百度智能驾驶事业群组技术委员会主席王亮就说过, “ 在今天做城市级高级辅助驾驶,高精地图是安全、体验好智驾产品的必需品,是 Must-have 。 ”

为了解决地图鲜度、多城市的泛化能力,百度提出了轻量化地图的概念。原先相同需要多次反复采集来降低误差,现在通过提升道路容错率,仅需采集一次即可完成制度,大幅降低采图的成本和效率。

再比如经典的红绿灯,原来需要对每一个灯头都进行单独标注,同时灯头需要与对应的车道线绑定。现在通过提高红绿灯的感知能力以及提升对场景语义的理解能力,只需要标注红绿灯框以及绑定对应的停止线即可,大幅降低了地图数据量以及采集成本。

也正因为轻量化地图的技术, ANP3.0 对于不同城市的泛化测试进度相对更有优势。从视频也可以看到,目前 ANP3.0 已经在北京、上海、广州、深圳四个地方展开泛化测试, 2023 年将正式量产落地,我们也有理由相信届时落地的城市将有望比其它同类型产品更多。

全文总结: 特斯拉 FSD 已经在海外测试两年了,可以预估的是届时进入国内后也将面临着一定的“本土不适感”。百度 ANP3.0 这波秀肌肉操作不亚于 FSD ,而且也是基于不带激光雷达的纯视觉跑出来的。对于百度 ANP3.0 的能力,我一直比较看好,主要源于 Robotaxi 的经验下放以及百度自研的高精地图。两大核心优势在手,助力 2023 年量产落地,我也期待到时的实车体验。

写评论
积分赞赏
点赞
评论区
  • 编辑
  • {{is_favourite ? '已收藏' : '收藏'}}
  • {{is_personal_top ? '取消主页置顶' : '个人主页置顶'}}
  • 举报
  • 加入黑名单
  • 删除
  • 取消置顶
  • 置顶推荐
    • 6小时
    • 12小时
    • 24小时
    • 3天
    • 一周
    • 长期
  • {{digest?'撤销精华':'设为精华'}}
回到顶部
  • 全部评论{{detailStore.commentnum}} 条
  • 只看作者
  • 最热
  • 最新
  • 最早

「待审核」

{{ comment.relativeTime }} 已被赞赏 {{comment.integral}} 积分 回复

暂无相关评论

发表一下个人看法吧