首页 > 58必威网

“感知”OR“地图”,NOA落地寻找最优解

来源:新能源汽车网
时间:2023-02-15 16:14:02
热度:

“感知”OR“地图”,NOA落地寻找最优解文:谈擎说AI 作者:郑开车2023年初,自动驾驶的“落地风”吹的更急了一些。在特斯拉发布FSD两年多之后,国内的自动驾驶行业,正在进入新

文:谈擎说AI 作者:郑开车

2023年初,自动驾驶的“落地风”吹的更急了一些。

在特斯拉发布FSD两年多之后,国内的自动驾驶行业,正在进入新的落地阶段。

去年12月,百度宣布开放Apollo“点到点城市自动驾驶”能力;1月底,何小鹏宣布,2023年将在国内率先推出全自动驾驶,超过50个城市能够用上自动驾驶;理想汽车则宣布,到2023年底落地城市NOA导航辅助。

自动驾驶公司估值在二级市场遇冷,落地、量产自然就成了各家关注的焦点。而对于投资人来说,量产不是最终的结果,最终的结果是NOA能力能够真正成为车企新的增长点。

从产业端的规划来看,2025年是L4落地的一个关键节点,在这个关键点到来之前的2023年,城市智能导航辅助落地的大幕,正在慢慢拉开。

L4的“前哨战”:城市智能驾驶NOA量产进行时

过去几年的商业化尝试,使得大家明白了一件事:To C的Robotaxi尚不能扛起盈利的大旗,二级市场估值受挫之后,打造出比L4更容易的L2+智能辅助驾驶系统,快速商业化已经成为一条必须要走的路。

要打赢这场自动驾驶的“前哨战”,首先要选对“进攻线路”。

技术上,感知+地图的双重路线下,结合高精地图,一些行业内的玩家,已经能够在部分城市率先落地更强大的城市NOA能力。

华为的ADS和毫末的NOH,能够基于高精地图的位置信息结合车辆硬件的感知能力做识别,在地图数据的辅助下,车辆更容易准确识别道路、红绿灯等信息。天眼查APP显示,在一级市场上,毫末已经走到了A+轮融资。

“感知”OR“地图”,NOA落地寻找最优解

从技术上看,感知+地图的双重能力,能够满足城市NOA能力的基本需求,而且车载的硬件成本可以更低,能够快速装车并且推向市场。

不同于重感应轻地图的毫末,华为,小鹏是高精地图路线的获益者之一,在测试中,小鹏NGP曾在在几个关键指标上均超过特斯拉的NOA,表现出众。华为通过一则自动驾驶视频爆红,奠定了其NOA技术的影响力基础。

不过,无论是华为还是小鹏,亦或是毫末,行业中的玩家们都似乎希望逐渐摆脱对高精地图的依赖。

地图监管的收紧,使得重感知,轻地图的技术路线受到关注。去年8月份,自然资源部办公厅印发《关于做好智能网联汽车高精度地图应用试点有关工作的通知》。

9月初,自然资源部《关于促进智能网联汽车发展维护测绘地理信息安全的通知》的下发,将高精地图资质收紧,规定高精地图测绘制作,只能由具备导航电子地图制作甲级资质的单位进行。

高精地图数据关乎国家安全,收紧也是必然,但对行业来说,意味着技术方向可能正在发生深刻的变化。

在去年举行的极狐阿尔法S HI版上市发布会上,华为副总裁、智能汽车解决方案BU CEO余承东表示,将逐步减少对高精地图的依赖。同样改变策略的还有小鹏,小鹏提出2023年完全摒弃高精地图落地城市辅助驾驶。

从商业上来看,走重地图的路线,前期规模化容易,后期规模化可能会更多的受制于地图的更新和维护成本。

比如,城市基建情况在不断变化,又是修地铁又是修路,如何平衡保持地图信息的新鲜度以及维护高精地图的成本?恐怕很难兼顾。

高精地图路线下,主要面临的问题其实就是地图信息的丰度和鲜度,因此,本质上其实也是个成本权衡的问题。

从市场竞争层面来看,当下的市场环境,已经容不得一城一池的缓慢推进,需要大规模的迅速覆盖更多的城市,迅速完成NOA能力量产化。

在确立摆脱地图依赖之后,小鹏计划,今年XNGP落地之后将迅速覆盖国内50到100个地区,推进智能驾驶辅助系统的规模化落地。

小鹏、华为做这样的决策不是没有道理,没有了地图的制约,重感知能力的路线下,车企的确能够快速覆盖更多的市场,特斯拉在北美的销量就已经验证了这一点。

不过,值得注意的是,像毫末等玩家选择“重感知轻地图”的“数据驱动”的方案,其实也有不足。有观点认为,试图用发生事故或潜在事故的弱势场景数据来解决城区导航智能驾驶的问题,在技术上虽然可行,但在策略上颇为被动,并不是最好的解决方案。

一个不容忽视的事实是,2023年将会是搭载NOA能力的车型快速普及的第一个年头。对于车企来说,这个阶段,把更多的高阶驾驶能力带到更多的城市快速抢占市场,其实是一个很重要的策略。

数据表明,在国内,实现NOA的车型渗透率也在不断上升,西部证券的一份研究报告预测,2023年到2024年,市场上支持城市NOA的车型渗透率将迅速增长到20%,

“感知”OR“地图”,NOA落地寻找最优解

截图来源于西部证券研究报告

摆脱地图依赖,依靠感知,其实更依赖技术,因为城市NOA更复杂,容错率更底。

以小鹏城市NGP为例,代码量是高速的6倍,这意味着需要更高的算力冗余,此外,对融合算法要求也颇高,这会是一个考验。

“现在感知能力上,大家其实做不出来更多差异化体验”有自动驾驶行业业内人士表示,“其实最关键的还是算法、数据,重要的是能够覆盖少数场景,高精度的激光雷达、高精地图弥补98%,但谁能解决最后的2%的意外情况,就能迅速拉开差距。”

   首页   下一页   上一页   尾页 
Baidu
map