出品 | 搜狐科技

  作者 | 梁昌均

  过去很长一段时间，高精地图都被视为自动驾驶发展的“兵家必争之地”，目前国内推出智能驾驶系统的主流车企背后都有厂商提供的高精地图作为支持。

  但也有不少玩家意图打破对高精地图的依赖。不久前，华为余承东表示，现在自动驾驶还在使用高精地图，但未来发展不应该依赖高精地图、车路协同，否则自动驾驶和智能驾驶的能力就上不去。

  小鹏汽车董事长何小鹏也对此表示赞同，他认为高精地图对自动驾驶而言一定是个过渡，云端的结合也只是一个辅助，真正的自动驾驶一定要能够全场景驾驶。

  自动驾驶的发展能绕过高精地图吗？对于这个问题，过去7年颇为低调的自动驾驶创业公司智行者近日召开了首次媒体沟通会，并对外发布了一套不依赖高精地图的L2+自动驾驶解决方案。

  智行者CTO王肖当天接受搜狐科技专访时表示，不基于高精地图实现全场景覆盖，这是自动驾驶的终极目标，如果依赖高精地图，自动驾驶就如同无形的有轨道的火车，就会受限，这不是未来自动驾驶发展的趋势。

  智行者CTO王肖

  自动驾驶必须摆脱高精地图依赖

  王肖表示，此次发布的高速领航系统H-INP为国内首款采用“重感知 轻地图”技术路线的高级别自动驾驶解决方案，适用高速公路、城市快速路等场景，并称年底预计会拿到1-2家车企的定点。

  他也强调，不依赖是指不绝对依赖高精度地图，在有高精度地图时候当然可以应用，在没有高精度地图的时候，则可以通过时空联合的多任务融合感知方案及在线高精矢量重建等关键技术，减轻对高精地图的依赖。

  智行者在发布会上放出的不依赖高精地图的无人驾驶方案测试视频显示，在园区给出几个GPS点后，测试车自动识别哪些地方可通行，哪些地方有坑，搜索出多种路径，并优化成最终执行的路线，实现在园区顺畅行驶。“这依赖的就是普通的导航地图，只需要告诉我方向，不需要非得告诉我具体的路线。”

  在王肖看来，高精地图的本质实际上是提供了一个超远距离的传感器，如果依赖高精地图，对辅助驾驶系统来说其实没有学习的逻辑，只需完全按照车道去走就行，而高精地图数据采集成本很高，也存在更新和覆盖范围有限的问题，因此高精地图只是一个当前能够让车企快速量产，取得较好效果的临时解决方案，这更多是一种市场导向。

  因此，他也坦言，更加看好类似特斯拉的单车智能路线，而并不看好被不少人视为弯道超车方案的车路协同路线，这种路线即对高精地图有着高度依赖。王肖给出的原因有两个，一是成本太高，涉及到道路改造等很多问题，到底有多少价值存疑，因此车路协同目前也仅仅停留在示范区。

  二是如果中国自动驾驶路径依赖高精地图，将无法出海。“中国的智能汽车现在发展很快，未来会跟智能手机一样一定会迈向印度、越南，甚至欧洲等国家，如果依赖高精地图，怎么卖到国外去？”

  他进一步解释称，如果依赖这个技术路径，依赖高精度地图，现在可能会比特斯拉跑得好，但一旦别人数据积累技术突破到了一定程度，可能就是指数级增长，但依赖高精地图就可能就只能是线性增长，因为没有高精地图的地方去不了，进军海外也会受限，而且还面临国内的技术架构国外认不认的问题，因此未来需要逐步摆脱对高精地图的依赖。

  智行者如何告别对高精地图的依赖？

  此次智行者高速领航系统H-INP如何做到可以不依赖高精地图？智行者联合创始人&研发中心副总经理张放介绍称，想要不依赖高精度地图，其核心在于利用感知系统实时检测的道路标线和可通行区域，建立类高精度地图的矢量环境表达，再结合SD地图实现车道级导航，从而实现不依赖高精度地图的自动驾驶功能。

  具体来说，整个系统有三种运行模式：在有高精度地图的区域，使用高精度地图，同时基于感知矢量重建结果对高精度地图数据进行校验，以处理高精度地图存在错误或地图更新不及时的情况；在没有高精度地图且第一次行驶的区域，基于感知矢量重建结果实时构建类高精度地图环境进行自动驾驶，同时将复杂区域的矢量重建结果存储在本地供下次使用；在没有高精度地图但已经行驶过的区域，基于历史过程中构建的矢量信息结合在线感知的校验进行自动驾驶，同时进一步优化本地存储的矢量信息，从而使得下次在该区域的行驶更加流畅。

  同时，为了不依赖高精度地图，智行者提出了一种基于在线高精矢量重建的地图定位架构。在环境建模方面，智行者也放弃了目前业内普遍采用的重地图的环境建模方案，提出了一套重感知的环境建模方案，结合地图和感知进行综合建模，不盲目相信高精度地图。

  在决策规划方面，不同于目前普遍应用的弱交互时空解耦决策规划方案，智行者提出了一套强交互的时空联合决策规划方案，在预测与决策、决策策略离线优化、在线决策规划等环节进行了优化，使得车辆行为更加专业化、拟人化，通行能力大幅提升。

  张放介绍，该系统具备自主巡航、出入匝道、自主换道、隧道通行、智能偏航、超控模式、自动泊车、碰撞预警等丰富功能，可实现白天/夜间高密度交通流下的辅助驾驶。同时，H-INP依托车端影子模式和云端数据闭环，实现了功能快速迭代。

  此外，H-INP采用了智行者自主研发的车规级高算力域控制器，算力可达128TOPS，CPU计算能力达30K DMIPS。在感知层面，H-INP采用了6颗摄像头+5个毫米波雷达的多融合感知方案，实现了成本的有效控制。

  张放透露，INP产品会今年年底会推出1.0的量产版本，实现一个功能上的增强，到明年Q2会持续迭代，并会丰富城市场景，并完善兼容高精地图模式功能。

  对于未来的商业化，王肖表示，自动驾驶在乘用车领域一定会是万亿规模市场，但是走到成熟还需要很长周期，短期之内能够快速形成现金流的还是在低速场景，比如智行者已经做到行业领先的环卫和特种无人车领域。据了解，智行者去年营收已达数亿元。

  王肖认为，未来3~5年乘用车领域还会是驾驶辅助系统，长期看肯定是Robotaxi，但还是5~10年之后的事情。但他表示，目前辅助驾驶在高速公路场景下的功能有些趋同，下一步需要拼的是性能指标，但这个事情短期之内难以量化，需要大量的实验数据，或者说支撑材料来证明安全性和舒适性。

  撞上静态目标是技术问题，短期内难以解决

  在此次专访中，王肖还谈到了辅助驾驶系统如何更好识别并应对处理对静态物体。在此次专访中，王肖还谈到了辅助驾驶系统如何更好识别并应对处理对静态物体。近日，有多位车主反映，在辅助驾驶开启状态下，所驾车辆撞上了前方静止物体，发生车祸。对此王肖表示，这作为一个技术难点，无法在短期内快速改善。

  “道路上有很多静态目标，传感器并不是无法识别，而是在识别到之后为防止不停刹车，因此就做了很多滤波算法或策略，把静态目标过滤掉了，因为在高速路上频繁地莫名其妙刹车非常恐怖。”他表示，识别出来并不代表能刹车，出现事故更多是决策控制出现了问题。

  王肖还提到，现在常规的汽车辅助驾驶系统的感知、决策和控制分别由不同的供应商来做，他们认为定义非常清晰的边界和接口，其实是有问题的，缺乏有机的整合。

  他举例称，人看不见200米距离外的东西，也无法精确测出前方车辆的速度和举例，机器可以做到。“但为什么人能开得好呢？是因为人把感知、经验、决策、控制融为一体，这个最关键。”因此王肖表示，想要做到拟人驾驶，自动驾驶系统一定是要有强有力的整合，把所有策略从头到尾都要串起来。

  同时，他认为，目前行业短期内要解决这个问题还存在较大挑战，因为还有很多的corner case缺乏相应的数据，现在的传感器也并不完美，只能随着数据越来越多，更好的传感器出现，更好的算法出现，才能解决这个问题。

  王肖表示，智行者也在进行探索，比如通过丰富传感器，加上激光雷达，争取降低误识别率，同时也可在提醒方面做一些文章，在遇到不确定的情况通过抖动或报警提醒接管，包括DMS（驾驶员监测系统）来提醒驾驶员，采用综合的手段解决这个问题。