魏牌城市 NOH 内测曝光，其采用的「重感知」技术路线会是智能驾驶的最终选择吗？
- 147 个点赞 👍
前段时间，魏牌公布了在保定和北京进行的城市NOH智慧领航功能beta版实际道路测试的一些情况。其中保定路测视频在我看来有不少干货，也透露出了不少新的技术应用信息。
目前市面上，在魏牌公布测试视频之前，只有小鹏正式量产落地了类似的城市NGP功能。特斯拉FSD的功能尽管强大，但因国内的种种限制并无法体验其“完全体”。因此，小鹏和魏牌下如此多的功夫在智能驾驶领域，就是为了抢占国内智能驾驶车企的第一梯队。
这次高管内测的测试地点在保定市区，测试人员有两位，坐在主驾的是毫末智行CIO甄龙豹，坐在副驾的是魏牌副总经理乔心昱。视频显示测试里程17公里，通过红绿灯31个，左右转共6次。考虑到小城市的路况相对大城市会更加复杂，自行车、电动车、农用车较多，并且存在一些行人或车辆不规范的行为，因此这段路程其实具备一定的挑战性。
整个测试视频的时间其实不长，40分钟的路程被剪辑为13分钟多，不过关键的节点和场景都非常清晰，下面我们看看视频呈现的几种关键场景。
交通路口场景
城市道路与高速道路最大的区别之一就是有无红绿灯，所以对于用户来说，解决了红绿灯识别就搞定了交通路口的直线通行问题。这个场景的关键是要识别红绿灯，并且根据交通信号灯的颜色来判断车辆要采取的策略，绿灯行、红灯停、黄灯减速。之前有部分品牌车型的感知系统是可以识别红绿灯的，但是并没有随后的执行步骤。
魏牌城市NOH系统红绿灯最远识别80米，对于各种不同形态的红绿灯也可以通过仿真模型的建立和学习来进行识别，用户就不用担心系统在不同城市的适用性了。
转弯场景
如果说红绿灯的问题还比较好解决，那么转弯的问题就相对比较复杂了。路口转弯基本就等同于既要识别红绿灯，还要识别车道，还要判断执行。以视频中展示的三次转向操作为例。
第一次右转，系统识别到了右转专用车道；第二次左转的转弯角度很大，从视频上可以看到方向盘的转动角度已经超过了90°，第三次左转是在车流较多的复杂路口，转弯之后路上没有车道线，但是系统自动选择了合理的行驶路线成功转弯。
可以看出魏牌城市NOH系统可以在不同的场景和路面状况下选择不同的策略，用接近人类的处理方式来完成转向，非常智能，用户在实际使用中也会因为转弯成功率的提升而增加信心。
车辆加塞场景
路面车辆cut-in的场景也是国内城市道路上的普遍现象，而且很多车都不打转向灯，视频中展示了两个典型场景。
第一个场景是有车辆轻微越线侵占本车道，系统做出了轻点刹车的动作，可以说是老司机的操作方式了。
第二个场景是车辆通过路口时，有多车加塞超越，在这种相对复杂的情况下，车辆选择了相对保守的处理方式——礼让。毫末智行CIO甄龙豹对智能驾驶的观点是要保持“敬畏之心”，“在保证安全的前提下保证路权”。
个人认为这一处理方式是合理的，因为实现完全智能驾驶的规划是基于未来所有车都无人驾驶，所以在理想的情况下每辆车按照相同的策略来行车才是最为安全和高效的。也许在现在看来这样的处理略显保守，但是这却是对于用户生命安全的最大保护。
类似的情况还出现在路边出现一辆静止的洒水车时，系统也进行了判断和短暂的等待，确认没有危险，车辆才继续前进。
车道选择
路上如果出现单车道变多车道或者多车道汇合等情况时，车辆会自动判断，选择更合理的车道行驶。
视频中的一个场景是在单车道变双车道时，系统选择右侧车道紧跟一辆家用SUV，而不是左侧车道的小货车。如果系统每次都能够做出合理的预判，确实会大幅度提高车辆的通行效率，这也是消费者喜闻乐见的。
躲避障碍物
路边停放的车辆或是随意穿行马路的非机动车和行人都有可能成为障碍物，测试车辆对于这两种情况都处理得很好。
路边的静态障碍物相对来说比较好处理，选择合理的路线绕过就行。
比较难的是动态障碍物，比如行人或者非机动车等。对于这种移动的障碍物，车辆的激光雷达就派上用场了，它通过3D点云的方式，可以精确知道障碍物与车辆的相对位置关系以及轨迹变化趋势，实时感知结果结合全局路径规划、局部路径规划，从而形成预判，生成本车即将行驶的路径。
对于那些开车注意力不集中，粗心大意的用户来说，系统的这个能力绝对会帮上大忙。
从上面5种在城市道路上极为常见的场景不难看出，搭载魏牌城市NOH系统的测试车整体表现是非常优秀的，整个测试过程的车辆速度基本保持在55km/h左右，符合日常驾驶的习惯，大部分场景的处理比较老练，个别场景偏保守，但是确保了安全性。
从智能驾驶辅助系统实现的技术路线上来看，特斯拉是特立独行的“纯视觉”流派，也就是完全采用摄像头进行感知，而不依赖于激光雷达和高精地图。信息的处理采用神经网络来识别障碍物、交通参与者、交通符号，更是将3D位置关系和时间关系也纳入神经网络，这些东西都通过神经网络学习，其“思考”方式可以说和常见的机器处理大不相同，而和人类的思考过程非常类似。这是由于马斯克坚信“第一性原理”，认为人靠肉眼识别就可以驾驶汽车，所以车辆智能驾驶也不需要依靠视觉之外的其他解决方案。
尽管纯视觉方案有着成本上的巨大优势，但当前摄像头的分辨率和识别能力暂时还无法媲美人眼，有时候即便能识别物体，但是车辆如果没有人的大脑这种超强的计算能力和过往经验，也会出现一些匪夷所思的误判。正是因为如此，绝大部分车企都抛弃了纯视觉方案，而采用视觉+感知融合的解决方案。
在融合方案中，激光雷达善于获得3D信息，毫米波雷达适合获得速度信息，高精度地图则提供位置信息，多种信息融合，来获取更为可靠的自动驾驶路线，控制车辆自动行驶。不过，不同车企的融合解决方案也有所差异。小鹏是采用激光雷达和高精地图结合的方案，对高精地图的依赖程度还是比较高的。但由于国家对高精地图的管控比较严格，测绘资质也有所收紧，因此会带来审核周期长和地图成本高等一些问题。此外，高精地图的更新频率也较慢，对用户体验会带来负面影响。华为余承东就认为，未来不能过分依赖高精地图和车路协同，否则智能驾驶的能力就上不去。
魏牌在智能驾驶方面采用的则是一种结合以上两者的技术路线——“重感知”。对于激光雷达等感知设备更为重视，同时，将高精地图作为辅助。从某种意义上来说，既弥补了纯视觉方案的缺陷，又不会被高精地图掣肘，是一种非常聪明的做法，值得其他企业模仿和学习。
当然，现在说“重感知”是智能驾驶的终极技术路线也许还为时过早，不过至少在短期内，这一路线还是具有相当大的优势，大概率会成为众多车企争相追捧的技术路线。
小结
从测试视频来看，不出意外，魏牌城市NOH功能量产落地的车型就是这次视频内的测试用车——摩卡激光雷达版DHT-PHEV，而这个时间应该很近了。这样，小鹏P5和魏牌摩卡激光雷达版就将是中国首批量产城市智能辅助驾驶系统的车型，通过技术的量产落地，小鹏和魏牌树立起了国内城市智能驾驶辅助技术的行业领先优势。
在智能驾驶技术路线选择上，“重感知”的路线是目前很好的一种解决方案，可见“没有新势力，只有新技术”，中国传统品牌在智能驾驶这些前沿技术上也已经摸索出了一条自己的道路。当然，“不管白猫黑猫，抓住老鼠就是好猫”，无论采用何种技术路线，智能驾驶辅助技术的落地对于消费者来说都是利好，用户只需要根据不同产品的表现，用手中的钞票投票，选择自己心仪的那一款就行了。
发布于 2022-11-22 14:50・IP 属地北京查看全文>>
王洪浩 - 111 个点赞 👍
对于智能驾驶来说是不是最终选择，目前还不能下定论，原因是如大家所知，智能驾驶的路其实还很长，还有很多corner case，很多问题需要去解决。
但从目前趋势来看，“重感知”的优势越来越受到大家的重视，越来越多玩家尝试将其推到量产，魏牌城市NOH就是其中最早的一批。
为啥过去大家没有太多提“重感知”这个路线呢？
这是随着行业的发展而逐渐变化的，经历了不同的阶段。
“低阶智能驾驶”解决的是有无的问题，工况比较简单，并不需要考虑太多
过去，甚至到当下，国内大部分的智能驾驶功能都是低阶的辅助驾驶系统，大多数是L1/L2的水平。根据艾瑞咨询的数据，当今年，大多数车搭载的都是L2以下，L2+往上的能量产的，少之又少。
对于只需要简单实现一些ACC、LCC的这些低阶的智驾功能，对感知能力的要求、对地图的要求也都不高，因此也并没有谁轻谁重的说法。
“高阶智能驾驶”解决体验好坏的问题，需要更多的资源
随着大家对智能驾驶有了更高的需求和探索，逐渐往更高阶的方向发展，就会进入到一个更复杂的之前没有人踏入的领域。也因此诞生了好几个方向的尝试，例如特斯拉的纯视觉方案，以及目前比较主流的融合感知方案。
大家最熟知的特斯拉，是一个剑走偏锋的路线——非常强调视觉感知
特斯拉非常倚重摄像头的视觉感知，依托不断进化的芯片硬件，以及不断累积的数据的深度学习。特斯拉依靠这种在硬件迭代和海量数据量的优势，在智能驾驶中独树一帜。
融合感知路线——目前主流车企所选择的一条路
国内新势力大多数是崛起于特斯拉已经建立了一定的先发优势的时期，同时特斯拉的智驾方案更适合于国外地广人稀的场景。而国内路况复杂，因此国内的大多数玩家一开始都投入到了高精度地图的这一大杀器上。
高精度地图的加入，能大大降低系统的复杂度，同时在早期算力、算法、硬件并没有很成熟的时候，也能在短期内做出领先一步而又适用于中国环境的效果。
融合感知路线下：小鹏是重地图；魏牌则是重感知（重感知的部分会在后文展开说）。以小鹏NGP的智能架构为例，在传感器上同样是使用了毫米波雷达、摄像头，同时也加入了高精度卫星定位、高精度惯性导航以及高精度地图。与普通导航地图相比，高精地图精度达到了厘米级，除了包括普通地图所有的元素之外，还会包含路灯、护栏、红绿灯等几十个甚至上百个要素的信息。因此小鹏在引入了高精度地图之后，在原来比较轻量的L2及以下的ADAS功能上，可以做出一些差异化的功能，如自动驶入驶出匝道、自动变道等。
小鹏的技术路线架构示意图 为什么大家现在又开始谈论“重感知”了？
“重地图“的这一做法，某种程度上可以说是“成也萧何，败也萧何”。
除去在信息安全，政策监管这一方面的因素，高精地图还有比较大的难题，那就是门槛高、更新频率要求高。
面临更为丰富的车道、复杂的路口信息，高精地图的采集需要极高的技术门槛和成本。同时，随着智能驾驶往L3及以上的更高阶发展，对高精地图的更新频率的要求就更高了，这是比较难解决的问题。
在这样的背景下，大家都开始投向了“重感知”的路线。尤其是现在AI芯片的算力越来高也越来越便宜，更多的智能传感器越来越成熟，大家也看到了逐渐尝试并量产的“重感知”的路线。
比如，8月底成都车展发布的魏牌摩卡DHT-PHEV激光雷达版就是此类代表，它搭载了“重感知”的城市NOH功能，宣告正式入局城市级智能辅助驾驶。甚至小鹏也在今年的10月24日科技日也透露出第二代XNGP上逐步转变为“重感知”路线，并预计于2023年上半年上车。
“重感知”与特斯拉的相比又有什么新的不同？
以发布信息最多的魏牌城市NOH为例，我觉得它与特斯拉最大的不同体现在硬件配置、算力、体验方面。
在硬件配置上，与特斯拉不同，魏牌城市NOH搭载了更多目前行业内领先的高性能感知硬件，有更强大的激光雷达的加入，形成激光雷达+毫米波雷达+超声波雷达+摄像头的超强感知模组的组合，数量上也达到了31个，比很多主流的辅助驾驶车型的要多。这样强大的传感器组合可以提供更强大的感知能力，可以支持更多更高级更智能的智驾功能。
这样四位一体高效协同的超强感知模组，配置覆盖角度更高，对于近处低矮障碍物的感知、防碰撞的效果更佳，同时170度FOV的覆盖也给城市NOH提供更多的功能支持，例如近距离切入，前向障碍物横穿等场景。不过度依赖高精地图，更能适应中国城市复杂多变的路况，安全冗余度更高。为户用提供更安全、可靠的智能驾驶体验。
在算力上，特斯拉采用的是14nm工艺72 TOPS AI算力的FSD芯片，魏牌城市NOH则搭载高通Snapdragon Ride平台下首发5nm高通骁龙8540+7nm高通骁龙9000方案，算力达到360 TOPS，并且后续可以升级到1440 TOPS，是目前全球算力最高的可量产自动驾驶计算平台之一。
在算法方面，区别于传统的基于循环神经网络RNN架构的序列算法，魏牌城市NOH搭载的是MANA自动驾驶数据智能体系，引入了Transformer模型，在底层融合视觉和激光雷达数据。这样既可以解决多相机之间的融合关联，又通过激光雷达有效提升了视觉检测的效果，实现空间、时间、传感器三位一体的深层次感知，解决了过去在城市路上遇到模糊标线的难题，让驾驶更安全可靠。
在国外相对简单的路况，纯视觉感知的方案达到了成本与体验的均衡，但当面对国内的复杂路况，这种方案就显得不够用了。在复杂交通环境下的体验差异，是“重感知”路线与特斯拉的最大区别。魏牌城市NOH不单依赖摄像头为主的视觉体系，还采用更先进的激光雷达+摄像头+毫米波雷达的感知体系，实现视觉体系与感知体系双重保障，这是一条更加冗余，更加注重安全的可靠路线。
从魏牌发布的内测视频上看，得益于在传感器配置、算力上的高配置以及自动驾驶数据智能体系加持，魏牌城市NOH可以做出更符合中国环境的体验。比如智能导航跟随、交通灯识别、城市路口通行、智能绕障、行人礼让、锥桶识别、车道加塞避让、城市智能变道等非常复杂的八大主要城市场景，魏牌城市NOH都能灵活应对。
魏牌城市NOH是目前中国城市场景覆盖率最高的城市辅助驾驶系统，不仅包含了中国城市道路的通勤场景，还包括城市开放道路、城市快速路、高速路等通勤道路。更重要的是，在安全冗余方面也下了很多功夫：遇到极端车流或者突发意外情况导致NOH无法应对的状况时，会提前给驾驶员提示。遇到无法避免的交通事故时，车辆会优先保证自身安全，然后进行其他策略调整，同时也会提醒用户进行接管，充分保证车主的行车安全。
从魏牌城市NOH公开的内测视频看，在保定全长17公里的道路中，行驶了40分钟，途经31个红绿灯，实现全程0接管。在很多中国环境的路况都能轻松应对，比如像加塞切入避让这些很复杂的场景，表现得像熟练老司机一般。而且视频中NOH会根据目标速度、路径等综合信息来判断该如何操作，不会猛然刹停，保证安全的前提下兼顾通行效率和舒适性。
“重感知”是不是智能驾驶第一梯队的最终选择？
从目前来看，行业趋势似乎很明显：
特斯拉的倚仗视觉的路线可能在中国环境行不通，无法提供符合中国环境的体验
过去像小鹏NGP等“重地图、轻感知“的路线，在往体验要求更高、更高阶的智能驾驶发展时，高精地图的更新频率、地图鲜度、政策监管等制约越来越明显，问题难度越来越大，成本越来越高
因此，“重感知”可能是当下最满足中国环境的辅助驾驶路线的方案，越来越多的玩家选择这条道路。比如，魏牌城市NOH是在中国覆盖城市最多的城市辅助驾驶系统，2022年底前将实现超过10座城市覆盖，未来也会突破100座城市；小鹏XNGP2023年也有开始铺量的计划。
这意味着，“重感知”是技术实力最强、实用性和落地性最快的方向。同时也意味着会有更多的用户能够更快体验到更好的智能驾驶辅助功能。
编辑于 2022-11-24 21:15・IP 属地广东查看全文>>
无往 - 107 个点赞 👍
题外：这个问题首先说明另外一个问题，智能化水平已经成为了汽车品牌竞争的核心，一方面，消费者很明白，芯片、摄像头、雷达、车机和软件，这些智能化的配置带来了大量的硬成本。另一方面，智能化体验，尤其是高阶智能驾驶辅助体验已经成为了汽车使用体验中差异化最显著的部分，自然而然，智能化水平在消费决策中所占的比重也越来越高。
那么回到问题本身，既然这个问题是针对魏牌NOH的技术线路，那么就必须知道还有哪些其他的技术线路以及这些线路所存在的优势和问题。
纯视觉线路：
采用这种技术路线的品牌只有一个——充满争议也不怕争议的特斯拉，马斯克这两年一直在反复强调特斯拉的高阶驾驶辅助将基于纯视觉系统，同时，他也在不断的将各种雷达——激光雷达、毫米波雷达和超声波雷达逐一的从驾驶辅助系统的感知元件里去掉。在不久的将来，特斯拉将完全依赖摄像头所采集的画面支持自动驾驶系统。
以高清地图为核心的“重地图，轻感知”技术路线：
该路线是目前的主流路线，深受蔚小理等新势力的青睐，以智能辅助第一梯队的小鹏为例：小鹏的品牌定位就是智能化，高阶驾驶辅助一直被作为一个巨大的卖点，XPILOT系统就是利用高德的高清地图实现NGP，另外小鹏还曾花费2.5亿购买有测绘资质的智途科技。可以说小鹏目前的高阶智能驾驶辅助都非常依赖高清地图。但有意思的是在1024科技节之后，小鹏的技术线路开始发生转变，它的新一代感知架构开始采用重感知轻地图的策略，采用利用多种传感元件构建实视高清地图的思路来实现驾驶辅助，但是具体的成果需要在明年才和公众见面。
来说说这两个种技术线路的优劣，纯视觉系统显而易见的好处显然是低成本，这也非常符合马斯克极致成本管理的造车思路，用最少的硬件是实现足够的功能性在制造业是很有吸引力的，但是纯视觉系统的弱点显而易见，至少到目前为止特斯拉都没有明确说明纯视觉自动驾驶系统如何稳定地应对低能见度驾驶环境以及视觉可穿透性障碍物（比如玻璃）以及一些纯色的障碍物（比如可能有些反光的白墙）。
依靠高清地图的技术线路好处就是发展迭代速度很快，可以在相对短的时间里做出相对成熟的高阶驾驶辅助系统。但这种技术线路存在着显著的瓶颈和风险，首先高清地图本身是一个投资极大，并且维护成本极高的东西，这就意味着采用这种技术路线你就必须是资本玩家。抛开钱，高清地图还是绘制资质的问题，地图的绘制在全世界任何国家都是一个相对敏感的事情，在中国更是管制严格，很多企业无法获得测绘资质。
另外一些敏感区域也无法进行高清地图测绘，这对地图的完整性带来了很大的限制。最后可能也是最要命的问题就是地图的更新速度恐怕永远也赶不上实际情况，目前最头部的地图供应商也只能做到每一个季度更新一次。但在实际驾驶中，同一条路线随时都可能碰到管制，修理或者任何原因造成的改道和封闭。所以“重地图”的策略就容易太多条件不允许驾驶者使用高阶驾驶辅助的情况，而这通常都是消费者抱怨的核心。
而面对这些不太好解决的难题时，魏牌的“重感知”路线就成了一条明确的出路。魏牌的这套城市NOH系统的硬件配置拉的很满，其首搭车型摩卡DHT-PHEV激光雷达版配备2颗125线激光雷达、5颗毫米波雷达、12颗超声波雷达、12颗摄像头，组成31个感知元件矩阵。同时，为了让“重感知”智能驾驶系统做出更准确的判断和更加细腻的操作，魏牌和毫未智行打造了中国首个自动驾驶数据智能体系MANA。MANA赋能让魏牌城市辅助驾驶系统感知更准确，认知决策更像人类，标注、仿真验证更高效。对于消费者而言，这套系统的具体架构和那些复杂的专有名词其实并不太重要的，重要的是这套架构使用了业内最领先的模型算法，（和特斯拉相同），这套算法采用了注意力机制，能融合视觉和激光雷达数据，实现空间、时间、传感器三位一体的感知，这是确保自动驾驶技术水平处于第一梯队的关键之处。
和这些有些枯燥的技术逻辑相比，其实对消费者来说更直观也更有意义的也许是魏牌城市NOH非常接地气的功能设置，比如“八大经典城市场景”，这就是充分的理解了现实交通环境中那些最让人抓狂的场景。比如“车辆加塞避让”和“智能绕障”，前者对应的是如何应对其他人的不文明甚至不合法的驾驶行为，后者应对的则是每个人随时随地都可能碰到的突发性无序交通。
前不久魏牌副总经理乔心昱在微博里发了一段测试视频，用一镜到底的方式演示了一下魏牌市NOH系统的实际表现:
视频显示这套自动驾驶系统很好的应对了道路维修施工、车道变多、车道变少、没有车道标线等非常常见的城市路况，驾驶员全程都没有接管，可以说这样的应用水平目前绝对是第一梯队的表现。另外老司机们应该还能注意到，魏牌城市NOH系统在应对这些情况的时候表现非常顺滑，做出应对的时机都挑的很准，操作合理，具备老司机们特有的顺滑和稳健。
除了保定的测试外，目前魏牌还邀请了媒体在北京对这套系统进行测试。北京和保定的双城测试应该说还只是一个开始，随后这套城市NOH系统会落地更多城市，这就是不过度依赖高精地图的好处：能够更快落地。相信到时候就会有更多人可以切身体会到它的好处了。
综上，就目前的现状而言，“重感知”的确是头部企业继续发展智能驾驶系统最合适的技术线路，而魏牌城市NOH技术毫无疑问已经达到了行业第一梯队水平。当然我必须强调这是基于目前的技术水平和发展现状所做出的判断，其他的技术线路并不是死路。但高阶驾驶辅助的意义从来都不是用多少实验来证明自动驾驶能行，或者甚至可以比人更好，而是在实际的驾驶中给驾驶者带来切实的帮助，让他们通过智能驾驶获得更好、更便捷、更安全的驾驶体验。
智能化只有管用和好用才是有意义的智能化。
编辑于 2022-11-21 21:02・IP 属地上海查看全文>>
晓路考苏晓 - 107 个点赞 👍
题外：这个问题首先说明另外一个问题，智能化水平已经成为了汽车品牌竞争的核心，一方面，消费者很明白，芯片、摄像头、雷达、车机和软件，这些智能化的配置带来了大量的硬成本。另一方面，智能化体验，尤其是高阶智能驾驶辅助体验已经成为了汽车使用体验中差异化最显著的部分，自然而然，智能化水平在消费决策中所占的比重也越来越高。
那么回到问题本身，既然这个问题是针对魏牌NOH的技术线路，那么就必须知道还有哪些其他的技术线路以及这些线路所存在的优势和问题。
纯视觉线路：
采用这种技术路线的品牌只有一个——充满争议也不怕争议的特斯拉，马斯克这两年一直在反复强调特斯拉的高阶驾驶辅助将基于纯视觉系统，同时，他也在不断的将各种雷达——激光雷达、毫米波雷达和超声波雷达逐一的从驾驶辅助系统的感知元件里去掉。在不久的将来，特斯拉将完全依赖摄像头所采集的画面支持自动驾驶系统。
