" 當前路段高精地圖受限，系統降級爲 LKA 模式。"
這是我們年初在測試某款車高速 NOA 功能時，常常碰到的現象。
一方面，我們能看出高精地圖對當時的 NOA 功能正常運行有着核心作用，另一方面，高精地圖的缺失也影響着 NOA 功能的降級或接管次數。
當各家車企在智駕領域的探索走到了城市 NCA 的路口，風向卻轉向了 " 去高精地圖 "，大家陸陸續續宣布進入 " 無圖時代 "。
問題來了：
面向更難的路況，爲什麽反而減配？
離開曾經的 " 必需品 "，現在的無圖智駕是怎麽實現的？
到底是有圖好還是無圖好？
這得先從高精地圖上車講起。
一、車載高精地圖，出道即巅峰
2018 年 6 月的亞洲 CES 上，凱迪拉克正式在中國發布 Super Cruise TM 超級智能駕駛系統，首搭于凱迪拉克 CT6 40T 鉑金版上。
如果有人看過這台車的宣傳廣告，那大概會對廣告主題 " 放手去做 " 還有印象，這在當時是一個非常激進的描述。
截取廣告畫面：行車中脫手方向盤
雖然不是真正意義上的可脫手智駕，但由于高精地圖的加入，車輛可以識别出車道線并沿線行駛，某段路程在某種條件下确實可以不人爲幹預。這套智駕方案就是全球首個高精地圖數據應用方案。
發布在中國的原因包括其合作夥伴是國内首批鑽研高精地圖的企業——高德。
高德從 2014 年就開始研究高精地圖，和我們日常使用的導航地圖不同，高精地圖的技術壁壘更大，它具有精度高、信息元素豐富等特點。
在高精地圖的加持下，車輛可以提前接收到前方路段的車道線、交通标志、護欄、下水道口甚至是車道的坡度、曲率等信息。
最關鍵的是，高精地圖有準确的坐标。舉個例子，大家使用普通導航時經常到達目的地附近時系統就結束服務，然而高精地圖作爲領航輔助功能的有力推手，可以精準到亞米級（1 米以下分辨率，甚至是毫米），對匝道口這樣稍有偏頗就彙入失敗的路口也能拿捏并精準駛入。
這樣精細的地圖采集起來自然也是相當困難，主流采集方式有移動測繪車采集、無人機航測和 1:500 地形圖測繪，這幾種方法的難點和周期不同。
國内主流圖商基本都采用移動測繪車采集：搭載了激光雷達、攝像頭、RTK 測量儀等設備的工作車親力親爲，來到目标路段記錄下這裏的每一個信息再後期集成，這無法走捷徑，且人力、物力（一台采集車成本就上百萬）的成本極大，所以高精地圖也是出了名的 " 貴 "。
工作車
根據《智能網聯汽車高精地圖白皮書》顯示，分米級地圖的測繪效率約爲每天每車 500 公裏道路，成本爲每公裏 10 元左右，而厘米級地圖約爲每天每車 100 公裏道路，成本爲每公裏千元上下。
除了貴以外，高精地圖還有個問題就是鮮度。更新慢導緻了 NOA 功能實際體驗時會出現一些問題，例如原本的虛線後來被刷爲實線，未更新的高精地圖就會帶着系統 " 實線變道 "，包括臨時施工路段也在它應對能力外。
但無論如何，高精地圖給出的先驗信息對智能車來說無疑是考試前的提前洩題，對車輛的規控決策起着積極作用。
在施工路段這一場景的弱勢，車輛也可以利用實時感知硬件與算法補充，例如阿維塔 11 就可以識别樁桶成功避障。
個人認爲，高精地圖的部分缺陷完全不會影響它的 " 百般好處 "，至于 " 貴 " 這個問題，也沒影響衆多企業對它趨之若鹜，例如小鵬汽車在 2021 年斥巨資 2.5 億收購智途科技試圖自主掌握高精地圖技術。
然而高精地圖的門檻不是願意砸錢就能進，還得拿到國家頒發的 " 導航電子地圖制作甲級資質 "。
資質本來就挺難拿，滴滴事件後政策再次收緊，目前全國僅 19 家通過審核，小鵬旗下的智途科技不在其中。
這意味着，想用高精地圖推進 NOA 功能的實現，就得和有一定壟斷地位的地圖商合作，交上一大筆錢，堪稱氪金作戰。
這個狀态一直到去年都還維持的不錯，高速 NOA 的普及将高精地圖推上風口，高精地圖爲高速 NOA 注入強大能量。
從背後的進程來看，一方面政策允許，另一方面高速路況相對簡單，2022 年全國高速路段裏程爲 17.1 公裏，這個裏長的成本還算可控。然而随着城市 NCA 的推進，一些 " 去圖 " 的聲音愈加響亮起來。
二、去圖
目前我國綜合交通運輸網絡總裏程超 600 萬公裏，城市道路裏程超高速路段幾十倍，這意味着使用高精地圖的成本至少翻了幾十番；同時城市路段的複雜程度也遠超高速路段，單是一條街兩旁的商鋪、環境設施就夠好一頓操作；另外城市變更的頻率更快，對鮮度要求更高。
綜合來看，如果城市 NCA 想倚仗高精地圖，就得接受極高的成本和緩慢的交付速度，前文中提到的政策也是一座大山。
2022 年 8 月，自然資源部公布了北京、上海、廣州、深圳、杭州、重慶六個城市開展智能網聯汽車高精度地圖應用試點。目前爲止，未繼續開放。如若依賴高精地圖，何時能開通全國城市 NCA 則極其被動。
于是，一大波 " 無圖智駕 " 走上舞台中心。
三、攻克無圖
兩個視力正常的人，在同一環境下吸收到的信息量不同，這就是 " 硬件 " 能力在發揮上的差距。所以沒有了高精地圖這位 " 提前指點的大師 "，各家車企想做好無圖智駕，就要先在即時感知能力方面下功夫。
用感知硬件去抓取車道線、紅綠燈等規則靜止信息對合格的智駕玩家來說并不難，難的是實時與其他道路參與者博弈，例如行人、車輛以及其他障礙物。
以業内頂流華爲 ADS 爲例，在感知層面華爲 ADS 首創了 GOD（通用障礙物檢測）網絡，并融入到 AEB 功能。
傳統的 AEB 實現方式爲提前在系統中設入障礙物信息，通過對道路上可能出現的物體進行大量 AI 網絡訓練，使車輛能夠識别并判斷障礙物類型，接下來觸發避讓指令。
相應的問題則是現實中的障礙物類别遠超系統中的障礙物名單數量，所以路遇系統沒錄入過的障礙物，AEB 就也不會了。
即使是錄入過的障礙物，如果以奇怪的角度呈現，那 AEB 可能也反應不過來，我們此前做 AEB 測試時，同一台車同一速度面對正放的靜止車和斜 45 度的靜止車都會表現出差異。
同時，由于需要判斷出類别才能觸發指令，相應的決策時間也會拉長。
而融入了 GOD 算法的 "GAEB" 則采取了 " 快刀斬亂麻 " 的戰術。
相較于傳統 AEB 是在視野中将物體一個個框起來再檢測的方式，GAEB 直接将視野中的畫面全納爲偵測範圍，将這個範圍劃分成小格。
再掃描這個格子範圍内是否被物體占據，移動或是靜止。所有格子确認完信息後，系統直接避讓有障礙物信息的 " 被占據格子區域 "，劃分出能正常通行的 " 空閑格子區域 "。
這樣的好處就是不受錄入信息量的限制，能應對更多障礙物場景，也許沒識别出來障礙物是什麽，但是發現這玩意兒擋路了，得避開，聽起來非常 " 人性化 "。
實際反應也更快，畢竟看見障礙物就躲開，比起看見障礙物非要倔犟地認出是什麽，沒認出來就不踩刹車，顯然前者更聰明。
在 GAEB 技術的加持下，華爲 ADS 面對倒地的大樹、落石以及車門大敞的靜止車等其不規則障礙物，都可以實現刹停避讓。
這套感應系統使用到的硬件包括激光雷達、毫米波雷達和視覺數據多傳感器，激光雷達在其中起到了很大作用，實現多模态融合、抗日光燈光、精準識别距離。
在了解道路信息的基礎上，又有精準識别障礙物的能力，能開、能變的前提條件已經達成，就需要訓練即時決策能力。
在有高精地圖的情況下，哪裏是實線、哪裏是虛線都早已标注好，沒了高精地圖就得傳感器實時一邊看車道線一邊觀測周邊來車，還得記着路線。
舉個例子，離右轉路口還有不少距離時是犧牲通勤效率先變至慢車道方便後續右轉還是臨近時再右轉？要是錯過了虛線區又有變道需求，到底是實線變道還是錯過路口，這都需要 " 汽車大腦 " 給出自己的判斷。
每日通行，也可稱得上失之毫厘差以千裏，如果請教老司機駕駛技術，他除了傳授一些規矩經驗以外，可能還會用 " 感覺…的時候就… " 來表達，機器也是一樣，決策無法按公式框架輸出。
華爲 ADS 的方式就是通過自動駕駛開發平台大量進行仿真測試，給車輛更多的應對經驗，學習 " 不能做什麽 "，比如某種數據推動下測試結果爲碰撞，那麽實際路況時就摒棄該方案，有些像我們玩電子遊戲的過程。
同時想出衆多方案并選擇一種最好的，面對欲加塞車輛時點刹避讓還是加速跟進前車拒絕加塞。
當然，方案要好還要快。由于去圖，臨時信息讓規控和決策的時間更加緊張，經驗數據、硬件能力、軟件邏輯缺一不可。" 閉卷考試 " 下，技術水平更能見真章。
最後
其實大家不難發現，從功能實現上來說，高精地圖對智駕一定是有大利的，先驗信息簡化了功能開發，彌補了感知能力，爲規控提供了支撐。
而無圖智駕則是氪金玩家們不再氪金，轉爲純技術戰士，降成本，也擺脫了供應商和政策的限制。
但如果有一份現成的高精地圖擺在車企面前，大概率對方也很難拒絕。
同樣步入無圖時代的小鵬汽車對高精地圖就是 " 愛而不得 " 的态度。
今年 3 月，首次當選新一屆全國人大代表的小鵬汽車董事長何小鵬在兩會上就提出建議：進一步優化、簡化高精地圖審核流程，縮短高精度地圖從采集到使用的周期，加快高精地圖基礎設施進程，爲我國自動駕駛行業發展保駕護航。
聽起來有些官方，但其實也很好理解何小鵬對于高精度地圖的認可。畢竟一旦降本、政策放開，再以感知能力補足，高精地圖還有什麽缺點呢？
但由于各種複雜元素，高精地圖仍是奢侈品。智駕的未來似乎也掌握在采取人類般臨時反應思維的方案商手中。
總之，無圖的興起給了智駕領域玩家新一輪超車的機會，普及速度、功能體驗和價格下探将掀起新一輪的市場大洗牌。
✦
END
