切换城市:北京
更多应用 |
官方:微博/微信
| 车展 | 专题 | 车商通 | 商用车

凤凰网汽车

凤凰网汽车>全媒体>正文

特斯拉狠批糟糕主意!这配置曾是中国骄傲 如今成弃子?

2023年07月16日 16:04:01
分享到:
来源:玩车教授

去高精地图化,是个伪命题吗?

近来随着小鹏G6的推出,特别是新车搭载了目前行业唯一量产且具备全场景智驾能力的XNGP,其中XNGP主张的“无图”能力尤其备受关注。

再者,日前理想表示推出首个无图城市NOA,再给“去高精地图化”的话题带来了不少热度。

高精地图,车企们真的都这么嫌弃吗?

高精地图不是一个令人讨喜的东西。

马斯克在2019年的时候就说过,高精地图是一个非常糟糕的主意,因为它无法适应任何变化。

而不久前余承东亦指出,高精地图成本非常高,要想覆盖全国不可能,同时仅采集上海市的高精地图就耗时了一两年,并且还没做到完全覆盖。

余承东还说到出于国家安全考虑,几个月才允许刷新一次高精地图,但是国内的道路天天在改,因此无法广泛推广依赖高精地图的做法。

大佬们的抱怨并非空穴来风。

根据《智能网联汽车高精地图白皮书》显示,分米级地图的测绘效率约为每天每车500公里道路,成本达每公里10元左右,而厘米级地图相关指标更是每天每车100公里道路,成本则飙升到每公里千元上下。

至于车企方面,报道指车企需要支付给图商授权费或者服务费,费用约为每年每车1000元左右。

不难看出,高精地图自带着“成本贵”“鲜度不足”的两大使用痛点,难怪各家车企都要主张“无图化”。

尽管车企常在公开场合炮轰高精地图的弊端,但实际上现时仍没有一家车企可以完全脱离到高精地图的辅助。

其中目前不少车企的城市领航功能在驶出高精地图区域以后,系统会采取降级为LCC或需要驾驶员接管,这很大程度是因为出现了地图数据的断层,因而无法继续作出领航策略。

留意现时车企高管的说辞,像余承东就提到“华为现阶段NCA智驾功能还依赖高精地图,但已在开发不依赖高精地图的版本,并已投入测试”。

其中“不依赖高精地图”不等于是“不使用高精地图”,各位切勿将此混为一谈。

不久前四维图新地图中心总经理李翔直言,L3级以上智驾肯定需要高精度地图,这基本上是业内共识。

从某种程度来说,高精地图可以说是L3级智驾的“王牌辅助”,其中蔚来自动驾驶产品体验负责人Harry Wong就把高精地图定义为“智能驾驶增强数据地图” ,如此定位可谓贴合其实际作用。

那么在保持使用高精地图的路线之上,现阶段各方就其中的痛点准备了哪些解决方案呢?

关于高精地图的使用痛点和难点,离不开“高精”这两字,那么为了向成本及便利程度妥协,适当放低对高精度的要求是在所难免。

事实上此前高德地图汽车业务中心总经理江睿同样说到,高精地图需要解决的是全局性问题,需要知道5公里之外发生了什么事情,从而留足距离和时间来做更好的路径决策。

因此江睿认为,市场并非不需要地图,而是需要一张更轻的活地图,其中如何做到“更轻”这点尤其关键。

按照现时的地图能力递进等级划分,基本分为了导航地图、标准高精地图和高精地图这三级,其中处于中间点的“标准高精地图”有望成为行业主流方案。

对此,高德就表示正在打磨SD标准高精地图和HD高精地图的两个方案。

其中较之HD要求达到10厘米的相对精度标准来看,SD的对应指标则仅是10米级别,因而在更多采用SD方案以后,这也有助于图商更好提升制图速度。

与此同时,相比于过去需要基于专业激光采集车来制作高精地图,标准高精地图则可以更多依靠部署在物流车、调度车身上的众源发现设备来完成采集,以确保地图达到日更的鲜度。

在图商努力确保鲜度的同时,相较于过去可能长达半年的高精地图审核周期,今年政策已作出了放宽要求,据悉如果地图内容没有涉及敏感信息,可以用半自动/自动审查来提高效率。

据四维图新表示,它希望在优化审核流程以后,能够将审核时间压缩到1天。

一边是图商和政策相关部门都在积极解决高精地位的难点,另一边的车企也没有停下步伐,后者一直强调“重感知、轻地图”的技术路线,务求能尽早摆脱对高精地图的依赖。

对此,现时各大车企已纷纷效仿特斯拉一样加入BEV+transformer的算法架构,以更好应对一两百米以内的近场感知问题。

关于BEV+transformer的大模型算法架构,这很大程度要求系统能完成端到端的操作运行,也就是基于系统的自学习、自训练模式下,能够根据即时输入数据来作出准确反馈,而不是像以前只局限于工程师设定下的人为规则。

在此其中,数据量积累及芯片算力成为了决定智驾体验进化的胜负手。

关于算力这点不难解决,现时各家已经用上了算力得到突破的英伟达Orin芯片。

至于数据量积累,则要视乎各家的销量、测试车数量、智驾用户占比等因素。

而落实到用户层面,在什么场景下可以做到积累数据之余,又能对系统实现反复自学习、自训练呢?

答案是用户日常最高频的用车场景——“通勤模式”,车辆历史轨迹数据丰盛的上下班路线自然成为了率先能摆脱高精地图、实现无图化运行的不二之选。

据此前理想透露,用户要想训练好通勤路线或其它自定义路线的领航功能,过程只需大约两三周左右时间。

此外理想也说到,当有一天某个城市的通勤模式用户使用密度达到足够大以后,该城市的无图化城市领航自然也就能够打通了。

简单来说,得益于“通勤模式”的加入,局部小范围的无图化城市领航智驾已近在咫尺,但要想完全实现城市级别范围的无图化,这可能还不是一两年内能落地的事情。

但不管怎样,我们已经在加速往着完整体的无图化方向前进了。

过去受限于智驾的发展能力,车企只能更多将宣传重点放在高速场景,然而随着今年各大头部车企提出落地城市领航功能,并且还计划从通勤模式这样一个刚需场景来切入,可以预见今明两年将是全社会开始步入L3级智驾的历史阶段。

当智能汽车不再只聚焦于“座舱iPad”的时候,我们也走到了一个检验汽车市场究竟对智驾需求有多大的关键节点。

这会迎来新一轮的市场刺激吗?我们拭目以待。

  • 凤凰网汽车公众号

    搜索:autoifeng

  •  官方微博

    @ 凤凰网汽车

  •  报价小程序

    搜索:风车价

网友评论
0人点赞
|
评论0
加载中...

大家都在看

趣图推荐