闹市区识别红绿灯，还能自主变道！这是长城最新的智能车

新闻 2022-09-13 思邈

437 0

月底上市交付

贾浩楠发自副驾寺

智能车参考 | 公众号 AI4Auto

闹市区复杂路况，车子“自己动”。

城市开放道路上的高阶智能驾驶功能，9月底马上上市交付。

来自长城汽车魏牌摩卡DHT-PHEV，激光雷达版。

能够实现城市开放道路上的领航辅助，自主识别红绿灯、路口转向、进出环岛匝道、自动变道等等。

之前我们听到最多的，可能是尚未上线的小鹏汽车城市NGP。

但从摩卡激光雷达版的量产进度来看，不但是长城第一款城市内智能驾驶汽车，也很有可能是国内第一款。

体验如何？值得一买嘛？

城市开放路况智驾体验如何？

摩卡激光雷达版上搭载的智能驾驶系统，来自长城旗下的自动驾驶公司毫末智行。

这套系统叫做NOH，其实之前的版本已经在长城旗下多款车型上量产，而且已经实装到高速场景下的领航辅助功能。

最新版本的城市NOH上线，意味着什么？

这辆激光雷达版的摩卡，高速、城市、泊车等等场景都能使用智能驾驶。

从停车场到停车场，从P档到P档，你的角色职责从驾驶员变成了安全员，理论上可以大大减轻驾驶负担。

实际效果呢？

来看一些典型场景。

红绿灯识别

红绿灯识别的难度在于不同地区交通标示标准不一，这需要后台有一个尽可能完备的数据库供系统学习。

去每一个路口采集数据样本当然不现实，毫末采取的方法是通过图像合成和迁移学习，加快技术的迭代。

有了足够的数据训练，就可以对路面上不同形式的红绿灯识别。

比如，在大路口场景中，红绿灯离车辆距离很远，在图像数据上目标更小更难以识别：

这样的场景从感知到决策，全方位的要求都很高。

避让其他目标

除了能准确识别车道线，并根据导航选择合适路径，NOH还会动态避让其他加塞的车辆和行人，保障安全：

对于加塞的车辆或行人，NOH会根据目标速度、路径综合判断刹车、方向调整程度，不会猛然刹停，保证安全的前提下兼顾通行效率。

而且NOH对于避让行人的原则贯彻到位，即使通过无人的路口或斑马线，也会提前减速。

无保护转弯

无保护左右转，如今并不是一个难度极高的项目。不过毫末NOH表现的亮眼之处在于能处理多车道交互的复杂路口，包括正确识别交通灯和待转区。

这样的路口难度在于尺寸较大，首先是系统需要感知识别的范围更广，目标的数量和类型更多；相应的，其他目标出现违规行为的可能性也更高。

进出环岛

环岛对于自动驾驶系统来说一直是一个巨大的挑战。其中既有较为复杂的规则，还要根据导航路线择机干净利落地切入切出。

对于感知系统来说，准确识别车道线，还包括能分清楚环路的边界，之前特斯拉FSD测试时，常发生冲上中央路基的情况。

毫末NOH除了准确感知、识别环路，并根据导航选择合适路线。而且面对环岛中其他车辆短时间内数次变道的行为，也能准确识别和合理避让。

这一点的难度其实比平直路面大得多，因为连续大曲率的弯道，对于车辆的速度、转向精度要求更高。

复杂场景挑战：路口碰上违规车，怎么办？

城市场景难，其实不在复杂的车道线和交规，而是难在随时可能发生的不可预知的场景。

这些场景也是考验一个城市领航辅助系统是不是老司机的试金石。

车辆本来正常直行通过一个十字路口，结果垂直车道一辆左转汽车先是闯红灯抢行，使得NOH紧急停车避让。

左转绿灯亮了以后，这辆车却停在超出待转区的十字路口中央不动了…而此时我们直行的绿灯已经转红。

紧急避让保证安全后，NOH用几秒时间确认抢行车停止不动，然后系统并没有受到直行绿灯转红的影响而停在路中间，确认安全后尽快通过路口：

换成人类司机，这其实也是唯一合理且安全的处理方式。

其他重要细节

保证安全可靠是任何智能辅助驾驶系统必修的课题。

但要谈及量产，乘坐的体感和舒适性也不能忽略。

刹车加速是否顺滑、避让障碍物是否“从容”等等细节考验的除了算法，更多的是工程化能力。

通俗的讲，就是系统像不像老司机，你用起来安不安心。

NOH在这方面也展现出了一些有趣的细节。

其中之一是车辆通过没有隔离带的路段：
可以明显看到，NOH有一个主动减速的动作，一旦左侧“鬼探头”，系统有更充足的反应时间。

这也说明NOH对环境识别精准度很高，不但看到路况，也理解路况背后代表的含义。

另一个是车辆通过信号的隧道：

什么样的车？

摩卡其实已经推出了纯燃油版和插电混动版，轴距2915mm，尺寸4875mm/1960mm/1690mm，中大型SUV定位。

具体配置市场和用户已经十分熟悉，搭载城市NOH功能的摩卡，基础是插电混动版，基本配置和外形尺寸上和之前版本完全相同。

最大的变化，是车头两侧的两颗固态激光雷达。

来自速腾聚创，波长905nm、视场角120°*25°；角分辨率非均匀，水平和垂直均为平均0.2度，等效于125线。

激光雷达版摩卡还搭载了来自高通的自动驾驶芯片SnapDragon Ride，算力360TOPS，超越目前主流的英伟达Orin。

另外，激光雷达版摩卡的感知元件还包括：

5颗毫米波雷达、12颗超声波雷达、4颗环视摄像头、4颗侧视摄像头、4颗8000万像素的感知摄像头。

可以看出，激光雷达版摩卡无论在传感器数量还是能力参数上，都比市面普遍方案高一截。

为什么选择这样的方案？

其实这是毫末智行选择的轻地图重感知自动驾驶路线。

什么样的技术路线？

高精地图固然能给系统提供更加详实的决策信息，但也有弊端。

比如国内基建更新频率快，高精地图的信息采集往往有延迟，而且高精地图的资质也面临较长的监管审批周期。

摩卡激光雷达版的NOH重感知路线，表面看是用算法补地图，但这其实是更贴近“自动驾驶第一性原理”的路线。

不论是渐进式路线还是跨越式路线，自动驾驶的底层逻辑是不变的，即依靠AI在行驶过程中进行视觉识别和判断决策。

正如人类主要通过视觉感知世界、实现人工驾驶一样，汽车也应该依靠鲁棒性更强的视觉进行感知和判断，实现自动驾驶。

人类通过不断的观察、学习、模仿与实践，逐步实现由“新手司机”向“老司机”的蜕变，汽车也可以通过大规模真实与仿真道路数据的学习和训练，不断迭代升级辅助驾驶的算法能力，逐步升级到自动驾驶。

在这一过程中，算力、算法与感知硬件的进步为辅助，能够为自动驾驶的到来提供加速。

但其核心依旧是数据，数据才是建立并推动自动驾驶进化的真正基石。

具体到摩卡上搭载的NOH，和背后的毫末智行上，数据能力的体现，首先是长城汽车年销百万的量产优势，以及毫末智行建立的包含感知、决策、标注、训练等等环节在内的数据智能体系MANA。

MANA不是一个软件，而是一个技术体系，其中包含众多子模块，它们一同构成了毫末智行的数据驱动能力，也是解释毫末业务飞速进展的关键：

BASE包括了数据的获取，传输，存储，计算，以及新的数据分析和数据服务。
TARS是核心算法原型，用于感知、认知、车端建图、和验证的实践。
LUCAS则是对算法在应用场景上的实践，包括高性能计算、诊断、验证、转化等核心能力。
VENUS是数据可视化化系统，包括软件和算法的执行情况，对场景的还原，以及数据洞察等能力。

毫末智行之前，业内没有过这样的速度：

最快的规模化数据闭环、最快的自动驾驶创业公司营收增幅、最快的量产自动驾驶方案上车交付，以及最快实现城市道路智能驾驶，打破新势力们引以为豪的垄断。

而毫末则把自动驾驶的发展分成这样几个阶段：

1.0时代，硬件驱动为主，规模历程在100万公里左右，主要感知方式是激光雷达，认知则依赖人工规则。
2.0时代，软件驱动开始发挥作用，规模可以累积到1亿公里，感知开始融合，但依然是不同传感器单独输出的结果，认知方面依然人工规则占主导，开始用小规模小数据实现更好的预测和规划。
3.0时代，数据驱动为核心，硬件和软件在这里实现了大一统，感知也实现了多模态传感器联合输出的大一统，认知上可以实现依靠大模型大数据拥有可解释的场景化驾驶常识，能够驱动1亿公里以上的数据迭代。

摩卡激光雷达版的量产，从技术立场上看，毫末智行，和背后的长城汽车已经处于2.0时代。

而随着NOH年底搭载至长城30多款车的进度，会以更快的速度迈向第三阶段。

所以，摩卡激光雷达版量产NOH，其实给出了衡量中国自动驾驶量产的一个新尺度：

数据。

而在这个尺度上，其实并没有新旧势力之分，谁能高效低成本获取利用数据，谁就能走到自动驾驶终局。