长城也用无图NOA,复杂路口能通过,但市区为何不敢超车?

来源:易车网2024-03-28 00:53    阅读量:19504   

距离上次,长城汽车毫末城市NOA的发布,过去22个月之后,长城汽车最近的一次内部发布会上,泄露了无图NOA功能的测试视频。 同时,长城汽车首席技术官王远力也在微博上官宣了城市NOA的功能,并且公布了发布会上的视频。

新能源汽车的下半场,拼的就是智能化水平。在接下来的市场竞争中,智能驾驶将会成为车企之间竞争的一个比较主要的分支,做好这一环,重要性不亚于做好三电系统。长城汽车虽然现在还没正式公布,但已经有无图NOA智能驾驶的测试视频泄露出来,第一款应用的车很可能是魏牌蓝山,北京车展可能会亮相。

现阶段,包括小鹏、华为、蔚来等车企,都开始更专注的去做无图NOA的智能驾驶功能,之后像长城汽车的加入,其实并不足为奇。但让人感到好奇的,更应该是长城汽车如何做好的无图NOA,又能实现怎样的功能。

另外,最核心的一个点,长城汽车的无图NOA能力,能否排到智能驾驶领域的前排?

长城无图NOA,实现了什么?

先把供应商这事聊明白,很大概率启用了新的供应商来实现的无图NOA能力,暂时是没有使用毫末智行的整套系统方案,做排除法的话,除了华为和百度之外,最有可能的是大疆的城区NOA功能,是有激光雷达的方案,纯是为了抢2024年的智能驾驶风口。

从视频中看得出来,的确是真无图方案,能看到雷达扫描后的建模生成。硬件层面,长城是重感知方案的,所以大概率不会用纯视觉方案,应该会拥有至少一颗激光雷达;芯片平台,成熟的Orin-X芯片(可能是双芯片配置,508TOPS算力),是首选。这套硬件的组合,是目前比较流行的配置。

具体功能的实现逻辑,还是熟悉的BEV感知+ Transformer技术架构的深层学习能力。简言之,靠激光雷达+摄像头以及其他雷达组合,来实现路况的信息收集,形成2D和3D的感知;通过这些感知数据,再结合大模型的数据处理,最后给出正确的判断和决策,从而实现了无图NOA的功能。

然后,从泄露出来的有限的测试视频中,我们大概看到了几个功能。

首先,第一个核心是在六道口的十字路口,完成多个路口情况下的判断,而且完成左转同行的功能;第二个场景,是在城区中的复杂路段,周边有行人、电动车、占道车辆的情况下,可以准确识并且绕行通过;第三个场景,是在狭窄道路且无标识路段,完成左右转弯;第四个场景,做好了应对冰雪路面的工况。

聊聊对以上功能的一些看法。

第一个功能,六道口的十字路口能够准确的判断行驶路线的能力,说明了它的感知硬件和软件算法默契程度很好,而且深度学习能力已经沉淀了一段时间才可以解决好复杂路口的通行能力。尤其是在无图的条件下,由于没有高精地图,是无法根据导航信息判断,哪条车道行驶过去式逆行的状态,所以在无图的情况下能解决好复杂路口工况下的NOA功能,这一点值得肯定。

但还是要留个疑问,这种能力,是否在每一个复杂路口都能好用,例如车道线不清晰、无信号灯路口等情况下。

之后的两个功能,一个是城区复杂路段、另一个是狭窄路段且无标识。这两个功能通过视频中的测试表现来看,长城汽车的无图NOA调的相对保守。首先,在第一个工况下,复杂闹市区,车辆行驶速度非常低,而且在前方有电动车的情况下没有选择超车,而是低速跟随。第二个工况下,低速跟随依旧是首选。

如果真实推送之后,能保持这种使用效果,也还算及格的水平,毕竟第一次尝试,保守的调校风格是可以接受的。

值得肯定的一个点,在应对乡村、农村有类似于集市的复杂路口情况下的处理能力很好,这里应该是吃了高算力的红利。

技术水平,符合第一梯队标准?

综合以上硬件使用情况,以及功能实现情况来看,甚至已经基本拥有了不错的城市NOA能力。硬件水平和大体实现的功能来说,表现不错,虽然城市NOA整体调的偏保守,但看的出大模型的学习能力不错,至少肯定不是初期的效果。

那么,是否符合主流水平?

参考现阶段比较主流的华为ADS 2.0的城区NCA功能,它整体大面的功能成熟度比较高,像城区复杂路况、郊区窄道行驶以及复杂路口的这些功能都有,也是用的BEV感知+ Transformer技术架构深层学习能力来实现的。

说实话,2024年想要做一套成熟可靠的无图城市NOA,不再是难事,逻辑已经跑通、硬件水平都差不多一个级别。但,想要做到好用,就得在细节上下功夫,智能驾驶接管率、流畅度、舒适度这两个层面,将会是接下来智能驾驶层面用户们需要考量的两个点。

先说接管率,长城的无图NOA只是短暂的测试视频,没能挖掘到太多的关于接管的信息。但,就算是现在比较成熟的华为ADS 2.0系统,在实际驾驶的时候也需要在复杂路况下偶尔的接管车辆驾驶。

不过从测试视频来看,智能驾驶没能把速度提起来的原因,可能也是为了保证让驾驶员尽可能少的去接管,例如低速跟随、在条件充足的情况下才敢超车,就是为了留给系统更多做决策的时间。

之后,还要考虑舒适度。

例如,在路口的刹停,是否会提前减速,如果智驾系统在通过的时候提前减速,虽然只是一个小小的动作,但是会大大提升驾驶员对智驾的信任感和好感,这里需要考验的是AEB的设定与算法的结合。反之,还有路口的起步阶段,之前也曾体验过其他品牌测试阶段的城市NOA功能,会有急加速、闯黄灯等情况的发生,而这种体验,对于车内乘员来说的舒适度不够友好。

至于流畅度,这里需要涉及到的因素比较多。降低接管率,也是保证流畅度的一种方法,但这需要慢慢优化才可以实现,一上来就0接管,很难,除非大模型的发展已经到了非常强的水平。但短期来看长城汽车大模型的学习能力,仍然需要积累和沉淀,才能达到更好用的水平。那么,至少可以做到用起来更像“人在开车”的状态。

这里举个例子,城市NOA在乡村窄道地图APP的道路限速更新不及时,然后周围车辆会不断超越,这个时候智驾系统会根据周围车辆的速度,来提高自己的车速,避免被超车的时候带来风险。这个功能,已经是现阶段在其他品牌城市NOA上实现的功能。如果长城的城市NOA也能做出类似的功能,那么对整个智能驾驶的体验是很显著的提升。

最后,关注一下开城率。

现在各家在城市NOA能用、好用的前提下,开始抢占开城,有更多的城市可以用,也就意味着打开了更多城市的市场。长城汽车的智能驾驶硬件,对于开城来说,不难,就算用单Orin-X芯片254TOPS算力,也够用,更何况有双Orin-X芯片峰值算力508TOPS,绝对够用。

前提有了,剩下就要看怎么解决每一个城市复杂的长尾场景。因为各城市不同设计的路口指引、不同的交通灯信号形状、不同的交通复杂情况,都在对开城目标提出了更多的挑战。对此,在基于BEV+Transformer的底层路线下,开城时间基本与学习能力挂钩,学的越快开城就越快。

关键词:

责任编辑:叶子琪

郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。