杭州 --°C 消息 发布作品
hao1123

hao1123

当前位置:首页 > 科技 > 城市复杂路况挑战自动驾驶,感知算法定胜负

城市复杂路况挑战自动驾驶,感知算法定胜负

hao1123
hao11231795041902|20阅读

我上周在重庆待了三天,坐了两趟本地的自动驾驶测试车。说实话,去之前我对这东西的预期不高,毕竟网上那些demo视频看多了,总觉得是精心挑选过的路线。但真坐在后排跑了一圈之后,想法变了——不是因为它开得多好,而是因为它暴露的问题特别真实。

2城市复杂路况挑战自动驾驶,感知算法定胜负

重庆那种路,导航看了都沉默。黄桷湾立交五层二十个匝道,走错一个就是重庆一日游。测试车在匝道汇入的地方犹豫了大概两秒,方向盘轻微地左右修正了两次才切进去。安全员没接管,但坐在副驾的工程师小声嘀咕了一句“这个case回去要标一下”。我问他什么问题,他说感知层把旁边一辆贴着货拉拉贴纸的面包车识别成了静止障碍物——那车其实在动,只是速度太慢,点云特征跟静止车辆太像了。

这就是现在自动驾驶最拧巴的地方。大家嘴上聊的都是端到端、大模型、BEV+Transformer这些词,但真正卡住落地的,往往是这种鸡毛蒜皮的小场景。城市路况的复杂度不在于有多少种交通参与者,而在于每一种参与者的行为模式都带着强烈的地域性和随机性。你在硅谷训练出来的模型,到了重庆看到摩托车从人行道逆行下来还载着两筐菜,它没见过。

感知算法这件事,业内其实分两派在较劲。一派死磕纯视觉,理由是成本低、迭代快,而且人靠两只眼睛就能开车,没道理机器不行。另一派坚持多传感器融合,激光雷达加毫米波加摄像头,冗余做足。两边的技术路线吵了好几年,谁也说服不了谁。但有个做感知的朋友跟我说了句实在话:纯视觉的天花板取决于数据闭环的效率,融合方案的天花板取决于成本下降的速度。现在看,两边都在往对方的地盘上摸。

真正让我觉得有意思的,是那些做城市NOA的公司在感知策略上的分化。有的公司走的是“重地图轻感知”,高精地图先铺好,感知算法做兜底,出了地图区域就降级。有的反过来,地图只做先验参考,感知算法扛大梁,号称“无图也能开”。前一种方案在重庆这种地方会很难受,因为高精地图的更新速度根本赶不上道路施工和临时改道的频率。后一种方案听起来更性感,但实际跑起来,感知算法要处理的corner case多到让人头皮发麻。

举个例子。观音桥那个环道,高峰期电动车、行人、三轮车混在一起,路沿石旁边还停着一排等客的出租车。感知算法要做的事情不只是识别出这些目标,还要判断它们下一步可能怎么动。那个穿外卖服的小哥回头看了一眼,他大概率要变道。那辆停着的出租车刹车灯灭了,发动机声音起来了,它可能要起步。这些判断靠单帧检测根本做不了,得靠时序信息和行为预测模型。而行为预测这东西,说实话,到现在也没有哪家敢说做得很稳。

成本也是个绕不过去的话题。我认识一个做域控的朋友,他们给某家车企供的方案,算力堆到了两百多TOPS,传感器配置拉满,单套BOM成本压到一万出头。听起来还行对吧?但那是量产价,测试阶段的样件成本翻三倍都不止。而且算力这东西,堆上去容易,用起来难。很多感知算法在实验室跑得挺好,上了车发现算力利用率不到四成,剩下的全在等数据搬运。这就像你买了台顶配电脑,结果天天用来扫雷。

还有个容易被忽略的点:数据标注的本地化。你在北京采集的数据训练出来的模型,放到广州老城区跑,城中村那种握手楼之间的窄巷子,GPS信号漂移加上视觉特征高度重复,感知算法直接懵掉。所以现在头部几家都在搞区域化的数据闭环,每个城市单独采数据、单独标、单独微调模型。这事听起来笨,但管用。有个做数据服务的哥们儿跟我说,他们公司在重庆专门养了二十个标注员,天天标黄桷湾和解放碑周边的数据,标了快一年了,还没标完。

说到底,城市复杂路况对自动驾驶的挑战,本质上是长尾问题在空间维度上的集中爆发。高速场景的长尾是时间维度上的小概率事件,你跑够里程总能遇到。城市路况的长尾是空间维度上的高密度分布,每平方公里都藏着几十个你没想到的case。感知算法要做的,不是追求一个完美的通用模型,而是把这些长尾场景拆开、嚼碎、一个一个吃下去。谁吃得快、吃得干净,谁就能先把城市NOA的体验做到及格线以上。至于从及格到优秀那一段,可能还得再磨几年。