電子發燒友網報道（文/梁浩斌）自動駕駛該不該用高精地圖？今年以來多家自動駕駛公司以及車企陸續給出了他們的答案：毫末智行、地平線、元戎啟行、小鵬、理想、華為等都已經推出或將推出不依賴高精地圖的自動駕駛方案。

在此之前，國內多家車企包括自動駕駛公司都已經推出了基于高精地圖的城市NOA系統，可以實現點到點的智能駕駛輔助，并已經在不少城市開放使用。但為什么在短短的半年間，曾經被視為自動駕駛必需品的高精地圖突然被拋棄？

高精地圖百般好，時間和金錢成本毀一切

高精地圖在一定程度上，是大幅降低自動駕駛系統感知要求的方案，當周圍環境的數據是已知的，比如車道數量、岔道口的位置、路標/紅綠燈/斑馬線等的具體位置，車輛僅通過簡單的感知系統，通過衛星定位以及視覺等感知就可以確認自身位置以及規劃行進路徑。因此從研發的角度來看，高精地圖大幅降低了自動駕駛實現的難度，因為前進的路線環境都是確定的，車輛只需要關心前后左右的路面車輛來進行決策，而無需再對道路設施情況進行感知和判斷。

既然高精地圖主要是降低自動駕駛研發難度，降低感知需求，那么如果用高精地圖再加上強感知豈不是無敵？確實，目前小鵬XNGP、華為的ADS都已經做到了很強的城市NOA功能，甚至在一些極其復雜的城市街道中，都能夠做到基本不需要接管的點到點自動駕駛。

但業內一直以來也對高精地圖有所詬病，首先是更新速度慢，在國內城市更新節奏較快的情況下，高精地圖目前主要是以季度為單位更新，但很多時候一個季度期間道路都會發生很多變化。當然華為也曾披露稱其高精地圖更新頻率是高速公路一周一次、城區道路一月一次，但這是建立在華為自己有高精地圖測繪資質的前提下。

第二是成本問題，根據《智能網聯汽車高精地圖白皮書》，采用傳統測繪車方式，分米級地圖的測繪效率約為每天每車500公里道路，成本達每公里10元左右，而厘米級地圖的測繪效率約為每天每車100公里道路，成本達每公里千元左右。問題在于，高精地圖的測繪并不是一次性投入，而是需要周期性更新，這樣隨著覆蓋范圍的不斷擴大，加上昂貴的測繪車輛需求量激增，成本也會隨之暴漲。

第三是監管問題，因為高精地圖測繪獲取的數據較為敏感，一旦泄露有一定可能對國家和社會安全造成風險，所以近年來國內對于高精地圖的監管也在逐步收緊。2022年自然資源部公布了最新的導航電子地圖制作甲級測繪資質復審換證結果，共有31家單位參與復審，但最終通過的僅有19家。作為車企或是自動駕駛公司，顯然不希望技術落地會受到外部因素影響，放棄高精地圖也是情理之中。

總而言之，對于當前迭代速度極快的自動駕駛領域而言，高精地圖無論是從時間還是金錢的成本上，都無法跟上自動駕駛的發展。放棄高精地圖，是自動駕駛行業的自然選擇。

不依賴高精地圖的自動駕駛，需要解決哪些問題？

傳統的導航地圖更新頻率其實要遠低于高精地圖，但自動駕駛本質上的要求還是交通工具在開放道路上點對點的行駛功能，因此無論如何自動駕駛都是離不開地圖的信息的。

但使用傳統地圖就會存在很多問題，比如車輛需要足夠精準的定位能力，才能按照導航路徑行駛，否則比如定位有較大偏差，系統獲取的環境數據與地圖不一致，就很有可能隨時退出自動駕駛。

在使用高精地圖時，因為路面的模型是靜態的，車輛自我感知與高精地圖數據匹配，即可知道自己所在的位置。

所以，不依賴高精地圖的自動駕駛就意味著需要擁有更強的定位能力，包括對GNSS、IMU、輪速計等傳感器的利用，實現組合導航。

當然，感知能力也是很重要的一環，在沒有高精地圖提供的環境數據后，由于路面的障礙物遮擋、車道線模糊等影響，車輛需要在數據缺失的情況下通過強感知能力來“猜”出當前的環境，并根據簡單的導航信息來判斷該如何選擇車道。目前主要的方案是基于Transformer的BEV大模型，來對自動駕駛系統進行訓練，系統需要通過足夠多的樣本去判斷感知結果是否可信以及可信度的高低以進行最終決策。

另外，在不確定感知信息的情況下，自動駕駛如何進行決策也是一大難題。比如當遇到非常規的車輛或路面障礙物時，或是當路面沒有車道線時，系統應該如何進行決策，這些能力會是在不依賴高精地圖的自動駕駛系統中較為重要的。

寫在最后

拋棄高精地圖，主要還是成本和商業上的考量，但自動駕駛行業會不會徹底放棄高精地圖？這可能還沒有一個準確的結論。在一些比如干線物流、固定路線robotaxi應用上，采用高精地圖可能又可以通過降低系統算力、傳感器硬件成本的形式來降低系統成本，只能說從技術的角度上看并沒有對與錯之分，針對合適的應用使用合適的技術才是最現實的。