[首發(fā)于智駕最前沿微信公眾號]不知道大家是否發(fā)現(xiàn)，現(xiàn)在很多車企在宣傳自動駕駛方案時，很少會再強調(diào)或提及高精度地圖，甚至很少會再提地圖相關(guān)的內(nèi)容，為啥曾經(jīng)被自動駕駛行業(yè)高度依賴的技術(shù)，現(xiàn)在卻越來越邊緣化？

如何從救命稻草到發(fā)展阻礙？

自動駕駛技術(shù)大規(guī)模普及的早期，高精度地圖被行業(yè)公認為全自動駕駛實現(xiàn)的必經(jīng)之路。這種地圖與我們?nèi)粘?a href="http://www.3532n.com/v/tag/107/" target="_blank">手機導航使用的普通地圖有著天壤之別。普通地圖的誤差通常在幾米到十幾米之間，主要用于指引人類司機在大致的道路網(wǎng)絡(luò)中尋找方向。

而高精度地圖的精度則達到了厘米級，它詳細記錄了車道線的位置、路緣石的高度、交通標志的準確坐標，甚至連電線桿、下水道口和道路的坡度、曲率等極其細微的信息都包含在內(nèi)。

在那個車載傳感器和計算平臺尚不成熟的年代，高精度地圖充當了智駕系統(tǒng)的安全底座，讓車輛能夠擁有上帝視角，提前預判幾百米外的路況，極大地減輕了感知算法的壓力。

而隨著智駕功能從相對簡單的高速公路向錯綜復雜的城市道路推進，高精度地圖的局限性開始集中爆發(fā)。

圖片源自：網(wǎng)絡(luò)

首當其沖的問題是“鮮度”，也就是地圖更新的實時性。城市里的道路每天都在發(fā)生變化，修路、改道、臨時交通管制或是路標的重新粉刷，對人類司機來說可能只需要一秒鐘的觀察就能適應(yīng)，但對于高度依賴地圖的自動駕駛系統(tǒng)來說，任何微小的變動如果未能在地圖上同步更新，都會導致系統(tǒng)出現(xiàn)嚴重的邏輯沖突。

目前，國內(nèi)圖商制作高精度地圖主要依賴帶有激光雷達和專業(yè)測繪設(shè)備的昂貴采集車，這種采集方式導致大多數(shù)城市的高精度地圖只能做到每三個月更新一次，而理想狀態(tài)下的智駕系統(tǒng)需要的是小時級甚至分鐘級的實時更新。

成本和資質(zhì)也是車企難以逾越的高山。制作一張覆蓋全國城市的高精度地圖需要耗費數(shù)以百億計的資金投入，而這些成本最終都會轉(zhuǎn)嫁給車企和消費者。目前車企使用地圖需要支付高昂的訂單費和每輛車每年的許可費，這種模式極大地限制了智駕功能的規(guī)模化推廣。

更關(guān)鍵的是，國家對測繪資質(zhì)的審批正在不斷收緊，只有擁有導航電子地圖制作甲級測繪資質(zhì)的單位才能進行高精度數(shù)據(jù)的采集和處理。近年來，通過資質(zhì)復審的企業(yè)數(shù)量顯著減少，這讓許多想要自建地圖數(shù)據(jù)的車企面臨合規(guī)性風險，也讓整個行業(yè)在擴展新城市時不得不排隊等待圖商的進度。

擺脫地圖后用何技術(shù)？

為了擺脫對預制地圖的過度依賴，自動駕駛行業(yè)開始擁抱“重感知”的技術(shù)方向。所謂重感知，就是讓汽車不再按照寫好的“劇本”開車，而是像人一樣具備實時觀察和理解世界的能力。

在這一過程中，鳥瞰圖感知技術(shù)（BEV技術(shù)）起到了決定性的作用。在傳統(tǒng)的智駕方案中，系統(tǒng)只能處理每個攝像頭傳回的獨立平面圖像，就像在看幾張互不相關(guān)的照片，很難拼湊出完整的空間感。而BEV技術(shù)則能將車輛周圍多個攝像頭的圖像信息，通過大模型的計算，實時融合進一個統(tǒng)一的三維俯視坐標系中。

通過這種方式，車輛在行駛過程中實際上是在大腦里實時“畫圖”。它不僅能看到眼前的障礙物，還能通過這種鳥瞰視角識別出車道線的拓撲關(guān)系，即哪條線通往哪個方向，路口是如何連接的。

這種實時生成的“活地圖”雖然在絕對精度上可能稍遜于預制的高精度地圖，但它最大的優(yōu)勢在于絕對真實。因為它捕捉的是當下的實況，所以哪怕道路正在施工，系統(tǒng)也能立即感知到并做出反應(yīng)。這種能力的提升，讓智駕系統(tǒng)從“按圖索驥”進化到了“見機行事”。

為了解決那些地圖里根本無法預測的特殊障礙物問題，如灑落在路上的紙箱、形態(tài)怪異的施工圍欄或是不按常理出牌的各種物體，占用網(wǎng)絡(luò)技術(shù)也應(yīng)運而生。這項技術(shù)不再糾結(jié)于識別物體“是什么”，而是關(guān)注空間是否被“占用”。

它將車輛周圍的空間劃分為無數(shù)個極其細微的三維小立方體，就像積木世界一樣，系統(tǒng)只需要判斷每個小立方體是空的還是實心的。

通過這種基于物理幾何連續(xù)性的判斷，汽車建立起了對物理世界最基礎(chǔ)的把握，只要那個地方有東西，我就不能撞上去。這種處理方式完美彌補了預制地圖無法記錄動態(tài)變化的短板，讓車輛在面對各種突發(fā)狀況時具備了極強的生存能力。

在感知能力變強的同時，行業(yè)并沒有激進地完全拋棄所有地圖，而是轉(zhuǎn)向了一種更理性的“輕地圖”方案。

所謂的輕地圖，實際上是對傳統(tǒng)地圖進行了大刀闊斧的瘦身，只保留了道路的連通性、超視距的交通預測信息等最核心的導航要素。它不再追求厘米級的靜態(tài)要素刻畫，而是將原本由地圖負責的精細工作交給車輛自身的感知系統(tǒng)。

這種方案不僅大幅降低了制圖成本，更重要的是它讓智駕系統(tǒng)具備了更好的適應(yīng)性，只要有基礎(chǔ)的導航地圖，車輛就能在全國各地的城市甚至鄉(xiāng)間小道上開啟智駕，徹底解決了“開城”速度慢的問題。

端到端大模型如何讓汽車具備類人的駕駛直覺？

當感知系統(tǒng)解決了“看”的問題后，如何“開”就成了自動駕駛進化的下一個關(guān)鍵。過去，自動駕駛的駕駛邏輯是由一行行寫出來的規(guī)則代碼組成的。這種模式被稱為規(guī)則驅(qū)動，其本質(zhì)是大量的“如果……那么……”邏輯。

但在復雜的城市交通中，人類司機的行為是非常微妙且具有直覺性的。代碼很難窮盡所有的交通場景，在狹窄路口如何禮貌地博弈？在沒有紅綠燈的交叉路口如何尋找空檔？都是經(jīng)常會遇到的問題。這種機械的邏輯會導致智駕車輛在復雜環(huán)境下顯得畏手畏腳，甚至因為觸發(fā)了某個安全規(guī)則而僵在原地。

目前端到端智駕模型非常火熱，它旨在打破感知、預測、決策和控制之間的隔閡。簡單來說，它就像訓練一個大型人工智能一樣，直接把海量的高質(zhì)量人類駕駛數(shù)據(jù)喂給神經(jīng)網(wǎng)絡(luò)。系統(tǒng)通過學習幾千萬甚至上億公里的老司機駕駛錄像，自己去領(lǐng)悟在什么樣的情況下應(yīng)該打多少度方向盤、踩多深剎車。

在這個過程中，系統(tǒng)不再需要去死記硬背地圖上的每一條線，而是建立起了一種類似于人類司機的駕駛直覺。只要給它一個導航目標，它就能根據(jù)實時的視覺輸入做出最合理的動作反應(yīng)。

圖片源自：網(wǎng)絡(luò)

這種端到端架構(gòu)的出現(xiàn)，讓自動駕駛從“寫代碼”變成了“教本領(lǐng)”。它不僅極大地縮短了系統(tǒng)的響應(yīng)延遲，更讓汽車具備了處理未知場景的能力。

當遇到一個從未見過的奇葩路口時，傳統(tǒng)的規(guī)則系統(tǒng)可能會因為找不到匹配的代碼而罷工，但端到端模型可以通過在大規(guī)模數(shù)據(jù)中積累的通用理解，像人一樣通過邏輯推理和模仿來平穩(wěn)通過。

為了讓這種直覺更加可靠，還引入了視覺語言模型作為車輛的“慢思考”系統(tǒng)，讓汽車能夠理解如交警的手勢、寫在牌子上的臨時交通指示，甚至是感知周圍行人的意圖等復雜的交通語義。

這種類人化的技術(shù)路徑，不僅讓駕駛過程變得更加平順和自然，更從根本上解決了對高精度地圖的依賴。對于一個真正聰明的智駕系統(tǒng)來說，地圖的作用應(yīng)該僅僅是一個大致的指路牌，而不需要是一份精確到分毫的操作說明書。

隨著端到端技術(shù)的日趨成熟，自動駕駛系統(tǒng)正在從“依賴地圖的機器”轉(zhuǎn)變?yōu)椤熬邆渌伎寄芰Φ乃緳C”。這種進化不僅提升了系統(tǒng)的天花板，也讓智駕技術(shù)在不同地域、不同文化背景下的快速落地成為了可能。

最后的話

自動駕駛的“無圖化”趨勢是技術(shù)發(fā)展的必然規(guī)律。隨著算力的爆炸式增長和算法的不斷精進，汽車對環(huán)境的理解將越來越接近甚至超越人類。地圖將逐漸邊緣化，回歸到最本質(zhì)的導航工具屬性。這不僅會讓智駕功能的成本大幅下降，讓十萬級別的普通家用車也能享受到高階智駕帶來的安全與便利，更將加速全自動駕駛時代的到來。

審核編輯 黃宇