“重感知轻地图”是一道伪命题？

在没有成功之前，所有的路都可能是正确的路。

　　

比如在实现自动驾驶这个目标上，有的车企选择纯视觉路线，有的车企则坚持视觉和雷达的融合方案。看似完全不同的两个方向，却有着一个相似趋势：重感知而轻地图。

　　

这个做法实际已经受到行业越来越多的认可。不乏有观点指出，现阶段高精地图仍是车企发展自动驾驶的一根“拐杖”，但这根拐杖迟早要扔掉。在相当一部分人看来，自动驾驶车辆的出行最终将接近人类最原始的驾驶行为。

　　

不再依附地图，显然这并非易事。

　　

博世智能驾驶与控制事业部中国区总裁李胤近日讲出了自己的看法，“汽车传感器和控制器要达到和人眼、大脑一样的水平，再过500年可能都不够。”一味追求感知能力或许并不能让自动驾驶时代加快到来。而在刚刚过去的百度Apollo Day技术开放日上，有关“要发展自动驾驶，便不能脱离高精地图”的观点亦得到再三强调。

　　

拐杖还是盲杖？

　　

在明确“拐杖能否扔掉”之前，首先要弄清楚一个问题：导航地图或者高精地图到底能够为自动驾驶技术带来什么？除了提供基础的地理位置信息，理想状态下，无论是导航还是高精地图一定程度上都能够减少摄像头等传感器因识别判断周围环境信息所产生的计算量。 

　　 　　

     　　 

图片来源：英伟达

　　

自动驾驶从L2发展到L5，每提高一级，算力就增加一个数量级。根据行业测算，L2级别自动驾驶能力大约需要10TOPS的算力，L3+级所需的算力将提高到1000TOPS以上。英伟达预估，L5级Robotaxi需要的算力将在此基础上翻一番。今年9月，其已率先发布单颗算力达2000TOPS的Thor，但算力的堆叠往往意味着要付出更高的成本代价。

　　

要加快自动驾驶规模化落地，算力不仅需要“精打细算”，最好还能用在“刀刃”上，以留出更多的冗余。武汉大学教授李必军在2021智能汽车产业创新论坛上以高速公路驾驶场景为例指出，通过精细化地图就可以知道红绿灯在什么位置，路口在哪里。这样一来，车端的感知难度就会降低，也方便控制路口哪些传感器工作，哪些传感器“休息”。

　　

另外，车端感知器件往往存在“性能边界”。譬如，激光雷达和毫米波雷达形成的点云无法提供丰富的颜色和纹理信息，使得点云识别效果一般。另外，激光雷达在雨雪雾天气下的探测效果较差，毫米波雷达的噪声又相对较大；摄像头虽然可以提供丰富的颜色纹理等信息，但对光线有着较高要求。

　　

也因此，越高级别的自动驾驶越要求传感器形成更好的融合。

　　 　　

     　　 

图片来源：速腾聚创

　　

而如果有了高精地图，这个问题便会简单许多。当车载传感器出现故障或者周围环境变得恶劣时，高精地图能够帮助车辆实现超视距感知(具备穿透障碍物和遮挡物并获取信息的能力)，确保基本的行驶安全。 

　　

在《智能网联汽车高精地图白皮书(2020)》的定义中，高精地图(HD Map)是指绝对精度和相对精度都在1米以内的高精度、高新鲜度、高丰富度的电子地图。其所蕴含的信息包括道路类型、曲率、车道线位置等道路信息，以及路边基础设施、障碍物、交通标志等环境对象信息，同时包括交通流量、红绿灯状态信息等实时动态信息。

　　

上述《白皮书》指出，对于L3及以上级别的自动驾驶车辆来说，高精地图是必备选项。高精地图可以作为感知的辅助，提高处理芯片的算法效率和系统的安全冗余。

　　

不过反对声音也此起彼伏。余承东曾有言，自动驾驶不能过分依赖高精地图和车路协同，否则“智能驾驶和自动驾驶能力就上不去”；何小鹏则说，“高精地图一定是过渡”；李必军也称，“自动驾驶肯定离不开地图，但需不需要高精地图，还两说。”

　　

毋庸置疑，高精地图可以让自动驾驶系统做得更好，但诸如高速公路这类偏固定的驾驶路线，实际并非高精地图不可。事实上，行业的整体步调依然倾向降低对高精地图的依赖。一来，甲级测绘资质难求，国内供应商数量有限，且始终存在数据合规审查问题；二来，前期测绘和后期更新维护成本高昂，自研壁垒凸显。

　　

无地图，则无自动驾驶?