从百度Apollo的技术布局，看国内智能驾驶的发展前景

/ 导读 /

国内的智能驾驶技术发展已经从疯狂堆料到疯狂内卷阶段，现逐步进化到细节打磨阶段。从一开始特斯拉FSD的横空出世，到国内高速领航辅助驾驶的引领潮流，国内智能驾驶技术的发展已相当成熟，这里面有全栈自研的主机厂，以蔚来、小鹏、理想为代表的新造车势力；也有提供整套解决方案的供应商，以百度、地平线及博世为代表，还有众多细分辅助驾驶领域的玩家们。

从近几年智能驾驶技术的发展轨迹来看，智能驾驶离不开大算力芯片的支撑，离不开更多更冗余的传感器，离不开高精度地图，更离不开软件算法的打磨。国内的自动驾驶技术已跨越了从0到1，从无到有的阶段，现阶段各家的辅助驾驶水平已进入智能驾驶L2+的水平，正逐步接近自动驾驶L4的阶段。这里以L3为分水岭，L3以下是有条件自动驾驶，车辆能实现基本的辅助驾驶功能，但责任的主体仍是驾驶员，不能脱手和脱脚，视线需要时刻注意前方。L3以上是高度自动驾驶，所有的一切包括车辆的控制，对环境的观察，以及责任主体都交给了汽车系统本身。

从智能驾驶要解决关键场景的能力出发——高速领航辅助驾驶、低速代客泊车、城区辅助驾驶，以国内老牌自动驾驶领跑者百度Apollo为例来分析国内的自动驾驶技术最新进展。

百度Apollo去年底的技术分享日上展现了他们的最新成果，推出了ANP3.0系统（ Apollo Navigation Pilot 3.0），一款要真正做到停车场、城市道路、高速公路三域融通的点对点领航辅助驾驶产品。

ANP3.0直观上来看，继承了百度Robotaxi多年L4自动驾驶技术的积累，用高阶自动驾驶技术降维来打造的L2+智能驾驶产品，实现从泊车域到行车域的全域场景覆盖。该产品大概率是国内唯一采用纯视觉感知和激光雷达感知独立运行的真冗余技术，来实现城市高级领航辅助驾驶量产落地，以更好地满足车企较低成本实现、更高安全性的高阶辅助驾驶功能。具体包括：

•       L4自动驾驶技术降维L2+智能驾驶；

•       纯视觉和Lidar感知的双冗余；

•       国民级的导航地图;

•       数据驱动的智能驾驶。

L4自动驾驶技术降维L2+智能驾驶

做L4自动驾驶的公司缺少大数据样本，同时硬件成本高昂，不适合大规模推广。而做L2智能驾驶的公司虽然有大量的数据样本，硬件成本也低，但其在数据闭环和数据价值利用层面较差，在以未来数据驱动主导的自动驾驶时代，这一块是L2智能驾驶公司的薄弱环节。

图片根据驭势科技CEO吴甘沙的演讲整理，侵删

现有的市场环境，L4自动驾驶公司想“降维”转型做L2智能驾驶级供应商，做L2智能驾驶的供应商想继续拓宽市场往更高阶的辅助驾驶前进。但如上面所讲，“降”和“升”的过程都是困难的，都有各自的盲区所在，转型是困难的。

而百度Apollo恰好兼顾两者的优势，既有L4自动驾驶 RoboTaxi的落地经验——萝卜快跑，也有L2智能驾驶产品交付的经验——威马、广汽。百度Apollo做RoboTaxi已深耕10年，布局的RoboTaxi数量接近600台，在国内近30个城市开展路测，每天产生海量的激光雷达数据，经过高自动化的训练数据生产线，为L2+的BEV障碍物感知模型提供支持，让Apollo L2+的新一代BEV感知能力大幅提前。同时算法经过超4000万公里专业路测验证，每一公里由持考核资质的测试⼈员验证完成，对系统的能力有充分专业的验证。

同时，在中国各级城市的运营过程中，百度Apollo Robotaxi沉淀了中国各色红绿灯数据，ANP3.0得以实现“中国式”红绿灯的⼈眼级感知，如上图中的可以准确识别和通过临时红绿灯场景。在场景逐渐趋同、数据可复用、大规模路测验证、芯片算力提升等多个趋势下，L4自动驾驶技术降维L2智能驾驶技术能够得到真正体现。

ANP3.0拥有领先的硬件方案，具有高可扩展性，ACU(Apollo Computing Unit)搭载2颗行业领先的英伟达OrinX芯片，算力高达508TOPS。配备有2颗前向高线束固态激光雷达，最远可检测180米；同时搭载7颗800万高清摄像头和4颗300万环视鱼眼摄像头，强硬件的“预埋”为ANP3.0的智能驾驶不断升级进化提供了坚实的基础。

纯视觉和Lidar感知的双冗余

近一年的Lidar市场异常火热，融资上市消息不断，势头远超视觉，视觉由特斯拉FSD带火之后在这几年虽然也有所发展，如Bev、Occupancy网络等，国内许多公司也在效仿，但这些网络的演进和迭代并不能真正解决视觉的局限性问题，如鬼探头、异形障碍物等，这些都是视觉天生很难去解决的难点问题。而Lidar的低成本化、车规化让辅助驾驶厂商们看到新的希望，一套真正安全的辅助驾驶产品才有可能真正落地。

在研发测试阶段，ANP3.0由原来的“单目感知”加“环视后融合”的技术框架，升级到BEV环视三维感知技术，通过Transformer把前视特征转到BEV，在特征层面对相机观测进行前融合并结合时序信息后，直接输出四维感知结果。基于“BEV环视三维感知”技术，ANP3.0已成为国内唯一一个能依靠纯视觉跑通城市域多场景的智驾方案；在2023年的实际量产阶段，ANP3.0将采用“纯视觉+激光雷达”的双感知、真冗余方案，进一步从感知上应对非常规异形障碍物、夜晚障碍物、动/静态遮挡鬼探头、停车场跨层泊车等复杂城市场景，进一步提升智能驾驶的安全和稳定性，带给用户更加安心的体验。

有了多传感器和BEV算法的加持，从视频中我们也可以看到，行驶至城市中最具有挑战性的复杂路口场景时，搭载ANP3.0的车辆精准躲避了路口外卖车“鬼探头”，并在转弯过程中与主路直行车辆进行博弈后，实现了无保护掉头。在没有专门左转红绿灯的无保护路口，搭载ANP3.0的车辆也与对向直行车流博弈成功，完成无保护左转。

更值得一提的是，在高速路场景中，搭载ANP3.0的车辆在即将进入ETC通道时，快速智能选择ETC通道并自动通过了ETC收费岛狭小空间，这背后是高精地图和感知的双重保险在起作用，百度Apollo也因此成为行业中首家智能驾驶方案实现自动通过ETC的企业。

国民级的导航地图

目前智能驾驶行业内流行无高精地图的在线地图学习路线，这样做的目标是希望能摆脱高精地图的依赖，让智驾系统能够想去哪就去哪。反之带来的问题也很明显，道路结构的推理对自动驾驶决策规划算法至关重要，一旦算法在感知物理世界的道路结构层面出现问题，车辆的行为将难以预测，给用户带来极大的不安全感。

百度Apollo是国内唯一同时自研自动驾驶和高精地图的智驾供应商。在高精地图这一块，Apollo拥有行业内稀缺的图商资质，积累了超过40万公里的高精地图数据，自研的高精地图能为ANP3.0提供数百种高精数据元素，无缝衔接ANP智能驾驶系统算法特征和需求。从视频中也可以看到，搭载ANP3.0的车辆展示了高速效率变道、隧道通行、大曲率魔鬼弯道通行等一系列功能。

百度Apollo采集车队规模超500辆，结合高度自动化的地图生产技术，预计未来会成为国内城市和高速路网覆盖最多的智驾辅助高精地图。这一套广而深的量产“地图”，保障智驾即便在复杂的道路拓扑结构下依然可以随时随地的开启，给用户高获得感。

简言之，做城市高级领航辅助驾驶，高精地图是安全、体验好智驾产品不可或缺的必需品。

数据驱动的智能驾驶

前些年智能驾驶中的深度学习技术是基于监督式学习的方法，这种方式极其依赖大规模标注数据集，需要耗费大量的人力来完成数据集的收集和人工标注。对于自动驾驶而言，通过实际路测获得足够多的有意义的数据更不是一件容易的事。

智能驾驶技术发展的关键是更全面的覆盖非典型场景的长尾部分。当我们在解决智能驾驶问题的时候，通常会遇到90%简单的常规问题和10%复杂长尾问题，大部分公司会采取Rule-based的方式解决短期问题，很依赖模型对外部环境描述的完备性，但其本身不具备自学习、自更新能力，更依赖人工搭建规则，开发周期长，无法快速覆盖长尾场景。但是要建立持续解决长尾问题的能力，唯一路径就是数据驱动。

结语

智能驾驶的终极目标是为了便于我们出行，同时能够保证两个大前提，一个是安全，一个是体验。我们日常生活中最常见的上下班通勤场景，覆盖了停车场、城市道路、高架或高速道路，ANP3.0是一套能够这些碎片的独立功能模块链接起来的产品，做到真正从家到公司的智能驾驶。

一款好的产品需要精雕细琢，我们把智能驾驶也比作一个产品的话，它的功能性、安全性、体验性都很重要，智能驾驶的战役已迈入下一个战场，谁能在安全性和体验性做到最佳，谁就能取得更大的市场优势。

来源：自动驾驶干货铺