在智能駕駛領(lǐng)域，最近一兩年討論熱度比較高的一個(gè)話題莫過于“去高精地圖”。曾幾何時(shí)，高精度地圖被視為自動(dòng)駕駛的“拐杖”，仿佛沒有了那份精確到厘米級(jí)的靜態(tài)數(shù)據(jù)包，車輛就成了在黑暗中摸索的盲人。但隨著特斯拉全量推送其基于端到端架構(gòu)的智駕軟件，以及國(guó)內(nèi)如華為、小鵬、理想等一眾頭部玩家打出“全國(guó)都能開、有路就能開”的口號(hào)，行業(yè)風(fēng)向發(fā)生了劇烈的扭轉(zhuǎn)。一時(shí)間，高精地圖似乎從行業(yè)的寵兒變成了累贅。大眾關(guān)心的問題也隨之而來(lái)，既然大家都在喊“無(wú)圖”，那么自動(dòng)駕駛真的不需要地圖了嗎？如果不需要地圖，車又是靠什么在復(fù)雜的城市道路穿梭的？

無(wú)圖中的“圖”是指什么？

想要知道這些問題，我們首先得搞清楚所謂的“無(wú)圖”究竟在“去”什么。在自動(dòng)駕駛中，車企和供應(yīng)商口中的“圖”，特指的是高精度地圖（HD Map）。這種地圖與我們手機(jī)里常用的高德、百度導(dǎo)航地圖（SD Map）完全是兩個(gè)維度的產(chǎn)物。

導(dǎo)航地圖是給人類看的，它的誤差可以在米級(jí)范圍內(nèi)，它只要能夠告訴人類前方該左轉(zhuǎn)還是直行、大致的路名和建筑位置是什么就足夠了。高精度地圖是給機(jī)器看的，它包含了道路的精細(xì)幾何形狀、車道線的類型、路緣石的高度、紅綠燈的精確三維坐標(biāo)，甚至連道路的坡度和橫向傾角都會(huì)記錄。

在單車感知能力尚不成熟的階段，高精地圖就像是一份提前發(fā)給車輛的“標(biāo)準(zhǔn)答案”，車輛通過傳感器掃描周圍環(huán)境并與高精度地圖進(jìn)行匹配，就能實(shí)現(xiàn)極其精準(zhǔn)的定位和規(guī)控。

高精地圖為何“神話”破滅？

早期的智能駕駛研發(fā)其實(shí)形成了一個(gè)共識(shí)，那就是感知能力不夠，地圖來(lái)湊。這種模式在高速公路等結(jié)構(gòu)化程度高、變化少的場(chǎng)景下表現(xiàn)非常優(yōu)秀。然而，一旦進(jìn)入錯(cuò)綜復(fù)雜的城市道路，高精地圖的弊端就開始像滾雪球一樣越來(lái)越大。

高精度地圖帶來(lái)的最直接的痛點(diǎn)就是“鮮度”問題。城市道路出現(xiàn)修路、改道、臨時(shí)施工、封路、標(biāo)線重漆等幾乎是家常便飯。而高精地圖由于制作難度大、采集流程繁瑣，其更新周期通常是以季度甚至半年為單位的。當(dāng)現(xiàn)實(shí)世界的道路情況已經(jīng)發(fā)生了劇烈變化，而高精度地圖還停留在幾個(gè)月前的狀態(tài)時(shí)，依賴高精度地圖的智駕系統(tǒng)就會(huì)出現(xiàn)各種不適，甚至導(dǎo)致安全風(fēng)險(xiǎn)。

制作高精度地圖的成本也很高，傳統(tǒng)的采集方式需要?jiǎng)佑门鋫浼す饫走_(dá)、慣性導(dǎo)航和高精度定位系統(tǒng)的測(cè)繪車，分米級(jí)地圖的測(cè)繪成本約為每公里十元左右，而更精密、包含更多語(yǔ)義信息的厘米級(jí)地圖，其測(cè)繪成本可能達(dá)到每公里數(shù)千元。若想讓高精度地圖覆蓋全國(guó)數(shù)百萬(wàn)公里的城市道路，并且還要維持高頻率的維護(hù)更新，這背后的資金投入將是一個(gè)天文數(shù)字。對(duì)于追求利潤(rùn)和規(guī)�；�的車企來(lái)說，這無(wú)疑是一項(xiàng)難以承受的長(zhǎng)期負(fù)擔(dān)，尤其是在價(jià)格戰(zhàn)日益激烈的當(dāng)下，降低硬件成本和軟件服務(wù)費(fèi)才是生存的關(guān)鍵。

此外，政策監(jiān)管和測(cè)繪資質(zhì)也導(dǎo)致高精度地圖難以普及。道路數(shù)據(jù)采集涉及國(guó)家安全和敏感地理信息，受到法律的嚴(yán)格限制，只有少數(shù)具備導(dǎo)航電子地圖制作甲級(jí)資質(zhì)的企業(yè)（如圖商巨頭百度、高德、四維圖新等）才能合法進(jìn)行高精度測(cè)繪。車企如果想自己搞，門檻極高；如果買圖商的，又會(huì)面臨數(shù)據(jù)閉環(huán)不通、審圖周期長(zhǎng)等問題。華為余承東就曾坦言，單單采集上海9000公里的高精地圖就耗費(fèi)了一年時(shí)間，結(jié)果還沒覆蓋完，之前的路段信息就已經(jīng)過時(shí)了。這種采集永遠(yuǎn)跑不過變化的“挫敗感”，迫使智駕研發(fā)轉(zhuǎn)型，既然人類開車靠的是眼睛和大腦的實(shí)時(shí)觀察與推理，不需要一份精確到厘米的地圖，那機(jī)器為什么不可以？

實(shí)時(shí)感知技術(shù)的發(fā)展

為了扔掉那根昂貴且不靈活的“拐杖”，智能駕駛系統(tǒng)必須在感知能力上實(shí)現(xiàn)跨越式的升級(jí)。目前的“無(wú)圖”技術(shù)路線，核心其實(shí)是讓車輛具備在行駛過程中實(shí)時(shí)生成地圖的能力。這就像是一個(gè)記憶力超強(qiáng)且反應(yīng)極快的老司機(jī)，他雖然沒走過這條路，但他能通過眼睛看清路面的標(biāo)線、指示牌和周圍的車輛，并在腦海里迅速勾勒出一條安全可行的路線。在技術(shù)架構(gòu)上，這依賴于BEV（Bird's Eye View，鳥瞰圖）感知網(wǎng)絡(luò)、Transformer架構(gòu)以及近期大火的Occupancy Network（占用網(wǎng)絡(luò)）。

特斯拉作為這一領(lǐng)域的先行者，其FSD（全自動(dòng)駕駛）系統(tǒng)在硬件上徹底放棄了激光雷達(dá)，轉(zhuǎn)而采用純視覺方案。它通過分布在車身周圍的8個(gè)攝像頭捕捉圖像，利用BEV技術(shù)將這些來(lái)自不同視角、帶有透視畸變的2D圖像實(shí)時(shí)轉(zhuǎn)化成一個(gè)統(tǒng)一的3D虛擬空間。在這個(gè)環(huán)節(jié)中，算法不再是孤立地識(shí)別某一個(gè)物體，而是對(duì)整個(gè)環(huán)境進(jìn)行全局建模。

更進(jìn)階的Occupancy Network則可以將周圍空間劃分成一個(gè)個(gè)微小的三維像素塊（Voxels），它不會(huì)糾結(jié)于某個(gè)障礙物到底是什么，而是直接判斷這些像素塊是否被占用、被什么性質(zhì)的物體占用。這種方式完美解決了“異形障礙物”識(shí)別難的問題，即便是一個(gè)形狀怪異的翻斗車或者是路邊倒下的施工擋板，只要它占用了空間，系統(tǒng)就能感知到并進(jìn)行避讓。

國(guó)內(nèi)很多廠商雖然在硬件上保留了激光雷達(dá)作為安全冗余，但在軟件架構(gòu)上也全面轉(zhuǎn)向了“重感知”的邏輯。華為ADS 3.0引入了GOD（通用障礙物檢測(cè)）感知網(wǎng)絡(luò)，實(shí)現(xiàn)了對(duì)全景信息的3D理解，其感知的深度和廣度已經(jīng)能覆蓋相當(dāng)于2.5個(gè)足球場(chǎng)的面積。同時(shí)，RCR（道路拓?fù)渫评恚┚W(wǎng)絡(luò)則負(fù)責(zé)在沒有高精地圖的情況下，像人腦一樣“推理”出道路的連接關(guān)系。在面對(duì)一個(gè)模糊不清、甚至沒有劃線的復(fù)雜路口時(shí)，RCR能結(jié)合路口的形狀、紅綠燈的指示以及周圍車流的動(dòng)向，推斷出前方哪幾條路徑是通往目標(biāo)方向的。這種基于神經(jīng)網(wǎng)絡(luò)的推理能力，讓車輛不再機(jī)械地遵循地圖里的坐標(biāo)點(diǎn)，而是具備了理解交通邏輯的能力。

實(shí)時(shí)地圖生成的另一個(gè)關(guān)鍵技術(shù)是MapTR（Map TRansformer）。傳統(tǒng)的感知方案是先識(shí)別零碎的車道線、路標(biāo)，再在后處理中費(fèi)力地拼湊出地圖。而MapTR則直接對(duì)地圖元素進(jìn)行結(jié)構(gòu)化建模，它將車道線、路緣石等地圖要素看作是有序的點(diǎn)集，通過一種端到端的方式直接預(yù)測(cè)出整個(gè)道路拓?fù)浣Y(jié)構(gòu)。這種方式極大地提高了地圖生成的實(shí)時(shí)性和準(zhǔn)確度，使得系統(tǒng)能夠以極高的幀率刷新周圍的道路結(jié)構(gòu)，從而支持更為流暢的決策和路徑規(guī)劃。覺非科技等國(guó)內(nèi)供應(yīng)商在此基礎(chǔ)上進(jìn)一步優(yōu)化，增加了車道中心線的表達(dá)和方向?qū)W習(xí)能力，讓系統(tǒng)能分清對(duì)向車道和同向車道，尤其是在分叉路口頻發(fā)的復(fù)雜場(chǎng)景下，這種實(shí)時(shí)拓?fù)錁?gòu)建能力表現(xiàn)得比靜態(tài)地圖更加穩(wěn)定、可靠。

無(wú)圖并非真的沒圖

聊到這里，就可以回答我們一開始的問題了，現(xiàn)階段所謂的“無(wú)圖”，實(shí)際上是“去掉高精地圖”，而不是“什么地圖都不要”。如果真的把車上的網(wǎng)絡(luò)斷掉，讓系統(tǒng)在一個(gè)完全未知的黑盒環(huán)境里行駛，它的性能一定會(huì)大打折扣。這是因?yàn)�，無(wú)論感知系統(tǒng)多么強(qiáng)大，它依然受限于傳感器的物理探測(cè)距離和視線遮擋。像是攝像頭就看不見兩公里外的立交橋走向，也看不見被大貨車擋住的紅綠燈。為了填補(bǔ)這些感知真空，車企普遍采用了一種折中方案，即“輕地圖”或“標(biāo)準(zhǔn)精度地圖”（SD Map）。

輕地圖（LD Map）可以看作是高精地圖的精簡(jiǎn)版或降級(jí)版。它去掉了那些極易變動(dòng)的、對(duì)精度要求變態(tài)高的厘米級(jí)坐標(biāo)，只保留了基本的道路拓?fù)潢P(guān)系、車道級(jí)連通性、限速信息和紅綠燈位置。這種地圖的精度通常在米級(jí)，但它的生產(chǎn)成本比高精地圖低了80%到95%，且更新頻率能做到周級(jí)甚至天級(jí)。更重要的是，輕地圖可以基于“眾源更新”模式更新，成千上萬(wàn)輛行駛在路上的量產(chǎn)車，就像是一個(gè)個(gè)移動(dòng)的探測(cè)器，當(dāng)它們發(fā)現(xiàn)現(xiàn)實(shí)路況與地圖不符時(shí)，會(huì)將這些差異實(shí)時(shí)上傳至云端，通過大模型自動(dòng)標(biāo)注生成新的圖層再下發(fā)。這種由真實(shí)車流匯聚而成的“鮮活地圖”，比靠幾輛測(cè)繪車采集的死地圖要強(qiáng)大得多。

各類型地圖不同維度對(duì)比

即便是在“真無(wú)圖”的華為ADS3.0系統(tǒng)中，導(dǎo)航地圖依然扮演著不可或缺的角色。它提供了宏觀的路徑規(guī)劃，告訴系統(tǒng)該在哪一站下高速、該在哪個(gè)路口調(diào)頭。如果沒有這張“全局底圖”，自動(dòng)駕駛系統(tǒng)就像是沒帶手機(jī)導(dǎo)航就跑進(jìn)陌生城市的老外，雖然能躲開眼前的坑洼，卻難以到達(dá)目的地。

現(xiàn)階段，地圖對(duì)于自動(dòng)駕駛來(lái)說，不再是感知的主導(dǎo)，而是作為一種特殊的“傳感器先驗(yàn)信息”存在。它可以為車輛提供了一個(gè)超出視距的預(yù)期，讓系統(tǒng)知道前面可能會(huì)有隧道、會(huì)有復(fù)雜的環(huán)島，從而提前調(diào)整感知策略和加減速預(yù)案。

為什么“無(wú)圖化”成為必然？

“無(wú)圖化”之所以成為必然，本質(zhì)上是在商業(yè)規(guī)律和技術(shù)中間進(jìn)行的選擇。從商業(yè)邏輯看，要實(shí)現(xiàn)自動(dòng)駕駛的規(guī)�；�，就必須擺脫昂貴的人工采集成本。自動(dòng)駕駛行業(yè)普遍認(rèn)為，一旦無(wú)圖方案能在安全性上對(duì)齊有圖方案，企業(yè)就絕無(wú)可能再回到高精地圖的老路上去，因?yàn)槟鞘沁`反商業(yè)規(guī)律的。低成本的純視覺或輕地圖方案，能夠顯著拉低智能汽車的售價(jià)，讓15萬(wàn)甚至10萬(wàn)級(jí)的車型也具備高階智駕能力，這才是推動(dòng)產(chǎn)業(yè)爆發(fā)的關(guān)鍵。

但無(wú)論自動(dòng)駕駛技術(shù)如何發(fā)展，在安全性這塊“壓艙石”面前，行業(yè)依然要保持敬畏之心。對(duì)于L3級(jí)及以上的自動(dòng)駕駛，乘客的生命安全容不得半分試錯(cuò)。高精地圖在某些極端天氣或傳感器受限的場(chǎng)景下，依然被視為一份重要的“保險(xiǎn)”。有人擔(dān)心，如果過度依賴實(shí)時(shí)感知，當(dāng)車輛在暴雨、濃霧或光線劇烈變化的隧道口行駛時(shí)，感知算法的精度一旦波動(dòng)，是否會(huì)引發(fā)災(zāi)難性的后果？為了應(yīng)對(duì)這些邊緣場(chǎng)景，自動(dòng)駕駛行業(yè)也正在探索更加復(fù)雜的“端到端”大模型。通過模仿數(shù)億英里的真實(shí)駕駛數(shù)據(jù)，讓車輛像人類一樣形成一種“駕駛直覺”，不僅僅是看圖說話，還能理解物理規(guī)則和博弈邏輯。

在我們可以預(yù)見的未來(lái)，自動(dòng)駕駛并不會(huì)徹底和地圖絕交。相反，地圖會(huì)變得更加“無(wú)感”和“隱形”。它可能不再表現(xiàn)為一個(gè)獨(dú)立的軟件包，而是深度融入到云端的數(shù)據(jù)閉環(huán)中。車端負(fù)責(zé)實(shí)時(shí)建模和決策，云端負(fù)責(zé)提供宏觀引導(dǎo)和長(zhǎng)效記憶。這種“強(qiáng)感知、輕地圖、重算力”的三角結(jié)構(gòu)，將逐步取代過去那種笨重的、依賴昂貴采集車的模式。

最后的話

雖然自動(dòng)駕駛不再需要那張被框死在厘米精度里、更新緩慢且昂貴的高精度地圖，但它永遠(yuǎn)需要一張能夠指引方向、提供宏觀預(yù)判的“活地圖”。這場(chǎng)從有圖到無(wú)圖的遷徙，并不是技術(shù)的倒退，而是智能體從“死記硬背”向“舉一反三”的一次跨越式進(jìn)化。

-- END --

       原文標(biāo)題 : 自動(dòng)駕駛中的“無(wú)圖”真的不需要地圖嗎？