2022年下半年到進入2023年重感知輕地圖的大趨勢似乎一下子就席卷了整個自動駕駛行業(yè)，車企自動駕駛都大張旗鼓的宣布要擺脫高精地圖從而拓展高階自動駕駛功能的覆蓋范圍，甚至連一直強調(diào)高精地圖在全無人的自動駕駛安全性上至關(guān)重要的L4公司如小馬，元戎也開始轉(zhuǎn)向投入到去高精地圖的技術(shù)研發(fā)之中。猶記得高精地圖曾是Diss某西方大廠的兩大核心法寶之一，如今高精地圖轉(zhuǎn)眼變成人見人嫌，人們對激光雷達的熱情也開始逐漸冷卻，真可謂前天還是小甜甜，轉(zhuǎn)眼間就變成了牛夫人。

　　基于點云幾何圖層衍生出來的具有厘米級別精度的車道語義圖層的高精地圖曾被視為自動駕駛必不可少的基礎(chǔ)設(shè)施

　　高精地圖到底惹誰了

　　作為從事過高精定位和靜態(tài)BEV感知算法研發(fā)人員可以很負責任的講，高精地圖有百般好，可以說是誰用誰知道，高精地圖極大的簡化了自動駕駛功能的研發(fā)，可以彌補感知能力的上限，做到對周圍靜態(tài)環(huán)境的了如指掌，還可以提供超視距的靜態(tài)環(huán)境信息，讓車輛擁有超越傳感器限制的超前量， 最重要的是在高精地圖的世界里一切靜態(tài)環(huán)境都是確定的，道路限速，特殊車道，前方路形分叉匯合，曲率變化，一切都確切無疑毫不含糊。這一切的一切都使得基于高精地圖的自動駕駛難度和復(fù)雜性下降了至少一個數(shù)量級，因此很多人在高精地圖上的自動駕駛與其說是自動駕駛汽車不如說更像是運行在虛擬鐵軌上的自動駕駛火車。

　　好的東西一般有一個缺點就是貴，高精地圖也不例外。高精地圖的貴體現(xiàn)在多個方面，傳統(tǒng)高精地圖制備方法需要非常昂貴的采集設(shè)備，一般一輛具備高精地圖采集能力的地圖采集車成本在百萬元以上，即使行業(yè)頂尖的圖商據(jù)我了解其高精車隊規(guī)模也就在百八十兩輛這樣的量級，算上人工，維護，車隊成本粗略估計也是十億量級。這樣的量級，覆蓋全國高速已經(jīng)實屬不易，而全中國高速大概不到20w公里，只占500w公里總公路長度的不到4%，要憑借幾百輛采集車覆蓋道路元素更豐富，采集難度更大的城市道路難上加難，更不要說作為基建狂魔的我國城市道路不斷的進行翻修，要保持高精地圖的時效性更是幾乎不可能完成的任務(wù)了。另外我國地圖測繪資質(zhì)管制極其嚴格，高精地圖被認為是關(guān)乎國家安危的大事，地圖的發(fā)布要做到每個圖商逐城審核，層層把關(guān)，對其發(fā)布進度的把控遠遠超出了圖商和車企可控范疇，勢必對自動駕駛產(chǎn)品的功能擴展發(fā)布造成重大影響。這樣的資金成本和時機，政策成本都讓個大車企不得不考慮放棄高精地圖。

　　自動駕駛是否能離開高精地圖

　　高精地圖作為曾經(jīng)被認為是自動駕駛不可或缺的重要基礎(chǔ)設(shè)施，想要去掉對高精地圖的依賴遠比說起來困難。自動駕駛的感知部分依賴于高精地圖提供的先驗信息來避免誤撿漏檢，定位本質(zhì)上是在高精地圖而不是在現(xiàn)實世界上確定自車的位置姿態(tài)，道路參與者行為軌跡預(yù)測依賴于高精地圖所存儲的參與者所處位置的環(huán)境信息，自車軌跡規(guī)劃也要基于高精地圖所提供的無懼遮擋的超視距信息來進行決策。 事實上目前真正能稱得上不依賴高精地圖的自動駕駛功能唯有Tesla做到過，也正是因為有人在前邊領(lǐng)跑，大家才有底氣去嘗試類似的技術(shù)方案。根據(jù)Tesla的技術(shù)分享和個人的理解，我認為不依賴高精地圖的自動駕駛主要有三個難點：

　　01 更強的感知能力

　　具備強大的靜態(tài)感知能力，能夠在不依賴高精地圖先驗的前提下最大限度的感知周圍駕駛環(huán)境，包括遮擋或道路元素磨損情況下腦補出道路環(huán)境的能力。另外針對無圖方案，感知需要能夠輸出可通行區(qū)域的能力，因為在車道線磨損或缺失的場景下再沒有高精地圖提供虛擬車道和行駛參考線，那么可通行區(qū)域就決定了車子哪里能走，怎么走。最后要通過感知道路環(huán)境形成一個帶有置信度的感知感知結(jié)果，因為沒有高精地圖給出的確定性環(huán)境信息，下游必須知道哪里的感知是可信的，哪里是相對不確定的。 Tesla FSD的感知中灰色區(qū)域代表不可通行區(qū)域，感知元素的透明度代表感知的置信度

　　02 要求更高的定位和地圖使用

　　不依賴高精地圖不代表無地圖，實際上宏觀層面的軌跡規(guī)劃離不開超視距的地圖信息，視野范圍外的預(yù)測決策也都離不開地圖，而使用地圖的前提則是相對精確的定位能力。事實上從第一性原理角度出發(fā)人類駕駛也斷不能離開地圖，無論是人類駕駛員腦海中構(gòu)建的對自己熟悉的街區(qū)的記憶地圖，還是如今現(xiàn)代駕駛員越來越習慣依賴的導(dǎo)航地圖都是做好駕駛必不可少的一環(huán)。

　　離開了高精地圖的加持，想做到精確的定位變得愈發(fā)困難，依賴于感知地圖匹配的方案失效意味著GPS，IMU，輪速計便成了自動駕駛功能更需要倚重的傳感器。包括Tesla和Comma AI在內(nèi)的不依賴高精地圖的自動駕駛公司，都很強調(diào)對于GPS，IMU，輪速所組成的組合導(dǎo)航的使用，使用更加底層的原始信號，加入更多對自車軌跡，噪聲的約束，以及用導(dǎo)航地圖拓撲對于軌跡形成約束，眾多的方式都是之前自動駕駛團隊較少涉及領(lǐng)域，然而地圖的信息量降低了，可用于定位的傳感器也變少了，就更需要團隊利用好手中僅存的資源做好全局和相對定位，才能最大程度利用好導(dǎo)航信息。所以擺脫高精地圖不代表就不做定位，不實用地圖，恰恰相反，當你手中食材有限，仍舊要做出色香味俱全的佳肴，代表對烹飪技巧必須更加精益求精。有關(guān)注Tesla FSD測試視頻的朋友應(yīng)該會記得早在2020-2021年，導(dǎo)航引起的接管仍舊是FSD接管最重要的原因之一，時至今日導(dǎo)航問題雖然已經(jīng)大大減少了，但是仍舊是困擾FSD用戶的一大癥結(jié)。

　　缺少高精地圖和感知地圖匹配所帶來的精確定位能力，F(xiàn)SD也經(jīng)常被GPS定位不準問題所困擾

　　03 在不確定性環(huán)境下進行決策規(guī)劃的能力

　　沒有了高精地圖挑戰(zhàn)最大的莫過于決策規(guī)劃模塊了，失去了高精地圖提供的完善的參考軌跡，規(guī)劃模塊必須具備在更廣泛的可通行區(qū)域內(nèi)規(guī)劃出合理的路徑的能力，失去了定義明確的車道，軌跡規(guī)劃就再不能簡單的拆解成橫向和縱向，寬度和形狀都不規(guī)則的可通行區(qū)域也對空間離散和無碰撞的最有路徑求解所需要的算力和時效性提出了非常高的要求。另外高精地圖的缺失意味著依賴于感知輸出的周圍環(huán)境是充滿不確定性的，決策規(guī)劃必能夠接受這種不確定性，并利用子車行為去降低這些不確定性的影響。

　　FSD利用Occupancy來建模遮擋，并利用自車緩行開視野就是利用自車規(guī)劃來降低無圖不確定性的一個絕佳案例

　　一點思考

　　我個人覺得做技術(shù)的人其實不應(yīng)該講究什么主義或流派，一切應(yīng)該從實際情況和功能實現(xiàn)角度出發(fā)。高精地圖具有巨大的價值，但其建設(shè)維護成本一直是其最大的致命傷。Tesla使用不依賴高精地圖的方案是出于一系列權(quán)衡取舍以及技術(shù)洞見，其結(jié)果是不依賴高精地圖的自動駕駛功能，其條件是環(huán)環(huán)相扣的技術(shù)方案設(shè)計和構(gòu)建，所以要想同樣實現(xiàn)不依賴高精地圖的功能，傳統(tǒng)技術(shù)方案的各個環(huán)節(jié)都需要巨大的推翻充足和迭代創(chuàng)新，絕不是單單引入BEV感知就可以的，照貓畫虎是絕對不可取的。

　　另外Tesla是一家國際化的公司，其市場面向全球，很難想象巴西，菲律賓擁有完善且維護良好的地圖基礎(chǔ)設(shè)施，所以拋棄高精地圖對于致力于全球化的Tesla是必然也是迫不得已。顯然通過單純的模仿是無法超越行業(yè)領(lǐng)頭羊的，過去幾年高精地圖和激光雷達一直被認為是國內(nèi)自動駕駛超越Tesla所倚仗的兩點優(yōu)勢，這個到了今天其實沒什么改變。顯然優(yōu)先國內(nèi)市場的國內(nèi)企業(yè)不應(yīng)該一味學習Tesla，在高精地圖可用的條件下棄之不用有一點自廢武功的意味。國內(nèi)高精地圖采集建設(shè)的條件顯然高于其他一些國家，在這種情況下優(yōu)化建圖特別是眾包建圖技術(shù)，降低地圖維護成本，同時推動算法對不同等級地圖的兼容并包，提高自動駕駛功能對不同等級地圖的包容性也許是一條可以彎道超車的機遇之路。

　　編輯：黃飛