>首页> IT >

对话小鹏汽车刘毅林:城市场景的逻辑、挑战及前景

时间:2023-07-02 10:00:10       来源:腾讯网

作者 / 曹锦

6月29日,在小鹏G6上市的同时,何小鹏还宣布了「XNGP年内覆盖50城」、「将推AI代驾模式」等消息。

回想今年的上海车展,G6已经颇受关注,而可展馆内除了这些重磅新车外,还有一个现象同样显现出来:那就是多家车企不约而同地提到了AI对于智能车的关键作用,其中不光是新势力品牌,也有传统品牌。


(相关资料图)

如果说ChatGPT让人看到了AI的更多可能,那么AI也让自动驾驶获得了更多可能。

而对于从初期就对技术路线有明确认知的企业来说,已经步入城市辅助驾驶的落地阶段。其中,小鹏汽车作为代表品牌之一,不管是在北京开放城市NGP功能,还是首款扶摇架构下的车型G6上市,都受到了极大的关注。尤其是第二代XNGP智能辅助驾驶系统,可逐步实现从车位到车位的全场景智能辅助驾驶。近期,XNGP迎来最新版本迭代,发布全新一代高速NGP,官方介绍其能力时称其体验「无限接近L4」。

在此节点,小鹏汽车自动驾驶产品高级总监刘毅林接受了「首席智行官」的专访,借机对新一代智驾系统、城市NGP、小鹏的市场逻辑,以及新的技术趋势发表了见解。

BEV带来的更多可能

早在两年前,小鹏便已着手开发BEV感知架构XNet,如今终于在XNGP上实现了量产部署。在刘毅林看来,BEV相当于「让一个人的前后左右都有了眼睛」,继而结合神经网络,对环境的感知丰富度、感知效率、「上帝视角」的多传感器感知融合都得到了进一步提升。

据他介绍,从前的车载摄像头之间需要相互协同,类似于要由多个人关注多个方向,利用的是不同的眼睛和不同的大脑,会存在沟通和协同的问题,而BEV解决的正是这种协同问题。

刘毅林表示,虽然路面信息是静态的,但实际上非常复杂。「单说车道线的形状、大小、颜色、磨损程度,距离间隔等,都是会有差异的。如果先逐个认知,再拼合到一个环境当中的话,无疑非常低效。」

而利用Transformer,则可以将已经训练好的系列相关图像,直接在BEV下识别,并利用这些图像构建出三维空间。

「所以,现在我们谈无图化和重感知,实际上是指具备了在车端,对于静态交通环境的认知能力。在这种技术架构下,感知环境不再需要大量的预设数据,而是可以通过实时感知去形成数据,进而做出自动驾驶决策。」刘毅林说道。

如今,在城市NGP加速落地的阶段,BEV的量产应用和无图化能力,为小鹏带来了更多可能。 

城市NGP的挑战

近期,小鹏汽车先后发布了两段在北京的城市NGP实测视频,分别是基于高精地图的环线及主要快速路体验,以及无图化的普通道路演示。

在这座新能源汽车渗透率较高、用户数量大,但路况复杂的城市中开启城市导航辅助驾驶,无疑是个令人兴奋的新起点,但也面临着更大的挑战,全面的无图化就是其中之一。

「从经济性和政策性两方面来看,轻地图方案都是城市导航辅助驾驶的必经之路。」刘毅林指出,从技术上来说,小鹏已经具备一定的无图化能力了,在3月份已经在G9和P7i 上实现了第一阶段的红绿灯启停通过直行路口的能力。并且在6月初发布了第二阶段完整的导航辅助驾驶能力在北京的测试视频。

但要持续开放更多路段,不仅仅是单纯的技术问题,而是要针对复杂和多变的现实环境,进行充分的测试。

「在进入一座新城市前,我们必须要进行充分测试。在此过程当中,我们设置一个横轴(场景)和一个纵轴(里程),来进行考量。」

不过他也指出,像全新一代高速NGP那样的高水准,在城市场景还需要更多的时间,因为城市交通的道路和路况复杂性远远超出高速公路。

刘毅林提到,在多数L4级自动驾驶的逻辑中,很多场景需要通过牺牲效率,或者缩窄范围来达成。而高等级辅助驾驶的BOTTOM UP 逻辑,是既要将范围扩大至全量范围和场景,又要达到很高的安全底线,同时又不能过于牺牲效率,这无疑是更难的挑战。

这也是为什么,城市辅助驾驶还需要一些时间才能到达普通消费者预期的成熟度。

刘毅林透露,现在小鹏的城市NGP百公里接管率约为十余次,和上一代高速NGP差不多。后续随着能力的增强,应该会让这一数字持续下降。他表示,让新功能成熟还需要时间,但体验一定会以较快的速度得到改进。

「当我们回头去看,每项技术出现的早期,都曾遭到过质疑,但之后又逐渐成为标配——在有导航辅助驾驶功能之前,大家都觉得有车道保持就已经很好了;在LCC出现之前,大家也会觉得有自适应巡航就已经很牛了。」

据刘毅林介绍,目前,在小鹏高配车型的用户中,每周有接近 95% 的用户会使用城市NGP,里程占比接近 70%。也就是说,在这9成的用户中,有一半以上的路程都是由机器行驶的

「不过,车作为大宗消费品,更新迭代的周期是比很多产品要慢一些的,用户不买车的话,会比较少关注最近几年的变化,如果让用户感受和接受到这些跨时代的变革,这是很现实的问题,也是一个特别大的挑战。」

「不要笼统地谈数据」

「所有人都知道数据对于自动驾驶非常重要,但当我们去谈数据的时候,往往非常笼统。」

刘毅林表示,数据包含很多类型。第一种是体现现实世界的静态差异的广度数据:例如红绿灯是横排还是竖排?是否有读秒?车道线各式各样的设计方法等等。

第二种数据不同场景在时间维度里发生的深度信息,其中包括很多Corner case。例如遇到一台速度很慢的手扶拖拉机,或者前车发生事故后飞出来的轮胎……

「如果用拟人来形容,AI对数据的应用,最终会像一位智者,他既经历过很长的人生,懂得很多人生哲理,同时又走遍天南地北,见多识广,这些要素之间是相辅相成的。」

刘毅林以此举例,是想形容数据既要有深度也要有广度。然而当这些都具备了,还只是迈出第一步。

在第一步走好后,接下来就需要将数据「消化吸收」。对此,刘毅林又举了个例子。

「故宫里有一本藏书叫《清宫海错图》,它将世间万物和各地奇珍都以图画记录下来了。这就不仅仅需要游历四方见多识广,还需要超强的记录归纳能力。。「任何的数据,都需要有效的消化和转化成 Know-How,在产品中形成完整的链路,才有真正的价值。」这也就是对数据进行归类分析,举一反三的能力。

此外,刘毅林还作了一个比喻——在编撰一套百科丛书时,第一册往往是耗时最长的,而第十册所花费的时间会大幅减少。这就类似于体系化能力,例如团队经验,工具链等等。

在刘毅林看来,这是从「燃料」和「飞机」的关系,其中燃料就相当于数据。

「要想创造最快的交通速度,光有燃料是不够的,因为燃料谁都可以有。」

不应盲目压低硬件标准

与G9 Max和P7i Max一样,小鹏G6 Max的传感器方案同样基于第二代XNGP系统——双Orin芯片(502 TOPS算力),以及前向两个800万像素摄像头等等,同时也有两颗激光雷达。

尽管如今的车市仍处于价格战的高压之下,供应商也纷纷提出更具性价比的方案,但刘毅林认为,如果用户需要的是良好的辅助驾驶产品,那么在没有冗余的硬件方案上,很难真正做到。

「我觉得脱离性能谈功能,都是耍流氓。」他觉得硬件方案要回归本质,也就是能否真正符合用户需求、解决问题。

辅助驾驶的衡量标准不应降得太低,且应始终具备无限接近L4的野心。即便低成本方案层出不穷,但真正的交付的时候,用户未必会真想使用性能打折的产品。」

刘毅林表示,辅助驾驶硬件的成本占比确实很高,小鹏也会设置逐步降本的目标,但前提是性能有升无降,同时满足经济性和性能需求。 

如何看待占据栅格网络?

在去年的特斯拉AI Day上,占据栅格网络技术受到了广泛关注,也引发了业界的跟进。鉴于该技术是将 BEV的二维网格感知描述,转换为三维网格。刘毅林认为,占用网络可以通过视觉,达成类似激光雷达的效果,对可行驶空间的三维感知。。

「占据栅格网络能够形成3D的可行驶空间,可有的友商既有激光雷达,又要用视觉来做,这令人费解。」刘毅林直言,如果车上有激光雷达,实际上能够达成同样的效果,同时再用占据栅格网络相当于浪费算力

他认为,占据栅格网络并不新鲜,此类技术名词可能会带来一些吸引力,但最终还是需要看「疗效」。

「不能光讲是否拥有一项技术,而是要讲是否拥有一项用户收益。小鹏是一家技术型公司,但我们也并非只讲技术,而是更在乎用户体验。」

小鹏在第二代XNGP的阶段,将目标指向了点对点全场景辅助驾驶

这就意味着,无论是跨城还是同城,无论是高速还是城市道路,无论是地下还是地面停车场,小鹏都要在现有架构下实现车位到车位的无缝衔接(在人类司机的监控下)。

在自动驾驶热度下降的今年,这一目标显得格外醒目。当多家车企也已不再强调智能驾驶时,小鹏仍然在高调展示自身的技术迭代。新技术的成熟的确需要研发时间,也需要市场考验,但是就小鹏来说,似乎早已设定好了自己的时间线。

关键词: