贾浩楠 发自 凹非寺 量子位 | 公众号 QbitAI
极越汽车，搞了一个车圈科技圈大新闻：纯视觉NOA国内首发上路！
一段陆家嘴点到点领航辅助驾驶的实拍视频刚刚被公开 ：
视频中极越01一镜到底、全程不接管、带领航辅助，而且ODD包含高速、城市以及泊车场景，全程解放用户不用自己开。
这样的Demo在自动驾驶行业其实不稀奇，Robotaxi早就实现。但令人吃惊的是，极越01的这种私家车智驾系统，在国内首个布局、跑通纯视觉方案，不再把激光雷达作为唯一的智能驾解决方案——通常行业认为这是现阶段高阶智驾的必须条件。
中国首个，且在全球范围内和北美地区的特斯拉FSD处于同一梯队。
这也是李彦宏刚刚在百度世界大会上所说“大模型重构自动驾驶”的成果和体现之一。
同样是今年智能驾驶所有玩家内卷的一个方向：视觉为主落地NOA，实现轻传感器高功能落地。
只不过极越汽车和背后关系紧密的百度Apollo，也许在其他玩家还在验证研发的阶段，就要率先落地了。
最终的智驾量产版本留有悬念，10月27日举办的极越01上市发布会上，这款主打开箱即用的高阶智驾产品即将交卷。
不过用户疑问也随之而来，再次引发了行业对于智驾技术路线的讨论：摆脱激光雷达，靠谱吗？极越01演示的这套智驾方案有哪些技术亮点？
纯视觉高阶智驾，体验如何？
点到点领航辅助驾驶，是指在目前的人机共驾阶段，绝大部分的驾驶由系统辅助完成，司机位的职责对车辆的行驶状态保持时刻关注。
极越01的测试全程，包含了城市高频使用场景，比如上海浦东区CBD，这属于城区内的NOA功能；还包括上下高速匝道、隧道内的连续领航辅助，以及复杂路口的人车混行等等。
其中的基础能力，包括自动避让、基础的跟车、车道保持、定速巡航等等。
更高阶的能力，包括综合考虑安全因素和通勤效率，自行变道（不用提前拨杆）、识别红绿灯、根据导航自主规划路线…
我们先看其中最值得关注的亮点，实测一镜到底视频长度约9分钟，放在最后。
首先是隧道内的长距离智能驾驶，在隧道内因为GPS信号弱或离线，需要系统较为精准的定位能力，同时还要面对隧道内光照条件差、周围障碍物密集的挑战：
除了正常行驶之外，极越01还能自主识别进入隧道内的分流岔路：
城市道路内，极越01除了能按照导航信息，自主规划转弯，还能在汇入、驶出主路的过程中，主动绕行路边故障车辆：
以及主动避让占道的行人、两轮车：
高速场景下，自主进出匝道、汇入汇出车流，并且主动避让加塞车辆：
当然，极越01在路上为了保证安全，对于行人、加塞的处理方式是主动避让，但在安全的情况下也会通行效率优先，主动选择更快的车道：
如果这样的表现是一辆Robotaxi，那没什么值得惊奇的。毕竟Robotaxi上传感器类型、数量丰富，而且也拥有相对固定的线路。
但这是一辆需要考虑量产、交付给用户的私家车，而且是随机在上海核心城区挑战。
是国内第一个，很难有直接对比的参考，毕竟其他的“遥遥领先”都是在重传感器的加持下实现的类似功能。
在极越01之前，全球范围内，只有特斯拉的FSD展现过类似的能力。
极越CEO夏一平在这件事上是很不“谦虚”的：
行业标杆，而且一定比特斯拉FSD强。
百度Apollo自动驾驶能力赋能了这套系统，百度智能驾驶事业群（IDG）技术委员会主席王亮进一步解释了一下：
考虑到特斯拉FSD的数据手机几乎全部基于北美路况，所以它真正落地中国的时候，还要面临复杂的的泛化性挑战。
摆脱激光雷达，技术上靠谱吗？
目前，具备城市领航辅助能力的智能车，普遍常见1-2个激光雷达的配置，也有的是3个，都宣称自己是最可靠最领先的。
但摆脱了激光雷达的智能驾驶系统，对于不了解细节的用户，不免产生疑问：多个硬件多份保障，没有激光雷达的智驾，能靠谱吗？
回答这个问题，首先要弄明白激光雷达在车上有啥用。
量产智能驾驶系统，你可以把它看成一个AI司机，它开车的方式和人类相同，也是用眼睛去感知一切信息。这是计算机视觉学科自然而然衍生出的一个应用方向。
这个AI司机的“眼睛”，就是车端的摄像头。而让AI司机分辨出看到的目标、物体的“大脑”就是背后的感知识别算法。
算法的本质是AI，而不是“if else”的判断指令，因为你不可能穷举世界上每一种交通参与者或场景状况。既然是AI，它就需要大量的数据学习，作为感知识别的基础。
但是这里有一个问题，人类看到的世界，是3维立体的，你可以凭直觉判断一个目标的形状、大小，距离远近。但摄像头捕捉到的图像信息，却是2维平面，同时AI又不具备和人类一样的“直觉”。
所以从2维数据复现构建出3维实时场景，是纯视觉智能驾驶系统的最大挑战。当然还有另一个难题是路上的异形物、异型车层出不穷，在有限数据集上学习训练的AI，难以完全识别覆盖。
在算法还不发达、车端芯片算力支持还不够的早期，给“眼神”不好的纯视觉系统增加一种感官，就成了最好的办法——激光雷达登场。
激光雷达发射红外光，碰到障碍物一定会产生相应的回波信号，这其中自然包含了目标的形状、大小，而通过回波时间，还能计算出距离信息。
相当于激光雷达通过“触觉”，构建场景的3维数据，给系统作为图像数据外的参考补充：视觉错检漏检的，激光雷达告诉你那还有一个XX目标。
但激光雷达成本高昂，目前在高档豪华车以外，难以随车标配。并且红外光回波信号的噪音抑制、信号处理等等，需要占用大量系统资源。而且激光雷达也不是万无一失，对于回波信号的识别，同样由算法完成，自然也有针对它的对抗攻击手段。
不依赖激光雷达的纯视觉方案要解决的关键问题，就是找出能够替代3维数据实时还原构建的视觉方法。
极越所展示的方式是OCC，Occupancy Networks，占用网络。
这项技术去年在特斯拉AI Day上被首次公开应用，后来特斯拉又在CVPR 2023的workshop上做了进一步阐述。
系统的主要感知识别数据仍然是视觉图像，摄像头采集的数据通过基于Transformer的BEV网络，应用自注意力机制进行特征提取，获得当前场景各个目标的语义分割信息，并加入时序特征。
OCC的作用，是在传统3D目标识别能力之上，通过体素（Voxel）化的方式理解和处理空间信息。
可以简单理解为将场景空间分割成单位化的“方块”，感知系统可以对3D空间的可通行区域进行高保真度还原。不需要考虑物体是什么，只考虑当下这个“方块”是否被占用：
OCC从根本上避免传统视觉对非训练集内物体的漏检问题，使模型的泛化能力大幅提升，能更好适应不同场景和环境。
而且对比激光雷达产生的稀疏且不连续的点云，摄像头采集的信息内容更丰富，更好地将3D几何信息与语义信息融合，更准确还原3D场景。
OCC的作用，同样提供了空间尺度下的物体大小、形状、距离等等信息，而且不需要额外传感器，依然使用摄像头采集的图像信息。
这也是极越01基于此前“纯视觉为主 激光雷达”的技术路线，又开发了“无激光雷达”智驾方案的关键，看似没了一项重要冗余，却依然能够实现点到点智能驾驶可靠性的关键技术。
重新审视激光雷达，高阶智驾新路线？
极越CEO夏一平透露，从2021年末就和王亮博士探讨纯视觉智能驾驶技术方案的可行性。
从用户端来看，这样的方案目前似乎有些激进，因为这两年激光雷达有成为高阶智驾标配之势。
但技术端、供应链一侧的震动，早已经酝酿、产生并传导：高阶智驾普及，传感器越来越轻，成本越来越经济。
之前耕耘自动驾驶、AI技术多年的玩家，比如大疆、商汤、旷视等等，今年纷纷公布智能驾驶量产产品路线，瞄准的是从2024以及后3年的新车型。
无一例外将高阶智驾的普及门槛越降越低，有鲜明且统一的标志：入门级方案成本不过千元级，功能至少是高速NOA起步。
激光雷达在这些方案中，逐渐成为选配或非必须，“领土”退守售价更贵、规模更小的车型上。
而且其退守有加剧之势：行业头部玩家公布的最新方案中，纯视觉系统实现的功能已经覆盖到城市通勤NOA。
王亮博士解释了核心原因：
“实际上，任何自动驾驶、智能汽车行业从业者都清楚，激光雷达不是自动驾驶的终局”。 这并不涉及什么“路线之争”，只是技术发展不同阶段的呈现。
他透露，2019年之前的尝试证明，纯视觉的方法要达到高可靠且体验良好的自动驾驶功能，“太难了”。所以激光雷达成了系统必不可少的传感器，相当于给当时“眼神不好”的AI司机，配了一根可以“触摸”环境的拐杖。
但激光雷达也有不尽完美的地方。其一是成本高昂（目前仍在数千元级别），是量产智驾普及、L4落地规模上量的主要障碍；其二是激光雷达让系统数据类型繁杂，数据量剧增，增添算法、算力资源负担。
所以“摆脱掉激光雷达依赖”实际上成了所有量产智能驾驶玩家的主动选择，也成了车企作为甲方的客观需求。
这同样也是老百姓的需求。因为1个激光雷达=至少数千元BOM成本，对于大众消费的20万元级或更加经济的车型，这样的智驾系统只能是尝鲜选配，没法普及。这也是目前行业的普遍状况。
智能化作为核心竞争力和产品价值，获得用户认可重视，极越和百度Apollo联合研发纯视觉方案的逻辑是：
用户不会认为多了几个硬件就是高级的，反而车端轻传感器减成本方案，背后的算力、数据、算法研发投入更大，这才是更高级更昂贵的智驾方案。 但这些软件端的研发成本不同于硬件，不是由用户直接买单，而是摊销进了规模化量产。
预售价25.99万的极越01，想做中国智能车的一个大胆尝试：点到点高阶智驾普及到大众消费车型，而且智能硬件标配，不选装不加价。
并且前端方案配置清晰、后端技术体系透明。
于是这一阶段比拼性价比的智能驾驶量产竞争几乎已宣告结束，下一阶段卷的方向更加清晰：更高的通行效率、更丝滑的乘坐体验，和更可靠的功能安全——细节处见功夫。
不再依赖激光雷达的高阶智驾，不是主观上的激进，而是技术和行业发展到一定阶段的必然和客观体现。
只不过令人吃惊的是，极越展示的技术实力，让这个标志性里程碑的到来大大加速了。
— 完 —
