【ZiDongHua 之駕駛自動化收錄關(guān)鍵詞： 宏景智駕 新能源汽車 智能駕駛 毫米波雷達(dá)】
　　
　　讓高階智駕觸手可及-HDC2.0記憶行車的不俗表現(xiàn)
　　
　　前言
　　
　　“比起在紙上，我更愿意場地作圖！”
　　
　　——迪埃貝多·弗朗西斯·凱雷
　　
　　01
　　
　　創(chuàng)新范式的思考
　　
　　2022 年 3 月 15 日，有建筑界“諾貝爾獎”之稱的普利茲克獎授給了來自西非布基納法索的建筑師迪埃貝多·弗朗西斯·凱雷。在此之前，有人因和諧地融合了現(xiàn)代主義和和歷史元素而獲獎，有人因在建筑作品中融入尖端科技和前衛(wèi)理念而摘得桂冠，也有人因平衡了形式的巧妙和功能的強(qiáng)大而打動評委...但凱雷獲獎的的原因卻是另外一種畫風(fēng)。
　　
　　下面這張照片展示的是凱雷的代表作之一，他故鄉(xiāng)的一所小學(xué)。在這個項目中，凱雷就地取材，使用當(dāng)?shù)氐恼惩林谱髂啻u，這種經(jīng)濟(jì)的建材不僅易于生產(chǎn)而且可以抵抗炎熱的氣候，唯一的缺點是無法抵御雨水的沖刷。因此，凱雷依舊采用一種價格低廉的材料---波紋金屬板，增加了一個伸出建筑主體邊緣的大頂，解決了雨水侵蝕的煩惱。但這在炎熱的非洲，會帶來難以忍受的室內(nèi)高溫。于是，設(shè)計上將屋頂架高，引入一個充分通風(fēng)的穿孔粘土天花板，高溫的問題也迎刃而解。
 
　　
　　凱雷還做過很多類似的項目，他認(rèn)為好的設(shè)計應(yīng)該從使用者自身的福祉出發(fā)，聚焦最重要的基本需求、在有限的預(yù)算內(nèi)，利用或者重估已有的經(jīng)驗、知識和技術(shù)，創(chuàng)造性的交付成果，同時仍然不犧牲優(yōu)雅的美感。顯然，這很難讓人否認(rèn)這也是一種創(chuàng)新的范式。
　　
　　創(chuàng)新，原來并非只有巨額研發(fā)投入砸出一個炫目的果實這一條路徑，凱雷為另外一種創(chuàng)新范式書寫了一個生動的注腳。
　　
　　02
　　
　　HDC2.0的前世今生
　　
　　回到烈火烹油的新能源汽車市場，智能駕駛作為汽車“新四化”的主戰(zhàn)場之一，自然吸引大量的人才和資金投入。技術(shù)進(jìn)步是顯而易見的，很多高端智駕的功能體驗已經(jīng)可以用“驚艷”來形容，作為從業(yè)人員對這一點深有體會。但另一方面，與我們直觀感受有些相悖的事實是，真正享受到智駕技術(shù)進(jìn)步的消費者數(shù)量仍然比較低。
　　
　　根據(jù)乘聯(lián)會的統(tǒng)計，2023 年國內(nèi)乘用車零售總量達(dá) 2169.9 萬輛，但 15 萬以下的車型占到了 51.7%，這個比例可以繼續(xù)細(xì)分成兩部分：占比 17.7%的 10 萬以下車型和占比 34%的 10-15 萬車型。10 萬以下的車型的智駕功能滲透率幾乎可以忽略不計，15 萬以下的車型配備高端智駕（NOA 功能）的車型也寥寥無幾。這意味著，接近五分之一消費者無法享用輔助駕駛帶來的便捷，而能體驗到輔助駕駛功能的消費者大部分體驗的也只是基礎(chǔ)的 L2 功能。
 
　　
　　根據(jù)佐思汽研的測算，高端智駕 NOA 的滲透率在 2025 年可達(dá) 30%，當(dāng)然這個數(shù)據(jù)包含了高速 NOA 和城市 NOA。高速 NOA 是 L2 級向更高級別躍進(jìn)的最初形態(tài)，也是目前大多數(shù)車型 NOA 功能的真實形態(tài)，而更高性能的城市 NOA 功能，雖然已經(jīng)在多款關(guān)注度比較高的車型上量產(chǎn)，但從絕對數(shù)量上來看，仍舊是極少數(shù)。要實現(xiàn)城市 NOA，車端需要配備豐富的傳感器（典型的配置是 6 個行車攝像頭，1 個激光雷達(dá)，若干個毫米波雷達(dá)）和大算力芯片（典型 AI 算力 200T 以上），一個典型的系統(tǒng)配置成本可以很輕松的超過 1.5 萬元人民幣。需要指出的是，這還僅是邊際成本，如果考慮當(dāng)下?lián)尡M風(fēng)頭的端到端或者至少是分階段端到端的算法的開發(fā)成本，總體成本則會更高。
　　
　　天然的、高昂的成本成為阻擋這個功能觸及更多用戶的隱形天花板。而從消費者角度出發(fā)，城市場景又占據(jù)了用車的絕大部分時間。這一點可以從更符合中國乘用車使用實際情況的 CLTC 測試循環(huán)的工況設(shè)置看出來，根據(jù)循環(huán)的速度曲線不難統(tǒng)計出高速工況僅占總時長的 10.7%，而城市工況和郊區(qū)工況各占了 52.8%和 36.5%。
　　
　　一邊是巨大的需求，一邊是高企的成本，如何在這二者之間取得平衡？建筑師凱雷的故事帶給我們很大的啟發(fā)，我們不禁自問，如何用更容易負(fù)擔(dān)的起的成本去解決用戶大部分的城市出行場景？對這個問題的思考，促成了宏景智駕產(chǎn)品路線圖上 HDC2.0 序列的誕生。
　　
　　03
　　
　　揭開HDC2.0的神秘面紗
　　
　　當(dāng)我們分析用戶城市用車場景的時候，一個直觀的感受是固定路線的通勤占據(jù)了我們城市用車時間大部分比例。如果能在這個高頻場景下以相對經(jīng)濟(jì)的方式提供體驗優(yōu)異的駕駛輔助功能，將會為用戶帶來巨大的價值。
　　
　　為了降低系統(tǒng)的價格門檻，需要對傳感器配置和計算資源進(jìn)行精打細(xì)算，為此我們在技術(shù)路線上對這種高頻的固定路徑采用了“記憶“的方式，所謂”記憶“就是通過視覺提取環(huán)境中的特征，并將這些特征和車輛自身的運動學(xué)信息關(guān)聯(lián)起來，并將相關(guān)的數(shù)據(jù)存儲下來，這樣就相當(dāng)于幫助車輛建立并記憶了一個路線圖。在成功記憶一條路線后，再次行駛這條路線時，車輛就可以根據(jù)相機(jī)實時感知的結(jié)果實現(xiàn)定位，知道自己處在這條路線上的哪個位置。采用這種方式，可以省掉成本高昂和”鮮度“堪憂的高精地圖。
　　
　　對于成功“記憶”的路線，我們將需要處理的典型挑戰(zhàn)場景分成路段和路口兩大類。在路段上，典型的挑戰(zhàn)場景主要有：靜止或低速車輛的避障繞行，相鄰車道車輛的博弈交互（自車變道，臨車 cut-in 等）；路口場景的典型挑戰(zhàn)場景包括：紅綠燈狀態(tài)識別和路面標(biāo)志的關(guān)聯(lián)，密集車流下的轉(zhuǎn)彎，行人和非機(jī)動車避讓，鬼探頭場景的處理等。
　　
　　為了以相對經(jīng)濟(jì)的方案應(yīng)對這些挑戰(zhàn)，在感知器件上，我們?nèi)∠税嘿F的激光雷達(dá)的同時，保留了毫米波雷達(dá)，同時保持了相機(jī)部署的靈活性，除了前視相機(jī)之外，還可以復(fù)用高速 NOA 功能的周視相機(jī)。在算力方面我們希望能控制在幾十 T 的水平。無疑，這對算法能力提出了很高的要求，需要聚焦關(guān)鍵功能和場景，進(jìn)行軟硬一體的深度優(yōu)化。歷時近一年的高強(qiáng)度工作，宏景智駕前瞻團(tuán)隊的同學(xué)交出了自己的成績單，讓我們一起看下 HDC2.0 記憶行車的不俗表現(xiàn)。
　　
　　04
　　
　　創(chuàng)新，步履不停
　　
　　在宏景，創(chuàng)新從未止步。凱雷用他的作品告訴我們，創(chuàng)新不僅僅是技術(shù)的突破，更是對人的福祉的深刻理解和回應(yīng)。正如他在設(shè)計中以有限的資源實現(xiàn)了卓越的效果，HDC2.0 亦是如此。對技術(shù)的精細(xì)優(yōu)化和對用戶需求的深刻洞察，讓我們將“科技平權(quán)”的美好愿景變?yōu)楝F(xiàn)實，讓更多的人在日常通勤中享受科技帶來的便捷與安全。創(chuàng)新，正是我們永不停歇的腳步和無盡的追求。