買頂配的理想，才送代駕司機(jī)

出品 | 虎嗅汽車組

作者 | 王笑漁

編輯 | 周到

頭圖 | 視覺中國(guó)

(相關(guān)資料圖)

" 司機(jī)地位低 " 的言論，出自于理想汽車創(chuàng)始人李想在去年的一場(chǎng)直播。

不過(guò)，這一言論確實(shí)被斷章取義了。直到李想在微博上發(fā)文回應(yīng)，事件才告一段落，他當(dāng)時(shí)寫到：" 在很多大型車的產(chǎn)品定義里，首先以照顧后排的老板為目的，司機(jī)的重要級(jí)別是最低的，所以可以犧牲司機(jī)的舒適性和體驗(yàn)。我們的產(chǎn)品定義不這么做，我們認(rèn)為司機(jī)很重要，不能干擾司機(jī)，通風(fēng)、按摩也要給到司機(jī)。"

然而，一個(gè)不爭(zhēng)的事實(shí)的是，理想汽車諸多產(chǎn)品亮點(diǎn)是圍繞著，" 女人和孩子開心了，我就很開心 " 的理念來(lái)進(jìn)行延展。比如，理想 L7 的 " 皇后座 "，理想 L9 的 " 冰箱 " 和 " 彩電 "，無(wú)一例外都是服務(wù)于二排乘客的配置。" 奶爸 " 除了賺錢養(yǎng)家，其余的任務(wù)似乎就剩下認(rèn)真開車了。

但現(xiàn)在，理想終于打算讓駕駛員們開心一下了——在 6 月 17 日的家庭科技日上，理想汽車宣布本月即將開啟城市 NOA（導(dǎo)航輔助駕駛）內(nèi)測(cè)。并且還宣布下半年，將向用戶開放通勤 NOA 功能，讓用戶擁有屬于自己的 " 專屬電梯 "，每天上下班更輕松、更便捷。

前兩天，虎嗅汽車受邀在 " 地獄級(jí) " 路段北京望京，試駕體驗(yàn)了理想的城市 NOA 城市功能。最直觀的感受就是——理想給我請(qǐng)了一個(gè)代駕司機(jī)，但還屬于剛上崗不久的狀態(tài)。

AI 司機(jī)初來(lái)乍到，地獄難度直接整上

如果僅用接管率來(lái)作為評(píng)分標(biāo)準(zhǔn)，那么理想的城市 NOA 只能說(shuō)剛剛及格。但如果把使用場(chǎng)景的因素考慮進(jìn)去，理想 NOA 能過(guò)的 " 關(guān)卡 "，小鵬和華為都不一定能拿到滿分。

這次，我們體驗(yàn)的場(chǎng)景是北京的望京核心區(qū)域。作為北京最繁華的區(qū)域之一，望京的開車規(guī)矩，就是沒有規(guī)矩。交通擁堵和路況復(fù)雜程度令不少網(wǎng)約車師傅都望而卻步。

路邊的違停車輛、逆行的外賣小哥、橫穿的行人以及隨意、擺放的施工路障等，都為 "AI 司機(jī) " 的大考增加了難度。

一次緊急接管

從望京到順義，經(jīng)過(guò) 77 個(gè)路口、40 公里路程，但我碰上了幾乎所有的極端場(chǎng)景。其中，有兩次接管都是因車輛違章橫穿雙黃線調(diào)頭所致，有一次接管則是外賣小哥別停前車所致，還有一次施工道路水馬侵占車道所致。

我愿將 " 望京停車場(chǎng) "、" 廣州城中村 "、" 深圳華強(qiáng)北 "、" 上海南浦大橋 " 稱之為中國(guó)四大 " 智駕煉獄 "。

另一次接管

第一關(guān)，"AI 司機(jī) " 要學(xué)會(huì) " 蛇皮走位 "。

望京的朋友都說(shuō)，" 這里罰款比停車費(fèi)劃算 "。在幾乎所有的右側(cè)車道上，都停滿了違停車輛。即便是你借道完成右拐之后，下一條路上的右側(cè)車輛依舊停滿了車。

如果是依賴高精地圖的城市 NOA 功能，到了望京可能會(huì)被違停車輛逼瘋掉。因?yàn)?，依賴高精地圖的方案更像是 " 盲人走盲道 "，車輛的違停就好比是盲道被占。

從理想城市 NOA 的表現(xiàn)來(lái)看，它更像是用人眼看路，用人腦思考。像最基本的，有違停車輛占道場(chǎng)時(shí)，理想城市 NOA 能夠絲滑地做到繞行；像無(wú)保護(hù)右轉(zhuǎn)的場(chǎng)景中，在有右側(cè)違停車輛時(shí)，它會(huì)傾向于選擇右側(cè)第二條車道進(jìn)行右拐；像右拐彎過(guò)程中，它也會(huì)及時(shí)判斷左側(cè)是否有來(lái)車以及下一條道路右側(cè)仍有違停車輛，如果都沒有則會(huì)迅速進(jìn)入中間車道。第二關(guān)，"AI 司機(jī) " 要學(xué)會(huì)看紅綠燈。

對(duì)于人來(lái)說(shuō)，看紅綠燈是三歲小孩都會(huì)的技能。但對(duì)于自動(dòng)駕駛系統(tǒng)而言，其難度并不在于識(shí)別紅燈還是綠燈，而是將識(shí)別到的紅綠燈信息與當(dāng)前行駛的道路進(jìn)行綁定，俗稱 " 綁路 "。

因?yàn)閹缀趺總€(gè)路口的紅綠燈位置、形狀、高度都大相徑庭，很難用人為寫入的規(guī)則，完成紅綠燈路口的通行。如果是通過(guò)高精地圖以及 V2X 的方案，系統(tǒng)可以提前預(yù)知紅綠燈信息。這就相當(dāng)于 " 考試的時(shí)候有人給你寫小紙條 "，不用你動(dòng)腦筋思考，直接寫答案就行。

從理想城市 NOA 的表現(xiàn)表現(xiàn)來(lái)看，它能夠在綠燈亮起后的 1 秒鐘之內(nèi)完成起步，全程體驗(yàn)下來(lái)并沒有出現(xiàn)后車按喇叭催促的情況。不過(guò)，在遇到紅燈減速停車的過(guò)程中，點(diǎn)頭情況略微明顯。后續(xù)，算法團(tuán)隊(duì)與整車工程團(tuán)隊(duì)可能需要在細(xì)節(jié)體驗(yàn)上著重配合優(yōu)化。

一個(gè)細(xì)節(jié)是，如果前方大車在路口完全遮擋住了紅綠燈，理想城市 NOA 的可視化界面上是不會(huì)顯示紅綠燈信息的。當(dāng)前方大車開始起步時(shí)，它會(huì)先非常緩慢地進(jìn)行跟車，在確定是綠燈之后再繼續(xù)加速行駛。這基本能說(shuō)明，從紅綠燈信息的獲取上，理想已經(jīng)徹底擺脫高精地圖。

第三關(guān)，"AI 司機(jī) " 需要學(xué)會(huì)博弈。

在遇到各類的博弈場(chǎng)景時(shí)，理想城市 NOA 雖然可能會(huì)與較大明顯的制動(dòng)和避讓，但大多數(shù)的時(shí)候不會(huì)完全剎停等待對(duì)方通過(guò)，而是慢慢地找機(jī)會(huì)通過(guò)。

與匯流車輛博弈時(shí)，它會(huì)在旁車阻擋路徑的一瞬間進(jìn)行大力的制動(dòng)，但同時(shí)會(huì)緩慢開始加速。在保持安全距離的同時(shí)，像人一樣往前慢慢地 " 擠出 " 可行駛區(qū)域。

與行人的博弈，也是類似。通常發(fā)生在拐彎的場(chǎng)景中，車輛需要與避讓斑馬線上的行人。但如果完全停下來(lái)讓行人走完，很可能一波走完接著又來(lái)一波。所以，理想 NOA 有時(shí)候會(huì)通過(guò)蠕行 + 輕微調(diào)整方向盤的方式，一邊避讓行人一邊往前慢慢挪，等到斑馬線上出現(xiàn)空擋后，迅速駛離?？傊?，理想城市 NOA 讓人感受到，它開始像人類一樣觀察、像人類一樣開車。而這要感謝 AI 大模型的幫助，讓原本線性的成長(zhǎng)變?yōu)檐S升式，讓理想實(shí)現(xiàn)了 " 彎道超車 "。

" 微博之王 " 又贏麻了？

理想汽車，并不是業(yè)內(nèi)第一家自研自動(dòng)駕駛，也不是第一家量產(chǎn)激光雷達(dá)和大算力芯片，更不上第一家提出 " 重感知輕地圖 " 方案。但理想確實(shí)是第一家在北京落地 " 無(wú)圖 " 城市 NOA 功能，并且今年年底擴(kuò)張 100 城的口號(hào)也是理想喊得最響亮。

之所以能追得這么靠前，且跑得如此之快，與路徑的選擇有著密不可分的關(guān)系。

現(xiàn)在很多率先交付城市 NOA 類功能的車型，都是采用的高精地圖的方案，并且在規(guī)劃控制層面大量基于人寫的規(guī)則。但在復(fù)雜多變的城市場(chǎng)景中，總會(huì)有高精地圖無(wú)法覆蓋和無(wú)法及時(shí)更新的區(qū)域，也總會(huì)有事先沒有預(yù)料到的場(chǎng)景。

理想這招 " 后發(fā)制人 "，則越過(guò)高精地圖方案，直接上 AI 大模型。

首先，理想城市 NOA 要實(shí)現(xiàn)不依賴高精地圖，其核心是采用 BEV（Bird ’ s eye view，鳥瞰圖）大模型，來(lái)實(shí)時(shí)感知和理解環(huán)境中的道路結(jié)構(gòu)信息。業(yè)內(nèi)對(duì)于這套 BEV 感知算法的討論和量產(chǎn)都已經(jīng)很多了，這里就不多贅述。

但在一些城區(qū)復(fù)雜的路口，僅通過(guò) BEV 大模型來(lái)進(jìn)行感知依然不夠穩(wěn)定。例如在一些跨度較大的路口，通行車輛較多，傳感器視野容易被遮擋，導(dǎo)致車端實(shí)時(shí)感知的結(jié)果會(huì)丟失局部的信息，顯得不夠穩(wěn)定。

針對(duì)這類復(fù)雜路口，理想的做法是使用自研的神經(jīng)先驗(yàn)網(wǎng)絡(luò)（NeuralPriorNet），簡(jiǎn)稱為 NPN 網(wǎng)絡(luò)，提前進(jìn)行路口 NPN 特征的提取。當(dāng)車輛再次行駛到該路口時(shí)，將之前提取好的 NPN 特征拿出來(lái)，與車端感知大模型的 BEV 特征層相融合，就得到了完美的感知結(jié)果。其次，在 " 看紅綠燈 " 這件事上，理想訓(xùn)練了一個(gè)端到端的信號(hào)燈意圖網(wǎng)絡(luò)（TrafficIntentionNet），簡(jiǎn)稱為 TIN 網(wǎng)絡(luò)。不需要人為設(shè)定任何規(guī)則，甚至不需要識(shí)別紅綠燈的具體位置。只要將圖像視頻輸入給 TIN 網(wǎng)絡(luò)模型，網(wǎng)絡(luò)就能直接給出車輛現(xiàn)在該怎么走的結(jié)果——左右轉(zhuǎn)、直行或停止等待。此外，理想還通過(guò)學(xué)習(xí)人類司機(jī)在路口對(duì)信號(hào)燈變化的反應(yīng)，來(lái)訓(xùn)練 TIN 網(wǎng)絡(luò)模型。

接著，面對(duì)道路上可能會(huì)出現(xiàn)的通用障礙物，比如施工路障、遺撒物體、卡車后斗伸出的貨物等，理想使用 Occupancy 網(wǎng)絡(luò)，來(lái)精準(zhǔn)地識(shí)別它們的邊界和類型。通過(guò)對(duì) Occupancy 網(wǎng)絡(luò) " 投喂 " 大量訓(xùn)練里程，來(lái)提升識(shí)別的內(nèi)容和準(zhǔn)確性。

像人一樣看路還不夠，還得讓 AI 像人一樣操控。

為了讓 "AI 司機(jī) " 在駕駛決策和軌跡上，也像人類司機(jī)一樣做出合理的判斷，理想在規(guī)控算法上應(yīng)用了模仿學(xué)習(xí)的方法，通過(guò)大量駕駛員的駕駛行為進(jìn)行訓(xùn)練，讓城市 NOA 的決策和規(guī)劃，在保證安全、符合交通規(guī)則的前提下，做出更像人類駕駛員的判斷。

像前文提到的，從右側(cè)第二條車道進(jìn)行右拐，就是一種擬人化的表現(xiàn)。

當(dāng)車輛需要右轉(zhuǎn)的時(shí)候，按照交通規(guī)則，可以選擇右轉(zhuǎn)后兩條車道的任意一條來(lái)匯入。但理想通過(guò)觀察大量的人類開車的軌跡，發(fā)現(xiàn) 90% 以上的用戶都會(huì)走右二車道而非右一車道，因?yàn)橛乙卉嚨赖陌踩院托识疾蝗缰苯幼哂叶?，而且走右二車道的轉(zhuǎn)彎半徑更大，轉(zhuǎn)彎過(guò)程更加平穩(wěn)。所以，理想的模型在這個(gè)路口學(xué)習(xí)訓(xùn)練的最終結(jié)果，也是傾向于走右二車道。

寫在最后

理想的核心技術(shù)，并不是大家常說(shuō)的大冰箱、大彩電、大沙發(fā)，而是 " 場(chǎng)景造物 " ——先拋出你需要給孩子溫牛奶的場(chǎng)景，再賣給你冷暖冰箱；拋出二胎家庭帶娃坐車的場(chǎng)景，再賣給你能管得住孩子們的后排大屏；拋出女主人在車?yán)锬苌熘蹦_的尊貴感，再賣給你皇后座。

同樣的邏輯，再勸你多加四萬(wàn)元或者六萬(wàn)元上 Max 頂配車型時(shí)，理想拋出了一個(gè)絕大多數(shù)用戶都會(huì)遇到的場(chǎng)景——通勤場(chǎng)景。

理想給用戶所描繪的場(chǎng)景是這樣的：" 上下班通勤通常也是一天中最疲憊，最需要輔助駕駛的時(shí)間。很多車主都非常關(guān)心，每天上下班的路上能否使用 NOA 功能。所以我們推出了大家最需要的通勤 NOA 產(chǎn)品。"

然而，通勤 NOA 產(chǎn)品，目前只針對(duì) Max 版車型的用戶。這些多花了幾萬(wàn)的頂配車型用戶，可以自主設(shè)定通勤路線，通勤時(shí)即開始自動(dòng)化訓(xùn)練。簡(jiǎn)單路線 1 周以內(nèi)即可激活，復(fù)雜路線預(yù)計(jì) 2-3 周完成訓(xùn)練。有了通勤 NOA，就好像在上下班路上，讓你擁有了自己的 " 專屬電梯 "。

那么問(wèn)題來(lái)了，你會(huì)多花幾萬(wàn)塊請(qǐng)一個(gè) "AI 司機(jī) " 替你開車嗎？