[大咖談]中寰衛(wèi)星黃亮：著名車企關(guān)閉L3研發(fā)，我們看到了什么？

　　2020年3月中旬，一篇關(guān)于“著名車企關(guān)閉L3研發(fā)”的文章出現(xiàn)在了我的朋友圈里。自從2019年以來，自動駕駛行業(yè)就如潰堤般一路下行，好不容易到了年底傳出幾家大名鼎鼎的自動駕駛初創(chuàng)公司融資成功的利好消息，身處武漢，在新冠病毒就快要被戰(zhàn)勝的時(shí)刻，并且正準(zhǔn)備全面復(fù)工，看到這標(biāo)題也確實(shí)被驚到了一下。

　　但是，細(xì)細(xì)品味這篇文章后，發(fā)現(xiàn)實(shí)際情況是，奧迪關(guān)閉L3，轉(zhuǎn)而把人員投入到L2和L4的研發(fā)上，按照文章說法這里面有技術(shù)，有法律的問題，而我覺得更有L3產(chǎn)品能否被用戶接受繼而產(chǎn)品變現(xiàn)的現(xiàn)實(shí)問題。按照目前L3的通俗定義是，在限定條件下，也就是依靠車輛自身能感知，能可靠運(yùn)行時(shí)，由車輛替代駕駛員來駕駛，那么在限定條件以外仍然是駕駛員來駕駛，那么在產(chǎn)品的設(shè)計(jì)上就非常不方便，因?yàn)檐囕v自身感知的可靠環(huán)境切換往往非常快，甚至可以說非常頻繁，比如出現(xiàn)修路的情況，這個(gè)時(shí)候駕駛員怎么從駕駛走神的狀態(tài)回復(fù)到能接管車輛就是很大的問題，甚至可以說非常的反人性了。而如果關(guān)注L2和L4就不存在這種問題。L2全部由駕駛員負(fù)責(zé)，車輛只是輔助，而暫且不談L4什么時(shí)候能可靠的量產(chǎn)上市，至少在駕駛過程中，不存在需要駕駛員和車輛駕駛的來回切換問題。從駕駛的可用性來說，L2和L4都是遠(yuǎn)超L3的可行方案。

　　而放棄L3，轉(zhuǎn)向L2和L4，從技術(shù)和產(chǎn)品的發(fā)展角度來說，這是自動駕駛做為新技術(shù)趨向于成熟量產(chǎn)的一個(gè)理性過程，大家由單純的對技術(shù)的渴望和狂熱，變?yōu)楦幽_踏實(shí)地的去考慮落地場景，繼而將浮在天上的技術(shù)轉(zhuǎn)化成真實(shí)的產(chǎn)品。Gartner曲線(成熟度曲線)完美的詮釋了這一發(fā)展過程。

2019 Gartner曲線，圖片來源于網(wǎng)絡(luò)

　　這是一條描述新技術(shù)產(chǎn)生后社會預(yù)期隨時(shí)間變化的曲線，它能呈現(xiàn)新技術(shù)的市場熱度和現(xiàn)實(shí)發(fā)展的偏離程度

　　從圖中可以看到L4自動駕駛的熱度正在急劇下降，并且預(yù)計(jì)需要10年以上的時(shí)間才能實(shí)現(xiàn)。而L3甚至都沒有畫上，如果有，無疑在比L4更靠近底部的位置上。而L2則必然是在量產(chǎn)的階段了。

　　L4還有待時(shí)日，現(xiàn)在L3又被放棄，我們該做什么呢?毫無疑問，目標(biāo)就是L2了，其實(shí)在汽車產(chǎn)業(yè)中早已經(jīng)有兩個(gè)標(biāo)桿性的產(chǎn)品了，就是Telsa的AutoPilot和通用卡迪拉克CT6的SuperCruise了，在行業(yè)內(nèi)也早已經(jīng)形成共識，把他們定義為L2.5甚至L2.9，叫法的不同，而實(shí)際上都是L2的產(chǎn)品，做為吃螃蟹的代表他們已經(jīng)取得了不小的成就，國內(nèi)車企也紛紛把他們做為代表性的對標(biāo)產(chǎn)品。我本人一直就是L2的推崇者，并且一直在努力這方面的產(chǎn)品。

　　而其他更多的L2產(chǎn)品則是以自適應(yīng)巡航(ACC)和車道保持(LKA)為代表了，雖然這類的L2產(chǎn)品已經(jīng)實(shí)現(xiàn)了部分的量產(chǎn)，但是我覺得這些產(chǎn)品還有很大的進(jìn)步空間。比如車輛在急彎，連續(xù)上下坡，陡坡，這些路段開啟該功能仍然是十分不穩(wěn)定或者不可靠的。

　　比如，在視頻”Tesla Autopilot vs. Cadillac Super Cruise“的11：45秒的時(shí)候，Tesla在經(jīng)歷一段上下起伏的路段時(shí)，車輛會明顯偏離道路，這是由于車輛在起伏道路上仰角發(fā)生了變化，相機(jī)的姿態(tài)發(fā)生了改變繼而檢測的車道線就不穩(wěn)定了，于是就直接影響到了車輛的橫向控制，這是極易引起不必要的車輛事故。

可以看到前方道路是先下坡繼而馬上上坡，因?yàn)檐囕v偏離道路，駕駛員進(jìn)行了干預(yù)

　　類似的，因?yàn)槁访孳嚨谰€的不清晰，甚至是車道線的錯誤，從而引起的Tesla的事故更是屢見不鮮。

　　如果能預(yù)知車輛所在的路面情況，通過算法加以修正，那么無疑是對目前的車道保持的極大提升。

　　同樣在自適應(yīng)巡航方面，如果車輛遇到連續(xù)上坡，或者連續(xù)下坡，表現(xiàn)也是非常不盡人意，車輛很容易速度控制的不夠穩(wěn)定，或者表現(xiàn)出危險(xiǎn)的駕駛情況，如果在這個(gè)基礎(chǔ)上在遇上彎道，往往也一定會遇到彎道，這時(shí)即使是駕駛員負(fù)責(zé)著也會顯得更加的恐怖，不論是大卡車還是小轎車都會面臨這樣的問題，而尤其以卡車的影響更為巨大，比如去年蘭州17Km的長下坡事故。

　　最后當(dāng)然就是城市內(nèi)的各種路口和高速公路上的匝道，如果都能提前預(yù)知，車輛提前做一些相關(guān)的控制，該變道的就要提示變道了，該減速的就該減速了。

假設(shè)車輛遇到連續(xù)上坡，或者連續(xù)下坡

　　那么現(xiàn)狀如何呢，其實(shí)以上的情況，使用車上現(xiàn)有的傳感器顯然是不行的，要么是感知不到，要么就算是感知到，就比如圖2這樣，已經(jīng)在坡上了。但是在不改變現(xiàn)在車輛設(shè)備的情況下，使用一般量產(chǎn)的定位設(shè)備，在加入地圖軟件，就可以近乎完美的解決。因?yàn)槲覀冎灰嬷囕v前方大致什么類型的路況即可。

　　實(shí)際上做為圖商，我們有全部的路網(wǎng)和路型，完全可以在使用的時(shí)候，先通過數(shù)學(xué)算法，將道路的情況做好精確的分類，定義好急彎，連續(xù)上下坡的，預(yù)告好前面路的情況。剩下的就是大家使用一套通用的規(guī)則來獲取這些路的情況和分類罷了，這也是地圖做為傳感器的精髓所在。