2024年L3自动驾驶，真的要来了吗？

如题所述

推荐答案 2024-01-04

2022年高速NOA功能，2023年城市NOA功能，未来2024年小规模L3等级自动驾驶功能，不会大规模落地。

什么是L3自动驾驶？

为了回答这个问题，我们首先要看看什么才是L3等级自动驾驶？看看下面的图片，对于一个驾驶主体而言，开车可以分为：驾驶操作，周边监控，故障支援三种责任和能力。他们是逐步深入的，为此我们将其区分为6个等级（SAE标准）。

对于L2来讲，驾驶操作一定是机器自动完成，也就是车辆自己具备感知周围环境，并执行横向（转弯）和纵向（刹车、加速）的控制能力。但是这种能力可以是不可靠的！也就是周边监控的责任还在于驾驶司机本身。可靠度达到80-90%以上即可，这也是为什么现在自动驾驶车辆普遍要求司机必须手握方向盘的原因。

对于L3来讲，监控的责任100%在于车辆了，也就是系统的可靠度要99.99%。为了增加这10%甚至是5%的安全能力，整个系统需要极大的“冗余”开销。

一套不行，再来一套。冗余的传感器、冗余的执行器、冗余的电源，冗余的通讯等等。车辆在硬件、软件等方面的元件堆砌必不可免。这种冗余开销，就意味着成本的压力。

现在在武汉市的百度的“萝卜快跑”自动驾驶出租车，已经运行多年，技术上并没有太多的瓶颈。

对于自动驾驶普及来讲，现在20万左右的车可以实现L2.5等级的自动驾驶能力。但是更高阶的自动驾驶车辆（L3）恐怕要接近30万才可以。所以自动驾驶要想普及大规模应用，2024年降低成本工作任重道远。

二、技术发展趋势：大模型

自动驾驶的规模应用必须依赖大模型的发展，因为软件“不要钱”。相比于昂贵的萝卜快跑出租车堆叠硬件的自动驾驶能力，软件不要钱的打法更受到大家的欢迎。

截至目前，特斯拉的AI算法已经发展到了大模型阶段。具体来讲，就是Transformer+BEV+占用网络。

1.Transformer+BEV+占用网络

一方面，BEV可以高效表达自动驾驶系统周围的丰富空间信息；另一方面，Transformer在处理序列数据和复杂上下文关系方面展现了独特优势。两者结合可以充分利用BEV提供的环境空间信息，以及 Transformer在多源异构数据建模方面的能力，实现更精确的环境感知、更长远的运动规划和更全局化的决策。 两者组合可实现互补，增强对复杂场景的理解表达。

这方面的引领者就是头部车企：特斯拉。

今年8月26日，马斯克亲自上线开启了一场FSD Beta V12试驾直播，引百万人现场围观。此次展示的FSD Beta V12是有史以来第一个端到端AI自动驾驶系统（Full AI End-to-End），是特斯拉最重要的一次升级。直播45分钟，FSD Beta V12系统在行驶全程进展非常顺利，能够轻松绕过障碍物，识别道路各种标志。45分钟内人工干预一次。

2020年以来， Transformer+BEV+占用网络结合正在成为自动驾驶领域的重要共识，推动自动驾驶技术进入崭新发展阶段。

2.国内现如今，也在全面拥抱特斯拉的技术方案

理想AD Max 3.0正在快速成长和迭代。为了摆脱高精地图的依赖，理想采用了BEV大模型，来实时感知和理解环境中的道路结构信息。针对复杂路口，理想使用自研的神经先验网络（NeuralPriorNet），简称为NPN网络，提前进行路口NPN特征的提取。为了理解红绿灯规则，理想训练了一个端到端的信号灯意图网络（TrafficIntentionNet），简称为TIN网络。面对道路上可能会出现的通用障碍物，比如施工路障、遗撒物体、卡车后斗伸出的货物等，使用Occupancy网络，来精准地识别它们的边界和类型。

华为ADS2.0自动驾驶系统。华为选择了激光雷达和摄像头的结合。这是因为多传感器的结合比纯视觉更可靠，同时也带来了更大的挑战。为了解决多传感器的整合问题，华为发布了BEV+Transformer+GOD方案，这一智能驾驶方案比特斯拉的BEV+Transformer更先进和复杂。GOD 2.0：General Obstacle Detection，通用障碍物监测网络，看得懂物；RCR 2.0 : Road Cognition & Reasoning，道路拓扑推理网络，看得懂路。

华为提出的 GOD本质上就是占用网络，是以激光雷达点云作为基础，得出的占用网络结果，通过 3D 点获得 3D 占用网络，再通过视觉进行一定的融合。