Hello大家好！

對(duì)于每天需要長(zhǎng)時(shí)間開(kāi)車(chē)上下班的人來(lái)說(shuō)，漫長(zhǎng)的通勤路可以說(shuō)是非常痛苦的，擁堵的路況不僅毫無(wú)駕駛樂(lè)趣可言，還得時(shí)刻準(zhǔn)備和鄰車(chē)斗智斗勇。

【資料圖】

但如果此時(shí)，你的車(chē)突然掌握了高階輔助駕駛駕駛的奧義，并能夠?yàn)槟惴謸?dān)一把壓力時(shí)，你是否會(huì)為此感到解脫呢？

當(dāng)然，高階輔助駕駛目前還處在不斷打磨的階段，不過(guò)大疆、理想、小鵬卻不愿再做等待，并率先推出了“通勤模式”，旨在幫助打工人緩解通勤煩惱。

什么是“通勤模式”？

就和它的名字一樣，“通勤模式”的作用，就是讓車(chē)子在L2+的功能范疇內(nèi)，幫助車(chē)主開(kāi)車(chē)上下班，從而減緩大家在通勤路上的疲勞感。

而想要實(shí)現(xiàn)“通勤模式”，則需要車(chē)主像老師教學(xué)生一樣，先在固定的上下班路徑上開(kāi)一段時(shí)間，讓車(chē)子逐漸熟悉周邊的場(chǎng)景、學(xué)習(xí)車(chē)主的駕駛習(xí)慣。

在熟悉與學(xué)習(xí)完成后，“通勤模式”就能在通勤路上實(shí)現(xiàn)諸如智能跟車(chē)、智能變道、紅綠燈轉(zhuǎn)向等操作，厲害一點(diǎn)的甚至還能在最后幫你停好車(chē)。

雖然還不能像自動(dòng)駕駛一樣讓你真正脫手操作，但“通勤模式”足夠幫你省去不少頻繁加減速、保持車(chē)距、加塞變道的操作，并且訓(xùn)練得越久，它的操作也會(huì)越成熟。

實(shí)現(xiàn)“通勤模式”并不簡(jiǎn)單

聽(tīng)起來(lái)似乎很簡(jiǎn)單，但“通勤模式”可遠(yuǎn)不是某些人認(rèn)為的“記憶行車(chē)”那么簡(jiǎn)單，如果想要讓一套“通勤模式”真正好用，就必須要具備高感知及認(rèn)知能力。

“看得見(jiàn)”的感知

“通勤模式”開(kāi)啟后，車(chē)子首先要能“看得見(jiàn)”，這需要感知模型從攝像頭、激光雷達(dá)處獲取數(shù)據(jù)，并生成能夠描述真實(shí)場(chǎng)景的BEV網(wǎng)絡(luò)。

BEV是英語(yǔ)“鳥(niǎo)瞰圖”的縮寫(xiě)。對(duì)于輔助駕駛和自動(dòng)駕駛來(lái)說(shuō)，BEV是一種主流的映射真實(shí)世界場(chǎng)景的視圖形式。在BEV網(wǎng)絡(luò)下，輔助駕駛和自動(dòng)駕駛能夠獲得更直觀的周邊視角。

這一過(guò)程存在一個(gè)難點(diǎn)，就是如何把不同種類(lèi)傳感器的特征進(jìn)行融合，并保證精確。對(duì)此，特斯拉、蔚小理等車(chē)企普遍使用BEV+Transformer的方式，先通過(guò)視覺(jué)神經(jīng)網(wǎng)絡(luò)的Backbone識(shí)別圖片特征，再借助Transformer將各個(gè)圖像的特征進(jìn)行融合。

Backbone的直譯是“主干”，就像一棵大樹(shù)存在主干和枝干一樣，Backbone的作用就是作為數(shù)據(jù)特征識(shí)別的第一步，先確定數(shù)據(jù)特征的大致種類(lèi)，再將其分配給對(duì)應(yīng)種類(lèi)的枝干做更進(jìn)一步的特征識(shí)別，從而一步步細(xì)化數(shù)據(jù)特征，最后完成精準(zhǔn)識(shí)別。

Transformer是近幾年在自動(dòng)駕駛領(lǐng)域頗為流行的神經(jīng)網(wǎng)絡(luò)模型，其能夠借助自注意力機(jī)制去挖掘不同數(shù)據(jù)中特征的相關(guān)性，從而對(duì)多模態(tài)數(shù)據(jù)進(jìn)行準(zhǔn)確融合、映射出更真實(shí)的世界。

“看得懂”的感知

這還只是能“看得見(jiàn)”而已，如果想讓“通勤模式”正常運(yùn)行，就得讓它能“看得懂”周?chē)膱?chǎng)景，明白什么是紅綠燈，什么是車(chē)道線，從而判斷出可達(dá)空間，繼而規(guī)劃路徑。

對(duì)此，車(chē)端又會(huì)搭載一系列的感知模型，它們會(huì)負(fù)責(zé)理解感知數(shù)據(jù)中的語(yǔ)義信息，比如路牌上的限速、左右轉(zhuǎn)車(chē)道的指引線等等，幫助后續(xù)規(guī)控策略的輸出。

而在這一過(guò)程中，一些特殊的感知數(shù)據(jù)還會(huì)被上傳到云端，比如感知系統(tǒng)發(fā)現(xiàn)了一種當(dāng)前車(chē)端模型無(wú)法準(zhǔn)確識(shí)別的障礙物，或者駕駛者在正常規(guī)劃的行駛路徑中莫名干預(yù)了，這些數(shù)據(jù)會(huì)在到達(dá)云端后被人工或自動(dòng)標(biāo)注的形式，標(biāo)注數(shù)據(jù)特征。

之后，這些具備特征的數(shù)據(jù)又會(huì)被加入數(shù)據(jù)集，訓(xùn)練對(duì)應(yīng)的感知模型，而新模型在通過(guò)驗(yàn)證后，又會(huì)以O(shè)TA的方式回傳到車(chē)端，由此讓車(chē)子的感知能力越來(lái)越強(qiáng)。

“擬人化”的認(rèn)知

如果規(guī)控策略太過(guò)機(jī)械生硬，那么給到駕駛者和乘客的乘坐感受就會(huì)非常糟糕。這種時(shí)候，就需要“通勤模式”能夠?qū)W習(xí)駕駛者的駕駛方式。

通過(guò)重復(fù)學(xué)習(xí)，車(chē)端的駕駛數(shù)據(jù)也會(huì)傳遞至云端，并在特征標(biāo)注后交由認(rèn)知模型進(jìn)行訓(xùn)練，最終再經(jīng)過(guò)仿真驗(yàn)證回傳至車(chē)端，得到駕駛風(fēng)格更自然、更接近真人駕駛的效果。

可以看出，“通勤模式”的內(nèi)核，實(shí)際就是將原本的城市域高階輔助駕駛的實(shí)現(xiàn)范圍，從全國(guó)所有城市道路縮小到了駕駛者的通勤道路。

然而，“通勤模式”并不能等于后者，除使用范圍受限之外，駕駛者還需要主動(dòng)訓(xùn)練“通勤模式”，也就是盡量多的沿著固定路線駕駛，直到“通勤模式”完全訓(xùn)練成熟為止。

“通勤模式”能幫到消費(fèi)者嗎？

基礎(chǔ)原理大致如此，對(duì)于多數(shù)消費(fèi)者，尤其是通勤距離長(zhǎng)、時(shí)間久的消費(fèi)者，“通勤模式”雖然存在一些缺點(diǎn)，但整體依舊是非常有使用價(jià)值的。

優(yōu)點(diǎn)

不同于任何一套輔助駕駛產(chǎn)品，“通勤模式”是兼容高速、快速路和城市道路的，而目前的高階輔助駕駛普遍還被區(qū)分為高速域和城市域兩種。

在這之中，高速域產(chǎn)品已經(jīng)投入使用了，而城市域產(chǎn)品由于國(guó)內(nèi)城市道路里程大、場(chǎng)景復(fù)雜、變量多等問(wèn)題還處在“期貨”階段。也就是說(shuō)，當(dāng)前只有“通勤模式”能帶給你覆蓋全場(chǎng)景的高階輔助駕駛的體驗(yàn)。

另外，針對(duì)自己最需要的場(chǎng)景進(jìn)行強(qiáng)化訓(xùn)練，也能讓訓(xùn)練出的“通勤模式”更貼合自己的需求，而換做其他高速域與城市域輔助駕駛系統(tǒng)，則全看泛化性做得如何了。

不足

首先，如果你的通勤場(chǎng)景恰好非常極端、非常復(fù)雜，那可能真的需要非常長(zhǎng)的訓(xùn)練時(shí)間，并且最終的使用效果也不能完全保證。

并且，“通勤模式”依舊處于L2+范圍內(nèi)，即使它能夠通過(guò)訓(xùn)練達(dá)到無(wú)限接近于脫手駕駛的能力，駕駛者依舊需要時(shí)刻關(guān)心前方路況，而且哪怕“通勤模式”本身恪守交通法規(guī)，在實(shí)際駕駛過(guò)程中，也經(jīng)常會(huì)發(fā)生鄰車(chē)不遵守交規(guī)的情況，我們就得時(shí)刻做好接手準(zhǔn)備。

車(chē)企為何集體加碼“通勤模式”？

“通勤模式”之所以被越來(lái)越多的車(chē)企加碼，本質(zhì)上是為了越過(guò)當(dāng)前城市域高階輔助駕駛落地難、落地慢的困境，讓消費(fèi)者更快體驗(yàn)到新技術(shù)的同時(shí)，“以點(diǎn)帶面”加速整個(gè)高階輔助駕駛技術(shù)的迭代。

而城市域高階輔助駕駛技術(shù)之所以落地難、落地滿，主要問(wèn)題則是出在了地圖和數(shù)據(jù)這兩大“攔路虎”上。

地圖

先說(shuō)地圖。高階輔助駕駛要運(yùn)行，就必須需要一份導(dǎo)航地圖來(lái)提供一定的先驗(yàn)信息。而在前兩年，大家普遍都將目標(biāo)放到了高精地圖身上。

高精地圖具備的信息量是巨大的，它能夠配合高精定位，提供厘米級(jí)的定位、精確的駕駛輔助信息和語(yǔ)義信息，相當(dāng)于直接給高階輔助駕駛打開(kāi)了“上帝視角”。

但是，高精地圖的繪制和鮮度保持成本是極高的，并且考慮到政策管控因素，又會(huì)讓很多城市無(wú)法實(shí)現(xiàn)覆蓋，讓依賴(lài)高精地圖的城市域輔助駕駛產(chǎn)品無(wú)法落地。

數(shù)據(jù)

而如果不依賴(lài)高精地圖、選擇提升自身的感知能力，則又要面對(duì)技術(shù)層面最大的困難，數(shù)據(jù)。

如今的車(chē)企已經(jīng)默認(rèn)了“數(shù)據(jù)驅(qū)動(dòng)”路線，即在大算力加持下，借助海量數(shù)據(jù)訓(xùn)練大模型，提升高階輔助駕駛、乃至自動(dòng)駕駛技術(shù)的成熟度。

而在數(shù)據(jù)量及數(shù)據(jù)標(biāo)注、驗(yàn)證、仿真效率達(dá)到一定高度后，人工就能從中脫手，讓AI達(dá)成數(shù)據(jù)閉環(huán)，也就是自己訓(xùn)練自己，讓訓(xùn)練效率更上一層樓。

但對(duì)于目前所有的國(guó)內(nèi)車(chē)企來(lái)說(shuō)，這個(gè)難度還是非常大的，因?yàn)榇蠹业牧慨a(chǎn)車(chē)隊(duì)規(guī)模有限，導(dǎo)致獲取的數(shù)據(jù)總量受限。

另外，如何從海量數(shù)據(jù)中快速篩選高價(jià)值數(shù)據(jù)，又非?？简?yàn)標(biāo)注能力，而這又要說(shuō)到更多層面的問(wèn)題，這里篇幅有限，就不展開(kāi)了。

以點(diǎn)帶面

所以，與其為了等待完全體的城市域高階輔助駕駛技術(shù)落地而不斷跳票，還不如現(xiàn)實(shí)一點(diǎn)、把范圍縮小到消費(fèi)者最常用的一小段場(chǎng)景里。

畢竟一段通勤路的數(shù)據(jù)量，對(duì)于車(chē)端硬件性能堆滿、云端超算中心坐鎮(zhèn)的車(chē)企來(lái)說(shuō)，就像大炮轟蚊子一樣好拿捏，可以更輕松地實(shí)現(xiàn)過(guò)擬合；另外，這些經(jīng)過(guò)“通勤模式”訓(xùn)練的模型也擁有一定泛化性，可以反過(guò)來(lái)對(duì)其他類(lèi)似場(chǎng)景提供借鑒與幫助。

“通勤模式”或?qū)⒊蔀橹髁鳎?/p>

雖然目前大疆、理想和小鵬給到的“通勤模式”各不相同，并且也都還未正式上線，但在城市域高級(jí)輔助駕駛技術(shù)尚需打磨、而消費(fèi)者又真切希望能夠借助其降低駕駛疲勞感的情況下，“通勤模式”確實(shí)算得上是一個(gè)不錯(cuò)的折中方案。

而在我看來(lái)，這一模式未來(lái)可能會(huì)被更多車(chē)企接納，成為大家接觸高階輔助駕駛的一種全新方式，在緩解通勤壓力的同時(shí)，車(chē)企也能從中獲益，或許隨著日后“通勤模式”的正式上線，打工人的好日子也會(huì)就此來(lái)臨呢？