以后的高阶辅助驾驶或者自动驾驶，到底要不要依靠高精地图？
华为、小鹏都已经纷纷宣布了会逐渐脱离开高精地图，魏牌则是直接发布“重感知，轻地图”的方案，而最近理想汽车的李想也宣布，在2023年底要落地无需高精地图的城市辅助驾驶。
前面三位是嘴上说要脱离高精地图，身体却很诚实，而且并没有咬定时间，理想是直接给出了明确时间，但是理想真的能实现吗？春节期间发生的高速NOA碰撞事件，也让我们对于理想的辅助驾驶前景多了不少疑问。
出现小学生级别错误，理想的辅助驾驶决策有大问题？
理想上一次影响比较大的NOA事故，还是在2022年8月，一台理想ONE在高速上用NOA在巡航，车辆毫不减速地与静止的工程车发生碰撞。
而理想L9自上市以来，一直没有爆出过NOA的问题，直到2023年1月21日上午5点42分，一台理想L9以100km/h的速度，撞上了右前方变道过来的车辆，这台理想L9却没有任何预警和主动刹停动作，是驾驶者人为进行的减速，但依旧没能扭转事故的发生。
这件事倒是没有出现特斯拉碰撞事故后的那种网络舆论的愤怒，因为事故发生时的视频已经在网络上公布，李想本人也希望能够和车主一起公开所有数据，并没有掖着藏着掩盖过去。
还是回到这个事件本身，有些媒体把这次理想L9的事故算作是辅助驾驶的边角案例，也就是corner case，这个边角案例也是困扰L3、L4级自动驾驶落地的关键因素之一，边角案例定义为系统操作参数在正常范围以外的问题或是情形，可以理解为一些系统面对一些突发的不常见的情况。
李想也管前车的并线叫做“自杀式并线”，但是我们看到前车虽然速度偏慢，但是却是打了转向灯的，挑不出太多问题，而且这是一个特别常见的夜间前车打灯并线的模型场景，这绝不是所谓的边角案例，相信所有敢推出NOA的车企，都会对这种最基础的模型进行训练，可是理想L9毫无反应，那么这说明什么？只能说是理想新一代平台和硬件打造的NOA太不过关了？
这一次事故，不太可能是因为理想L9完全没有识别到前车，应该是理想L9这套多传感器方案的优先级判断出了问题。
理想L9这套辅助驾驶系统的前向感知硬件包括了一颗激光雷达，前视的双目800万像素摄像头，前向的毫米波雷达。激光雷达对于中远距离的探测比较准确，线束密集的激光雷达甚至有一定的“成像”能力，但是近处不太能看得清，特别是像理想L9这种顶置的激光雷达。毫米波雷达主要负责中近距离的探测，远了就探测不到了，而且这种普通的毫米波雷达不具备成像能力。摄像头在夜间本来就比较“乏力”，近处能看得清一些，远了几乎看不见，单目摄像头对于深度没什么感知能力，也就是距离感，但是通过算法可以进行一定的优化，双目视觉可以感知到一定的距离。
可以看出这三种感知硬件都有各自的优劣势，三者可以进行互补，这也就是融合方案大家能够感受到的优点，但是这就要提到多传感器方案融合时的优先级判断问题了，这是一个相当复杂的系统工程。因为三种传感器有着不同的特性，数据差异性非常大，大家可以想一想，一堆包括各种点云、波长的雷达数据，再和多路摄像头提供的不同清晰度的视觉数据融合在一起，把这些完全不同类型，不相干的数据通过特定的算法，带到一个独立的平面内，还要考虑不少特殊问题，最重要的就是感知到的结果不一样怎么办？应该优先采用谁的数据？
之前我们提到过，不少辅助驾驶系统面对静止物体时发生的碰撞事故，就是因为多传感器的优先级判断出现了问题，导致系统直接“摆烂”，就直接撞上去了，而到了移动物体这里，一样会发生这类物体，当优先级判断出现问题，在那么一瞬间不知道该听谁的了，碰撞事故就在所难免了，那么这就需要工程师为车辆预留出在发生这种情况的时候的最保守方案。
想在2023年底抛弃高精地图，逻辑是不是要大改？
看完了这起事故，再想想李想说的要落地不依靠高精地图的城市辅助驾驶这件事，大家心里就更含糊了，在有高精地图的情况下都能撞，再少了高精地图之后，辅助驾驶感知方面的压力就更大了。
李想说要不依靠高精地图做辅助驾驶，那就说明这应该使用的是一套与目前高速辅助驾驶完全不同的新逻辑，如果再沿用目前高速NOA的逻辑，那么还是有可能会出问题的。
城市道路环境中，会遇到所谓的边角案例，因为道路的参与者更多，整体的不确定性会变得更高，特别是在有了高精地图之后，会更加考验到系统的优先级判断，因为国内的车企们所使用的高精地图几乎完全来自供应商，因为在现有情况下要收集制作高精地图是真的很贵，虽然有资质的企业开始逐渐增多，但是其中没看到几个车企。
供应商们更新高精地图的频率几乎是以季度为单位计算的，并不会特别频繁，而对于经常出现特殊或者突发情况的城市路段，这种频率真的是太低了。地图说应该怎么走，但是有占道施工、事故或者改道，感知系统也发现了不同，那么应该听谁的呢？车很有可能就僵在那里不走了，或者直接退出辅助驾驶，所以理想的城市NOA在底层逻辑方面应该是一套完全不同于目前高速NOA。
再来看看目前已经在城市内实现辅助驾驶的小鹏和华为系车型，它们目前依赖着高精地图，但是两者也都表示了会逐渐脱离开高精地图，而是走向“众包地图”，也就是靠路上的非专业测绘的交通参与者的信息，实时生成的地图，在海外已经实现FSD进城的特斯拉，在一定程度上就是采用了这种方式，只是特斯拉的众包地图基本上都是靠特斯拉车型的实时信息收集。只要收集到的信息够多，过滤后有用的信息够多，一样可以实现高精地图的效果，不过这种方式总还是有种“拄拐”的感觉。
最重要的还是要提升优化算法能力，因为无论是高精地图还是众包地图，“鲜度”这个问题真的很难解决，还是要不断提升车辆本身的感知能力，要以车辆此时此刻的周边环境为最终决策依据，而这又需要足够数据量的积累和超算中心的处理，在这方面华为、特斯拉、小鹏都已经走在了前面，理想还差得比较远，而且这种数据量的差距，以及模型数据的积累，在每时每刻都在把差距变大。
总结
而从目前的情况来看，理想在高速情况下会发生这类低级失误，可能是一个偶发问题，在理想自己来看可能是个小失误，系统可能在凌晨五点多开了个小差，但是背后体现出的不稳定性，多传感器方案的优先级判断都有着一些问题，我们静待官方公布数据。同时，这也让我们看到了，即便你有了多传感器，甚至你是“大满贯”选手，依然不能掉以轻心。
至于理想能否在2023年底摆脱高精地图这个拐杖，可能时间有些紧，在现有条件下，中国车企或者自动驾驶企业想靠其他方式，弥补去掉高精地图的窟窿，都是难度很大的，无论是众包地图还是类似特斯拉的“占用网络”，对于高速行进的自动驾驶汽车来说，都不见得是最好的方案，如何把视觉感知和决策做到极致，可能还是最重要的课题。