3000公里NGP遠征前，五大要點問小鵬
關注並標星電動星球News
每天打卡閲讀
更深刻理解汽車產業變革
————————
出品：電動星球 News
作者：蟹老闆
明天，小鵬汽車的「千里智行.探無止境」的 NGP 遠征活動就要出發了。
按照小鵬汽車此前公佈的訊息，這次活動將從廣州出發，途徑汕頭、泉州、温州、杭州、上海、南京、青島、濟南最終抵達北京，全程 3675 公里，其中可使用 NGP 功能的高速里程超過 3100 公里。
雖然從技術上看，NGP是自動導航輔助駕駛，不是全自動駕駛。小鵬官方文章同樣也是寫「輔助駕駛」。
但對於這一次的遠征，我又充滿期待。
它能不能在實際道路上做到極低的百公里人工接管率；能不能做到高階的預判——躲避大貨車、臨近匝道出現擁堵時自動減速；以及能不能超越當下 99% 其他家的同類功能，包括特斯拉的 NOA….
如果能做到，那麼它會破除大家對於自動駕駛的傲慢或者偏見。
什麼樣的傲慢與偏見？看看我們上面這個小視頻。
更中國地去説，這也是中國的車企在全球智能電動汽車大競爭格局下的奮力一躍。
於是在他們出發前，我帶着五個關鍵問題，找了一趟小鵬的產品經理。
一、那也太傻 X 了
怎樣的零接管？這樣問很蹊蹺。
如果你看過其他家的 「L3」 甚至 「L4」 的道路演示，就知道我在説什麼：一輛引導車在前，後面才是他們家的 L3 甚至 L4 級的車輛。
我於是故意問：這次 NGP 遠征有引導車嗎？
小鵬汽車自動駕駛部門負責人黃鑫愣了，問什麼意思？引導車是什麼？
我好好描述了一通，他噴回來：「那也太傻 X 了吧。」
他哈哈笑，然後説這一次遠征他們完完全全就是實際路況隨機走，沒有引導，也不去設限。
「這麼説吧，就是集合後出發，你們就開吧。」黃鑫説這次 NGP 遠征全程 3700 公里，涉及到 NGP 的高速公里超過 3100 公里，這些道路「不是我們能説了算的。」
你們難道沒有探路？不依不饒，我接着問。小鵬的人説，他們的確探過，為了做活動肯定要跑一趟，但就只是趟一下路。
有沒有每一個匝道都去做引導，去限定場景，去「作弊式地做功夫」？
「那沒有，你看我們哪有閒工夫做這個？該怎樣就怎樣。」他説。
這樣的表態，大家記住。沒有引導，沒有設限，真實場景下的 3000 多公里大考驗。
二、趨向於 0
但「表現會怎樣？能做到不接管？」真實場景下，路況會極複雜。
「我們的預期，首先是這種正常情況的，比如説你就是超車和換高速什麼的，這種正常的路況，肯定是希望説接管儘可能的低。」黃鑫説。
儘可能低有多低？一千公里一次？五百公里一次？一百公里一次？我追問。
「我個人去看這個事情，我希望正常的這種路況下，趨向於零。」
「你的信心有多大？」他説其實正常路況，他還是蠻有信心的。
但什麼是不正常路況？
他舉了幾類。
第一類是封路；
「譬如施工的車封了幾條路，你也不知道它是怎麼封路的。有些三車道給你封死，讓你走應急車道。」黃鑫表示，在這種情況下，系統就不得不接管。因為現在小鵬的 NGP，「我們還沒有給這種規則，允許它走應急車道的。」
第二類是突發狀況；
「譬如大貨車真的掉個東西下來，那探測不到，你還是得接管的。」
第三類則是近距離看不到路的情況；
主要是在進出匝道轉換高速、但旁邊近距離有一輛特別長的車時，「裝了七八輛小車那種大傢伙，你近距離根本看不到，這種情況下，也會引起接管。」
黃鑫説，超出 NGP 應對能力的就必須接管，「因為現在 NGP 此類功能的能力，就是沒有 Cover 這些場景。」
但總體來看，這樣的接管數字不會太大，也不會怎麼影響整個 NGP 遠征的接管情況。
聽完他的這番表態，我開始琢磨：「3000 公里，正常路況下零接管」到底算是什麼水平？
為此，我專門查了下加州 DMV 2020 自動駕駛脱手報告。它是全球目前最為權威、專門針對自動駕駛測試的專項報告。當然也有人詬病，説加州 DMV 的測試允許在一條路上往返跑，不夠真實。
整體情況，大家可以看上圖。排第一的是谷歌家的 Waymo，差不多 3萬英里接管一次。
再説下蘋果。很多人覺得蘋果會在 2023 年推出所謂終極形態的智能車。
既然是智能的，當然必須是自動駕駛的。蘋果也在加州做了自動駕駛測試，總里程從 2019 年的 7554 英里上升到 2020年的 18805 英里。但接手次數也從 19 年的 64 次上升到 20 年的 130 次。算下來，平均 145 英里接手一次。
再補充説下——上面這些數據，都是搭載了類似激光雷達這樣的高階傳感器的自動駕駛測試車的數據。NGP 則是一個量產的自動駕駛輔助功能。
三、更像人
對於 NGP ，我高看一眼的一個很重要原因，是上面這張圖。
大部分車企只做了圖上深藍色部分，也就是「運動控制、運動規劃、傳感器融合、雷達感知、視覺感知、定位」這些內容；
特斯拉多了「行為規劃、行為/運動預測」這一部分；而在 P7 上，小鵬汽車把上面的都做了，比特斯拉多了「地圖融合」、「地圖管理」這兩項。
NGP 是 P7 上目前最高階的自動駕駛輔助能力，它的特別之處也要從這兩項入手去觀察，觀察它是不是更像人。
先談「行為規劃、行為/運動預測」。
具體到 NGP 上，則是上面這張圖所描繪的特別場景：交通錐的識別和避讓、故障車輛避讓、變道自動緊急避讓、大貨車規避、夜間超車提醒等。
這其中，「變道自動緊急避讓」我們已經體驗過。P7 可以做出很高級的動作。這一次主要追問後幾項。
交通椎的識別和避讓，黃鑫説在最新的版本中有很大的提升，測試情況來看，識別率超過 90%。
剩下的 10% 則是「如果前方突然封了兩條車道」這種更極端的場景，也即是現在的 NGP 無法在高速情況下應急橫跨兩條車道。
「夜間超車提醒」這一功能在當前版本也已經存在，「我們在交互上可以做得更好」。
另一個高級的功能——「匯入車道慢車擁堵時自動加速」，當前 NGP 版本也已經實現。
這個功能，本質上是種預判。萬一有車輛壓實線慢速並道時，這個是能救命的。
當然，還有一些場景，目前 NGP 版本還沒有實現。
「故障車輛避讓」還在調優，「大貨車規避」則要再下個版本上線，很快了。」
其實，上面提到的這些場景都是「Corner case」，也就是小概率事件。
不能保證這次 NGP 遠征中會遇到這樣的場景，但一旦遇到，就能看出 P7 到底高級不高級？
四、SLAM 與實時數據
接着説「地圖融合」，分兩塊。
一塊叫做實時地圖數據的融入。
我問了黃鑫一個比較難的場景——併入匝道時遇到連續擁堵路段，「甚至匝道口兩公里三公里開外已經開始堵住了，怎麼辦？」
他的回答是：「這種情況需要去把一些實時交通合進來，就像開車一樣，你看導航前面堵了，你就會提前做一些動作。」
「實時交通」很像高德地圖的實時交通數據，也可以大致歸類於 V2X ——車聯萬物。但 NGP 上的「實時交通合進來」，卻不能説是 V2X，更多還是地圖實時交通數據的融入。
「這個是我們整個計劃裏面去做的事情，但優先級會比較靠後。」
第二塊，叫做 SLAM，同步定位與構圖。
它考驗的是 NGP 的實時感知、決策、定位和控制。或者説，不依賴高精地圖的的單機能力。在泊車中，它也可以説成是停車場記憶泊車。
據瞭解，目前 NGP 版本對高精地圖的依賴比重還是比較高，因為視覺感知和 SLAM 的能力還在提升中。
雖然在「高精地圖」缺失的場景下，譬如進出匝道時，「硬要通過別的能力補償讓它過也能過，但是我們不希望在現在這個階段去做這樣一件事情。」
而「當我的能力提升到一個程度時，其實對於那部分的依賴是可以下降的。」
這樣的提升需要多少時間？「我覺得這個的話應該在下半年，就可以看到一些這方面的變化。」
五、最基礎也最困難
我們最後一問，考問的是小鵬 NGP 的基礎能力。
「至少是在第一和第二的水平上。」黃鑫的原話，説的是 NGP 應對高速公路近距離有車併入時的應急能力。
至於 NGP 在很近距離「擠進去」換道的能力，「坦白講，現在沒有去做很激進的策略。」
這樣説其實有點凡爾賽，因為目前 NGP 在併線時需要的前後空間，相較於其他廠家已經是小的。
「現在在直路上開，車流量比較大，那過不去就讓，因為在直路上並不會太犧牲效率」
但是，「如果還有三公里就要下去了，這個時候不併過去後面可能就錯過路口了。」黃鑫説，這種情況下 NGP 會比正常時候的超車更激進，對空間的要求也會更少。
「成功率超過 90%。」説的是另一個基礎能力——進出匝道的能力。
黃鑫説目前版本 NGP 在進出匝道時的綜合成功率超過 90% 。
「我們看的是説從高速公路 A 最終切到高速公路 B，不管中間匝道有多少個彎，就是看從頭到尾的成功率。」
對於 NGP 而言，上面提到的兩項能力，可以看成是基本功，考驗的是系統在縱向（前後）和橫向（左右）兩個維度上識別、定位、決策和控制。
最簡單，卻也最困難。某人説，這次遠征，NGP 表現甚至會弔打特斯拉的 NOA。讓我們拭目以待。
好了，今天的文章就到這裏。再過 12 個小時，NGP 遠征就要開始了。希望這一場遠征能改變人類對於技術，對於自動駕駛技術的傲慢與偏見吧。
（完）