极氪汽车：低成本地图强势赋能，自动驾驶应用场景加速落地

在自动驾驶初期，实时感知能力较弱，高精地图成为实现自动驾驶的“拐杖”，完备的地图要素助力NOA发展，但是成本和鲜度问题无法满足更广泛的自动驾驶需求。

2024年5月22日，在2024第六届智能驾驶地图与定位大会上，极氪汽车导航专家杨度谈到，随着BEV+Transformer等算法以及占用网络的普及，车端实时感知能力增强，对地图的依赖程度降低。未来，实时感知能力继续提升，对地图的依赖度继续下降，只需要SD导航地图提供全局导航规划与交通规则等先验信息。

“硬件成本降低、地图依赖减弱，算法复杂度增加成为地图定位新趋势。定位置信度将会与环境感知深度结合，来提升定位的准确性和可靠性。”

极氪汽车 导航专家

以下为演讲内容整理:

极氪以“共创极致体验的出行生活”为使命，秉持“平等、多元、可持续”的核心价值观。极氪的品牌定位是潮流科技品牌，以领先科技、创新模式引领。极氪的产品系列基于SEA浩瀚智能进化体验架构打造，SEA浩瀚架构根据用户需求出发，突破传统造车局限，通过将硬件层、系统层、生态层的整合，依靠硬件能力、系统算力、科技生态形成合力，致力于构建无限互动延展的未来出行服务体系。

自动驾驶技术要点

自动驾驶技术的核心要点在于感知、决策与控制。首先，感知系统依赖于摄像头、毫米波雷达、激光雷达等硬件，以及IMU、GPS定位技术，为车辆提供周围环境数据。基于这些数据，我们制定安全高效的行驶策略，即决策过程，涵盖路径规划、速度控制和车道保持等。随后，这些决策转化为对车辆的实际控制，涉及方向盘、油门和刹车三大要素，实现对车速、转向和制动的精确调控。

图源:演讲嘉宾素材

类比人类驾驶，自动驾驶系统也需要明确目的地，并据此进行路径规划。同时，系统的决策还受到交通法规和个人驾驶经验的影响。与人类不同的是，自动驾驶系统主要依赖传感器，如摄像头和雷达，来感知周围环境。然而，这些传感器所扮演的角色与人类五大感官系统相似，尤其是视觉系统，在自动驾驶中起到了至关重要的作用。最终，自动驾驶系统结合感知数据、定位信息和交通规则，以及通过学习积累的驾驶经验，制定出精确的驾驶策略，控制车辆加速、减速、转向和刹车，实现高效安全的自动驾驶。

“去高精地图”的原因

自动驾驶的发展离不开高精度地图的支持，其能精确定位车辆在地图中的位置。然而，过去将其视为自动驾驶的“拐杖”，有些过度依赖高精地图。随着感知技术的增强，特别是在城市NOA领域，我们逐渐转向“重感知、轻地图”的策略，减少对高精地图的依赖，并更高效地利用它。

高精地图的核心特点包括高精度、高丰富度和高鲜度。然而，当前高精地图面临的主要挑战是鲜度不足，即地图数据的实时更新速度滞后于需求。

除了数据更新速度，高精地图还面临覆盖面积有限、成本高昂和政策限制等痛点。覆盖面积主要集中在发达城市，而国内广泛道路的开发自动驾驶仍不现实。采集和维护成本高昂，且政策因素限制了主机厂对地图的自主掌控能力。对于海外业务，缺乏高精地图也增加了合规成本和限制。

与标精地图相比，高精地图提供了更丰富的信息，如车道、位置、宽度、坡道、曲率等，满足自动驾驶的高精度需求。然而，高精地图的更新速度较慢，且成本高昂，对企业而言是一大负担。

图源:演讲嘉宾素材

低成本地图如何助力自动驾驶

低成本地图在推动自动驾驶加速落地方面扮演重要角色。虽然业界对于低成本地图的定义尚不统一，但普遍而言，它融合了SD与HD地图的优势，通过精简图层和元素来降低采集与更新成本。此类地图具备日级更新的鲜度，满足自动驾驶的实时性需求，同时保持亚米级精度，使用成本大幅降低。

随着技术的演进，“重感知，轻地图”成为行业主流趋势。在2022年之前，自动驾驶高度依赖高精地图，因其实时感知能力有限。然而，2023年成为转折点，车企开始采用实时感知结合SD PRO方案，通过BEV等技术增强感知能力，减少对高精地图的依赖。预计2024年及以后，感知能力将进一步增强，对地图的依赖将持续降低，可能仅依赖SD地图与实时感知即可满足自动驾驶需求。

尽管强调“重感知，轻地图”，但地图在自动驾驶中仍不可或缺。感知与地图相辅相成，感知可处理简单场景和目标识别，而高精地图则提供超视距信息、解决感知盲区及复杂场景问题，提升自动驾驶的体验与安全。

图源:演讲嘉宾素材

图商如腾讯、高德、百度、四维图新等已陆续推出轻量级地图方案，实现显著的成本降低。

关于低成本地图的两种主流方案，首先介绍的是利用车辆激光雷达和传感器实时收集道路信息，通过云端处理完成地图绘制的方案。该方案通过环境感知、车端制图、数据上传与处理等流程，实现路网数据和静态、动态图要素的更新。

另一方案为记忆行车，这是一种过渡性方案，通过记录用户通勤场景的路线，实现点到点路线的保存，从而简化行车过程。然而，由于其在车端采集数据的风险较高，如交通高峰期可能导致的遮挡和地图质量下降，以及难以实现完整地图重建等问题，这一方案存在局限性。

未来，主机厂与图商的关系将更加紧密。图商凭借甲级测绘资质，而主机厂则拥有庞大的用户样本量和丰富的道路数据，两者资源结合将优化自动驾驶数据，提升自动驾驶水平。在硬件成本降低的背景下，对地图的依赖将减少，但算法复杂度将增加。定位置信度和环境感知的深度融合将提高定位的准确性和可靠性。

为实现自动驾驶，尤其是城区NOA的可靠性与安全性，我们需要继续探讨与图商的更深度合作，互补优势，共同推动自动驾驶技术的落地与发展。