首页推荐
超重磅——小米自动驾驶技术研判(2022年8月)
文章

本分析基于2022年8月11日,小米放出的8分钟自动驾驶演示视频

​​没想到今天小米直接放出了自动驾驶的阶段性成果;整体进度比我想象中要快,这必须得好好分析一波。(请先观看8分钟原视频,再观看本文,效果更佳)

先说结论:

1、在自动驾驶技术上,小米目前展示的状态,没有领先业界的超前突破。

2、总体水平处于ROBO Taxi类改装车的上等。

2、但是考虑到测试车的就位时间,在进度上的狂飙突进还是非常厉害的。


改装车研判

视频中出现了两种小米自动驾驶测试车,传感器布置形式相对原始——在车顶上装了个“大帽子”,把激光雷达、摄像头啥的装在上面。

这是ROBO Taxi类型“自动驾驶公司”惯用的改装类型,也比较适合小米这种暂时没有原型车的状态。

这样做的好处,就是给传感器最大的感知空间;缺点呢,就是家用车不允许这种制造模式,传感器必然融入整车工业设计,所以这个状态到整车,还需要有很长的工程整合、繁琐测试。

说人话就是:我们目前 无法 从自动驾驶测试车的状态,去猜测小米 24年新车 的工业设计、传感器布置等信息。

CNOA状态研判

因为进度第一,所以小米的CNOA必然强依赖高精地图;注意观察右下角的可视化效果,路面的3D点云异常稳定,不太可能是实时建模,推测为高精地图的视觉重建。

还注意套在3D模型上的三维框框,这也是基操了;之前某车厂的自动驾驶演示视频,对目标识别是二维框框,业界同行很是嘲笑了一番。

NOA的标志性操作——自我决策上匝道和主动变道。

这里小米的规控做的不错,变道策略不是死板的看前车距离,而是看相对速度;左车道尽管还没超过自己的车道,但是系统观测到它相对速度更快,就马上变道,提高通行效率。

这个策略还是比较聪明的,但是视频加速太快,看不出来变道控制的顺滑程度。 

无保护掉头,这是个高难场景,需要感知系统全力工作,同时决策系统要兼顾通行效率和安全性——不能拐的太慢,不然你这辈子都掉不过来;不能拐的太快,不然要出事。

避让公交车(大车),基操了

这段很有意思,注意看可视化信息,小米测试车已经建立了完善的行人、两轮车识别模型。能识别、能避让、能3D重建,进度不错。

复杂多路况左转,不过有红绿灯,难度中等吧。

行人避让,基操。

环岛行驶,CNOA的基操。

我朝马路自有国情在此!超繁忙路段,人车交杂,小米测试车表现得很稳,规控做的不错。

无保护右转这里,我起初以为出现了个常见Bug——也就是识别到了红圈的老大哥,没及时停下来,都开到人前面才停下。

后来发现不是,是检测到左前方的粉色电动车,必须避让,安全性的预判算法写的真不戳。

CNOA状态结论

能做到这个水平的厂商很多,ROBO Taxi (就是那些所谓的“L4自动驾驶创业公司”)一抓一大把。

小米比较优秀的地方在于:他们时间很紧,500天以内拿出来这一套东西来。

感知、决策、控制算法看起来成熟度还行,能跑到这个程度,值得肯定了。

小米的挑战在于:工程化量产的过程中,传感器特别是激光雷达,必然与整车设计高度融合,因而感知空间会大大受限。

Lidar会从现在的360度无死角,变成只能最多只能看到前半球270度(1前2侧布局),甚至不到180度(车顶前向单Lidar布局);所以对环绕视觉的感知算法提出了非常严苛的要求,期待小米量产车给一个满意的答案。


AVP自动泊车研判

第二部分是AVP无人泊车,即如图所示——站在车库门口点下手机,汽车自动泊入预定车位。

因为车库环境较为简单,且时速较低,所以这辆测试车干脆以无人驾驶形态往前开。

这张图会更明显一点,车辆还完全下坡,左边还有遮挡,车库的可视化效果已经出来了(右下角)。

不过感知系统写的还行,识别车辆的速度挺快。

这张会更明显:出库车辆越线就识别到了,还有两个空车位也准确识别;就算有高精地图加持,感知系统不行那也是白搭。

90°急弯,方向盘拉出了一个巨大的角度,控制算法挺给力;但是毕竟试验车,量产车的情况无法从视频推断。

绕行雪糕筒,AVP基操

倒车入库,基操

机械臂自动充电,想得很好,实践非常困难:汽车的充电口位置不统一,前后左右都有分布,光是机器人跑来跑去的算法就够你喝一壶的。

而且很多车的充电口盖并非电动弹出,你要怎么打开呢?就算是能电动弹出的,你又怎么激活弹出程序呢?

更何况国标充电口标准写的非常哈批,水平低下,锁止机构异常导致充电枪锁死那都是基操勿六;万一锁死,还得车主大费周折紧急解锁,甚至还解不下来...

总之,如果想用机械臂形式做第三方公共自动充电,不太现实,长期来看这还是个非常重人工的活。

不过如果是富B装自己家用,那当我没说,现阶段插拔充电枪确实不够优雅...有机器人代劳会好很多。

AVP状态结论

相比CNOA状态,自动泊车的AVP状态惊喜较少;主要是你们提前建图了喂,没看到实时感知算法有太大的发挥空间。

最后总结

小米展示的8分钟视频,完整的展示了工程改装测试车的状态,也是涵盖了目前辅助驾驶最大的3个场景碎片——“城区-高速(环路)-车库”。

而且人家也志不在此,作为新晋车厂,先把测试车跑起来才是最重要的。

从正式开始组建团队,到今天展示测试车状态,我觉得小米汽车ADAS进度还挺快的,比我预想得要快;我以为23年上半年才会开始展示,24年下半年开始伪装车测试。

我预测:量产车依然是第一梯队感知硬件——即前半球Lidar+环绕视觉+毫米波的2层半架构。

我比较感兴趣的是计算平台用哪家,那时候老黄单片1000T算力的Atlan应该出来了,但是地平线J6和高通下一代Ride也会登场。

其他的就不猜了,信息太少,先到这里吧。​​​​

写评论
积分赞赏
点赞
评论区
  • 收藏
  • 举报
  • 加入黑名单
回到顶部
  • 全部评论6 条
  • 只看作者
  • 最热
  • 最新
  • 最早

看来造车的伙伴小鹏没给什么有用的建议,但是不造车只为带货的地平线给得建议倒是够多…”

请作者不要忽略,这段视频大部分都是无人机拍摄,无人机无法跟上车速超过50的车辆,所以无人机拍摄某个场景需要提前飞行到该位置悬停拍摄,不可能有哪家自动驾驶公司反复开一遍遍就等无人机在那抓拍某个场景,所以摆拍是肯定的了。请大家都尊重下硬科技的投资人以及频频出事故的造成新势力们,全球自动驾驶头部公司的高估值不是浪费钱。背靠通用的cruise在美国那个简单路况是什么驾驶水平?全球自动驾驶领先人才会优先选择去哪里工作不言而喻。既然ai这么nb,喂数据就能跑出来,把大众发生了什么?

我家里几十件的小米

果然是在经开路测的

看起来很厉害,不知道什么时候能真的投入使用

恭喜,您的文章《超重磅——小米自动驾驶技术研判(2022年8月)》获得首页推荐。+50 积分 +50出行值