蔚來汽車

動態(tài)畫面有點“飄”，蔚來 NIO Pilot 行不行？

第一電動大牛作者電動星球News蟹老板 2019-10-26 07:10

蔚來最近迎來了 NIO OS 2.3 的更新，最直觀的感受是選裝了 NIO Pilot 完整功能（以下簡稱 NP ）的尊蔚主（尊貴的蔚來車主，買了 NP 的那種）們能直觀的通過動態(tài)儀表盤看到 NP 眼中的世界，而動態(tài)畫面中出現(xiàn)的和實際觀察不一致的情況，也引發(fā)了很多車主關于 NP 到底行不行的討論。

以下文字來自蔚來碳粉創(chuàng)始成員、魏雪芬家族元老、導彈專業(yè)畢業(yè)、資深通信狗「亞森羅賓」。

他從硬件與軟件兩個維度，就 OS 2.3 之后的 NIO Pilot 表現(xiàn)做了深度的分析，并對目前車主的一些疑問進行了解答。

特別提醒，蔚吹飲品，服用需謹慎！

以下，Enjoy！

先上結(jié)論：

1、NP 的動態(tài)儀表顯示的內(nèi)容超出了我之前預期，也超出絕大部分廠商，僅次于特斯拉 AutoPilot（以下簡稱 AP ）。

2、NP 是目前國內(nèi)乘用車市面上能買到的僅次于 AP 的輔助駕駛，從功能上來說 AP 略> NP 略>ALL，而從潛力上來說 AP > NP >> ALL。

此圖版權屬于@雨

再提出幾個疑問：

1、為什么明明后面過來個電瓶車，顯示的卻是汽車，到前面又變回電瓶車？

2、為什么有時候側(cè)面會發(fā)生虛擬的「車禍」

3、為什么裝了箱子的美團電瓶車會被識別為卡車？

4、為什么顯示的車會來回晃動，為什么并排的車可能會不顯示？

5、碰到加塞的，交通流顯示出來加塞，車為什么沒采取措施？

6、NP 和 AP 到底有多少差距，我們到底需要多久才能趕上特斯拉？

接下來我們從硬件、軟件兩個維度分析。

硬件

各家輔助駕駛硬件對比，這里沒有的傳感器主要是指道路駕駛時候基本不用的傳感器，一般是短距離的超聲波雷達。

1、基本邏輯

目前輔助駕駛的基本邏輯，就是模擬人的駕駛邏輯，可以簡單分為感知、決策、執(zhí)行三個過程。

車載的傳感器負責感知（其實只負責接收信號）：攝像頭——相當于人的眼睛；雷達——相當于人的耳朵；芯片負責感知和決策（將信號轉(zhuǎn)化、決策、和發(fā)出執(zhí)行信號）——相當于人的大腦；電動車的電氣化架構又使得“執(zhí)行”有著先天優(yōu)勢，也是為什么電動車往往比油車輔助駕駛做的好的原因之一。

大家都知道，人類的眼睛是可以接收到具體的圖像來感知和構建這個世界，耳朵卻只能通過“聽音辨位”。而輔助駕駛最難的難點之一，就是通過傳感器感知周圍環(huán)境。

和生物的眼睛、耳朵不同的是，雖然很多攝像頭從參數(shù)上已經(jīng)能超過人眼，但是人眼背靠大腦這個強大的后盾（俗稱腦補）從圖像處理能力上來說完勝世界上最精密的計算機，而人類還有肌肉這個神奇的東西能極大的增加兩只眼睛的可視范圍，所以機器需要用不同功能的攝像頭來彌補。

作為耳朵的雷達，比人類的耳朵多出距離感知甚至成像的能力。

2、攝像頭

攝像頭有個特性：看的遠的看不廣，看的廣的看不遠。

這就是為什么手機采用多攝方案，以達到又能拍攝長焦又能拍攝廣角的效果。而輔助駕駛?cè)绻眉償z像頭（視覺）方案，需要在車身上部署多個不同的攝像頭，來實現(xiàn)不同距離、不同范圍的視覺采集。

馬斯克的想法就是最大程度模擬人類駕駛一系列過程，攝像頭的好處就是和人眼一樣能直接生成圖像，從上面的圖里可以看出，攝像頭眼中的世界和我們?nèi)祟惪吹降牟畈欢?。但是對于圖像中內(nèi)容的提取和判別十分困難，需要大量的學習和訓練——這也是人工智能中最重要的一個分支。

視覺感知也有缺點，就像人眼一樣，在雨、霧等惡劣天氣、逆光等條件會受到比較強烈的干擾，并不一定能在“全天候”情況下使用。

3、雷達

為了解決人眼（同理攝像頭）可視距離短、受天氣等干擾的缺點，人類發(fā)明了雷達。雷達能感知的世界就純粹的多，也虛幻的多。雷達的原理很簡單，主要測量目標的三個參數(shù)：位置、速度和方位角。雷達眼中的世界基本上就如下圖。

再轉(zhuǎn)換一下就如下圖。

當然，隨著技術的進步，在軍事上通過雷達信號特征（比如反截面積）來判斷不同物體，或者通過雷達成像技術來形成圖像（合成孔徑雷達、激光雷達），現(xiàn)在在研發(fā)中的車載毫米波雷達已經(jīng)能看到下面這樣的圖像，可以很清晰的看到有一輛車開著車門這樣的信息。

目前車載主流采用的長距離雷達都是毫米波雷達，大家可能比較陌生，放一張圖大家就比較熟悉了，長弓阿帕奇頭頂?shù)哪莻€圓形的東西就是毫米波雷達，雖然原理一樣，但要比車載的強大無數(shù)倍。

而號稱高級別輔助駕駛必須的激光雷達，其實也有他的局限性。

激光雷達的優(yōu)點是分辨率高，從而能進行成像并構出物體的輪廓圖（下圖就是激光雷達眼中的世界），缺點（不說價格，說價格就是一輛車）是容易受雨霧天氣影響。

而毫米波雷達不受這些影響。但是雷達波反射金屬等物體比較好，對于人體、木頭等探測能力較弱，而且容易受到物體干擾，比如一個易拉罐可能會誤認為是車。

我們最上面第二個疑問。有時候會發(fā)生虛擬的“車禍”。因為側(cè)前、側(cè)后的感知是通過雷達來實現(xiàn)，雷達受到其他物體干擾的時候，并不能成像，而只能告訴你：那邊有東西。而這個東西，默認被系統(tǒng)標記為“車”。

特斯拉擁有「7只眼睛」。

其中 3 只眼睛負責前向的視覺（類似人眼），裝在翼子板和 B 柱的 4 只眼睛負責側(cè)方和后方的視覺。而融合起來的視覺，除了正后方盲區(qū)以外，幾乎可以覆蓋全部周圍的視覺，正面的視覺最大可以達到250 米，主攝像頭可以 150 米，正面的視覺范圍大約是 150 度，而側(cè)方的攝像頭能觀察 80-100米的距離，從而形成一個完整的空間感知。

特斯拉眼中的世界

蔚來的三只眼睛和特斯拉基本差不多，也能在前向 150 度和百米范圍觀察世界，但是剩下的范圍就需要通過四個角毫米波雷達來進行感知。

目前蔚來采用的角毫米波雷達還是市面常見的 24GHZ 雷達（別問成像雷達，問就是一輛車的錢），能探測距離、速度、角度。

這就解決了我們最上面的第一個疑問：為什么明明后面過來個電瓶車，顯示的卻是汽車，到前面才會變成電瓶車。

因為雷達只能感知側(cè)后方過來的物體，而不能判別到底是汽車還是電瓶車，算法統(tǒng)一標記為汽車，等物體到了三目可視范圍內(nèi)，才會識別為正確的物體。夠用，但不酷炫。

而其他廠商，一般采用單目攝像頭的方案，為了能看的遠一點，可視的角度就會變的很小，加上沒有采用前角毫米波，正面的感知范圍就會變得很小，比如下圖，正面的視覺可視范圍就比蔚來小的多。

通過官網(wǎng)的一張圖我來做一下靈魂畫手，紅色標記的范圍是三目攝像頭的可視范圍，黃色標記的范圍是毫米波（可能）探測的范圍。

可以看到，在側(cè)面近距離是有探測盲區(qū)的，值得夸贊的是，蔚來做了兩個毫米波雷達和三目視覺的融合，并且展示在動態(tài)儀表盤上，上面我們已經(jīng)說了，雷達和攝像頭看到的世界是不一樣的，要把他們的信號轉(zhuǎn)換成圖像再拼接起來很不容易，雖然現(xiàn)在還不完美，但已經(jīng)超過了我之前的預期（我預期到底是有多低）。

同時，這就解決了上面的第四個疑問：為什么顯示的車會來回晃動，為什么并排的車可能會不顯示？

因為正好在兩個超聲波雷達的盲區(qū)內(nèi)，而畫面顯示的車輛會抖動抽搐，也許是因為不同位置傳感器信號在「拼接」過程中出現(xiàn)的問題，這個問題不是蔚來獨有，就算特斯拉多攝像頭的方案，也經(jīng)常會出現(xiàn)這種「鬼畜」現(xiàn)象。

4、芯片

特斯拉自研的 HW3.0 芯片 AI 算力達到驚人的 144TOPS（萬億次每秒），蔚來采用的 MobileyeQ4 僅僅為 2.5 TOPS，將來的MBQ5 會是 25TOPS。而小鵬 P7 將來會搭載的 NVIDIA Xavier（沒錯，就是專做顯卡幾十年的那家，特斯拉 AP2.0 和 AP2.5 的芯片供應商）也僅僅是 21-30TOPS。

那巨大的算力差距是否代表輔助或者自動駕駛巨大的差距呢？并不完全是這樣。

特斯拉采用 7 個攝像頭幾乎純視覺方案需要的算力遠遠大于其他家，而蔚來只需要處理三個攝像頭和四個雷達的數(shù)據(jù)需要的運算量大大減少。

其實 Q4 芯片相對于特斯拉 AP1 用的 Q3 芯片已經(jīng)是數(shù)十倍的算力，所以能更好的支持多目攝像頭及其他傳感器信號的處理，而作為 Q4 芯片最大是支持 L3 級的輔助駕駛的，蔚來從這方面說也有一定潛力可以升級成某種意義、特殊場景下的 L3，從目前國內(nèi)的使用場景來說，足夠！

5、總結(jié)

從硬件上可以看出，特斯拉擁有最強的大腦和多達 7 只眼睛；蔚來擁有較強的大腦和 3 只眼睛、5 只耳朵，其中三只眼睛負責前向的視覺，五只耳朵負責視覺盲區(qū)的感知；而其他家一般要么就是大腦較強，但是只有一只眼睛和一只耳朵，要么只擁有很普通的大腦。

這里要重點說說某鵬，其實它的耳朵（有 2 個后角毫米波雷達）數(shù)量并不少，但是從公開只言片語看，Mobileye 和 NVIDIA 并沒有提供市面上頂級的芯片給到 G3，算力不足大大限制了發(fā)揮，而在下一代P7上NVIDIA提供了Xavier芯片會拉回不少劣勢，但是Xavier是否能滿足數(shù)十個攝像頭、多個高精度雷達信息的處理，以及路徑規(guī)劃、決策、控制這么多需求的算力，從而實現(xiàn)現(xiàn)在并不知道是否存在的L3級輔助駕駛，仍然存在疑問。

軟件

從表象來看，蔚來軟件和特斯拉的差距并不大（UI、ADAS 功能），但是背后的差距有一條護城河那么寬，而傳統(tǒng)廠商通過博世方案提供的ADAS，和蔚來又有巨大的鴻溝。

上面我們說了，輔助駕駛分為感知、決策、執(zhí)行三個過程，蔚來在感知層面是用的 MobileyeQ4 提供的現(xiàn)成數(shù)據(jù)，同時針對性的進行了一定的優(yōu)化。

簡單的說就是你的攝像頭輸入圖像，MBQ4 芯片會直接告訴了你這是汽車、這是電瓶車、這是卡車，蔚來并再次做了視覺識別的很多工作，這是一個極其重要的基礎。

特斯拉構建了一整套視覺及神經(jīng)網(wǎng)絡，通過訓練神經(jīng)網(wǎng)絡模型來識別更多的物體、做出更正確的決策，這也是特斯拉最大的核心競爭力。

一個好消息是將來的 MobileyeQ5 芯片（聽說蔚來也會首裝），會開放讓車企自己來寫感知算法，而擁有堅實基礎的蔚來，會比其他廠商走的更快更遠。

回到上面的疑問，為什么裝了箱子的電瓶車會被識別為卡車？也許因為歐美沒有我們這樣“美團”電動車，而箱子的特征和廂式卡車又是差不多的，所以直接識別為了卡車。

根據(jù)之前公開的信息，蔚來自己負責決策部分的開發(fā)。但是蔚來并沒有特斯拉那樣“收集用戶數(shù)據(jù)”和“影子模式”來不斷優(yōu)化決策，而是更多的通過道路測試、計算機模擬來積累里程——不夠高效，但同樣能達到目的。

所以碰到近距離加塞的，交通流顯示出來加塞，但是車沒采取措施。蔚來在決策的開發(fā)上，還有進步的空間。

不過需要說明的是，在實際駕駛體驗中，特斯拉也不能預測和避免這種近距離加塞。對于前方能完整看到屁股的車輛變道，特斯拉需要前車進來 1/2 左右的屁股才能做出反應，而蔚來大多數(shù)情況能在前車進來 1/3 屁股的時候就做出減速動作。這也許是蔚來在決策上對中國路況的一個優(yōu)化，本地開發(fā)的優(yōu)勢在這里體現(xiàn)了出來：NP 更適合中國的路況！

驚喜和遺憾

驚喜1、上文說到，最大的驚喜還是蔚來做了不同傳感器數(shù)據(jù)的融合，雖然并不完美，但是仍舊可以不斷的優(yōu)化，自研的優(yōu)勢就在這里。

驚喜2：蔚來能識別正前方垂直開過的車輛側(cè)面，這點無論在 AP上還是小鵬XP 上我都沒有發(fā)現(xiàn)。

遺憾1：2.3 版本的 NP 仍舊不能顯示行人信息，這點其他廠商早就已經(jīng)能顯示，而 MobileyeQ4 是可以直接識別行人的，蔚來也許還在做二次的識別和優(yōu)化。

遺憾2：最大的遺憾應該是儀表盤顯示交通流信息的面積太小了，于是我不負責任的 P 了一個。

最后的最后，蔚來到底需要多久才能趕上特斯拉？分兩個部分來分析。

1、感知能力和范圍：

AP 略大于 NP，但都擁有前向、側(cè)向、后向的感知能力，秒殺大多數(shù)只能感知前向、且角度并不大的車企。

比如某家車企在沒有后向感知能力的情況下推出了 ALC（轉(zhuǎn)向燈變道）功能，這是極端不負責任的，在使用 ALC 時候很大概率會發(fā) 生本車全責的追尾事故。而 AP 和 NP 的前向視覺感知能力，也要遠超采用單目攝像頭的其他輔助駕駛。

2、目標不同：

AP 這套硬件設計之初是朝著 L4 甚至 L5 級的自動駕駛?cè)サ模ㄖ虚g經(jīng)歷過兩次更換芯片，2016 年就該實現(xiàn)的目標到目前還未實現(xiàn)），而蔚來一代平臺的目標是高級別的 L2 無限接近 L3，這很快就能實現(xiàn)。

3、實現(xiàn)方式不同：

AP 采用比較激進的、一條誰也沒走過也不知道能不能走得通的路——純視覺感知，而 NP 采用了比較成熟而又比其他家更先進、更全面的方案——融合感知。

從實際使用上，目前 AP 和 NP 基本處于同一水平，AP 中 FSD（完全自動駕駛）目前在國內(nèi)可用的召喚（直進直出類似比亞迪遙控），和 NOA（根據(jù)導航自動駕駛）處于比較初級的階段——前一陣還忘了給中國區(qū)推送。

而蔚來不遠的將來可能就能推出更符合中國路況的 NOA 功能。從性價比角度，3.9萬的NP完整功能值回票價（還不到車價的 10%），而 5.6萬（幾乎是車價的 20%）的 FSD 目前在國內(nèi)還不值這個價格（見下圖吐槽），如果一臺智能電動車，你不選購——尤其非通用方案、有廠商特色的輔助駕駛系統(tǒng)——這臺車的魅力就會少了一大半。