作者 | HiEV 編輯 | 張祥威

輕圖成本比高精地圖低近80%

(資料圖片僅供參考)

Q:在百度的過往的研發(fā)和量產(chǎn)的經(jīng)驗當(dāng)中，地圖跟車端的感知、智駕系統(tǒng)的配合，有沒有可以分享的經(jīng)驗？

A:百度同時提供地圖和智駕方案，從地圖數(shù)據(jù)規(guī)格設(shè)計之初，就是圖和駕一起聯(lián)合來做相關(guān)的事情。

對于城市智駕而言，NOA是一個很重要的指標(biāo)，如果NOA的連續(xù)性和成功率有問題的話，對于用戶，會帶來很糟糕的體驗，同時給整個智駕產(chǎn)品的泛化帶來很大的壓力。因此，我們基于NOA的實現(xiàn)，界定地圖的性能和數(shù)據(jù)考量。

此外，對于地圖數(shù)據(jù)質(zhì)量的要求，哪些地方可以輕度處理，哪些地方需要一些重度支持，這個方向上也會不太一樣。

傳統(tǒng)的圖商可能會按照自己的理解去打造地圖產(chǎn)品，然后交給其他車企去泛化，但是我們從最開始的設(shè)計階段就在跟“駕”一起去泛化，去發(fā)現(xiàn)里面的問題及時解決。所以我們提供的產(chǎn)品就能夠讓整個智駕更快速泛化。

Q:百度的輕地圖方案更新成本和周期是怎樣的，跟高精度地圖比大概在什么數(shù)量級？

A:現(xiàn)在整個數(shù)據(jù)的更新有幾種模式，一種是采集車這種傳統(tǒng)更新模式，這種模式的更新規(guī)模、數(shù)據(jù)的詳細程度會更高，能夠做月度更新。但是對于LD來說，因為它會有更多的眾源數(shù)據(jù)進來，所以可以做例行的周級更新，局部場景甚至可以做到天級的快速更新。

Q:百度的LD和HD這兩種產(chǎn)品，可以供車企自主選擇嗎？

A:對，LD數(shù)據(jù)和HD數(shù)據(jù)是兩種不同的產(chǎn)品形態(tài)，車企可以進行選擇。Q:關(guān)于LD和HD的地圖，在核心要素上面的差異有多大？

A:LD和HD的分層是不一樣的，大家可以看到HD還有定位圖層，但是LD是沒有提供定位圖層的數(shù)據(jù)，這是一個比較明顯的差異。其次，在車道的數(shù)據(jù)上也會有一些差異，對于HD來說，路段中的這些數(shù)據(jù)，我們可能會提供詳細車道的車道線邊界，但是在LD的模式下，對于一些“駕”的能力比較好的地方，只會支持車道的拓?fù)溥B通。就是“輕”的地方差異還是蠻大的。

Q;百度的輕圖方案成本會有一個很明顯的下降嗎？它的計費標(biāo)準(zhǔn)是按照公里數(shù)嗎？還是按照有多少個路口去計算？

A:關(guān)于成本的情況可能每家都有自己的理解，百度這邊目前的輕圖方案比傳統(tǒng)的高精地圖還是要低很多的，會低到將近80%，這樣我們會用一個我們自己比較接受的成本去快速的擴城，這樣就可以就解決開城的泛化的問題。至于計量方式，我覺得在不同的階段會不一樣，從0到1的時候，里程是一個很重要的考核的點，但是在做更新的時候可能有不一樣的考核點。

Q:針對于LD MAP，百度會給一套標(biāo)準(zhǔn)的產(chǎn)品去服務(wù)給所有客戶，還是會提供更多定制化的產(chǎn)品？

A:我們目前提供的有三套數(shù)據(jù)，有SD、LD還有HD，其中LD和HD是兩套不同的數(shù)據(jù)的形態(tài)。

我們在跟客戶交流的時候，首先基于HD的情況是什么樣，遇到的問題，以及LD相對于HD的關(guān)鍵的差異點在什么地方，目前智駕的哪些能力達到了什么程度，使用LD的能快速落地，然后包括前期階段是否需要去通過HD，落地的成本和周期可以更短。

我們對智駕落地過程中的一些關(guān)鍵場景，或者說對于它需要具備什么能力夠去快速的規(guī)?；?，這方面對于其他家來說，百度有比較深刻的理解。

Q:最近行業(yè)里有一些信息，接下來在后半年地圖的開放的節(jié)奏可能會逐步打開，如果地圖的資質(zhì)、法律法規(guī)已經(jīng)不再是受限制的因素的話，如果我們自己要用自己的地圖，從功能角度上講更看好高精度圖路線還是輕地圖的路線？

A:圖商本身也在做一些儲備，我們在很多的城市已經(jīng)開始去做泛化。關(guān)于HD和LD的情況，可能是跟“駕”產(chǎn)品不同的階段也有關(guān)系，如果我們目前處于剛開始啟動的階段，可能HD對它是一個更好的情況，可以快速的去把產(chǎn)品落地，然后帶來更好的體驗。但是如果我們現(xiàn)在已經(jīng)有一些積累，這時候LD會帶來更大的幫助和助力。

Q:現(xiàn)在的變化會不會影響到圖商的組織架構(gòu)，比方說做傳統(tǒng)圖的和做LD圖的團隊是不是可以復(fù)用？

A:對有些圖商來說，會有一定影響。但是在百度，無論是LD、HD 還是SD，都在智能駕駛（IDG）這一大的體系下運轉(zhuǎn)，更方便我們?nèi)ゴ蛟煺麄€的圖，包括控制它相互之間的成本。

如何打造輕地圖方案？

Q:目前市面談到的無圖，是真正的無圖，還是實際都有一定先驗知識支持？

A:行業(yè)里一般大家提無圖的時候都會附帶一些其他的信息，比如神經(jīng)網(wǎng)絡(luò)，或者經(jīng)驗圖層，或者某種特殊類型的模型和數(shù)據(jù)。各家也有自己的組織方式，有的可能會在車端存儲，有的在云端存儲。

無論是以地圖的形態(tài)組織還是以模型的形態(tài)組織，起的作用和目的都是一樣的，即把周邊的環(huán)境建模出來，給智駕更好的支持。至于是不是一定要把它叫“無圖”，只能說是各家在叫法上有特殊考量。

Q：提到重感知輕地圖，地圖要輕到什么程度，才能滿足L2以上級別的智駕？

A:不管是圖也好，還是感知也好，最終的目的是去構(gòu)建整個車輛周邊的環(huán)境。圖是一個長距離的感知傳感器，大家一起去構(gòu)建，所以圖的“輕”很大程度上會跟感知能力的增強和車端算力的增強去結(jié)合在一起的。

目前我們從“輕”上考慮的點：

第一，是從數(shù)據(jù)范圍上會做一些維度的“輕”，比如像路段中的道路結(jié)構(gòu)比較簡單，這些維度是可以做減法的。

第二，從要素上再去做一些減法，因為隨著車端傳感器的能力增強和感知的能力增強，包括車輛的定位能力也是在不停的進步的，所以像路邊的桿牌其實可以做一些簡化。

第三，還有一些場景。隨著大家的行駛軌跡，包括各種數(shù)據(jù)的逐步挖掘，有一些場景不用像傳統(tǒng)的高精做的那么細分，我們會做一些合并，比較典型的之前大家會把紅綠燈對應(yīng)到每一個車道的管控上，但基于現(xiàn)在的能力，我們直接把紅綠燈跟整個大的道路做一個綁定，這樣的話有可能帶來“輕”。

Q：如果感知能力的上限還有提升空間的話，對于地圖的依賴程度是不是會更少？

A：其實地圖和感知，不是一個非0即1的問題，它是兩者之間結(jié)合在一起怎么去解決車輛周邊的環(huán)境，包括怎么提供更好的車輛周邊的環(huán)境，讓它可以去引導(dǎo)整個智駕的控制和規(guī)劃。

Q：如果識別出來的感知信息和已經(jīng)加載的地圖信息有偏差的話，怎么判斷哪個信息的置信度會更高？

A:這也不是一個單純的選擇A和B的過程，在行駛的過程中遇到高精地圖的數(shù)據(jù)和現(xiàn)實的情況不一樣的時候，還是會借鑒它前后道路的整個連續(xù)性情況，不只是基于當(dāng)前點位的差異。

首先，會借助前后的道路來判斷這個地方是感知還是地圖數(shù)據(jù)的置信度更高。其次，在具體的點位也會去融合感知之外的其他數(shù)據(jù)的輸入，做一個整體的融合，然后做最終的判斷。

Q:如果把地圖看成自動駕駛系統(tǒng)的一個獨立傳感器的話，那么地圖未來的發(fā)展趨勢，會不會也從相對比較直觀簡單的結(jié)構(gòu)化數(shù)據(jù)發(fā)展成特征級，一直到更前端的標(biāo)簽信號級的表達方式呢？

A:地圖是一種二進制數(shù)據(jù)格式的組織形式。隨著感知能力的不斷演進，會做一些云端地圖數(shù)據(jù)的建模，現(xiàn)在各家都會有不同的表達，有些廠家可能繼續(xù)沿用之前的地圖形式的表達，但有些廠家開始將地圖的數(shù)據(jù)往一些模型維度遷移，這樣也可以更加方便后邊產(chǎn)品的迭代和演進，因為通過數(shù)據(jù)的不斷回傳，可以將地圖數(shù)據(jù)的整體質(zhì)量不斷的提升。

解決地圖數(shù)據(jù)鮮度問題，提供連續(xù)性體驗

Q:特大和超一線城市的地圖變化特別快，因為道路環(huán)境經(jīng)常會修整，然后NOA產(chǎn)品就會降級到LCC甚至停止，雖然您提到我們的更新頻率最快能達到天級，但是這個問題還是難以避免的，針對這個問題百度有沒有其他的解決方法？

A:鮮度問題的確是一個比較難以解決的問題。關(guān)鍵的第一步是要通過多種的渠道獲取變化。信息的來源可能不僅僅是智能車，也有可能是眾源設(shè)備，包括傳統(tǒng)的SD和LD等各種信息渠道去拿到變更的位置，這是一個很大的挑戰(zhàn)，之后基于點位去做數(shù)據(jù)更新。

所以我們目前提供了兩種模式。首先，我們會手機地圖進行結(jié)合，直接把它切換成領(lǐng)航優(yōu)先的模式。另外，如果這個地方發(fā)生變更，那領(lǐng)航的時候我們就不從這個地方走，會選擇附近其他更高效的路線，這樣會給用戶的帶來連續(xù)的良好體驗。但是如果這種情況下它繞路距離太遠，其實也不好，這種時候我們讓用戶提前接管，在此之上才去說后續(xù)的更新。

Q:現(xiàn)在很多車企都推出一種模式，就是依靠車端的傳感器自己在車端本地建圖，對于沒有資質(zhì)的廠商來說，甚至可以選擇只把圖存在本地，不上傳到云端，既然通勤模式（通勤NOA）從A點到B點，是一個很比較相對固定的路線，然后這樣不斷的迭代，在本地就可以生成出一個與本車的傳感器精度非常匹配的一張地圖了，這會不會對圖商產(chǎn)生比較大的沖擊？

A:個人理解，首先隨著駕駛頻次的增多，會對產(chǎn)品的體驗會帶來比較大的提升。但從另外一個維度講，依靠傳感器本地建圖能夠解決局部的場景，但對于自車周邊幾公里的范圍，遇到一些外部的施工、事故等因素時，還是會有一些挑戰(zhàn)。

整體來看，去感知也好，輕地圖也好，還是希望怎樣給用戶帶來的體驗是連續(xù)的。同時希望給用戶帶來更大的安全安心感，不要由于前面發(fā)生的事故，因為用智駕而給用戶帶來驚嚇。

Q:高精地圖和高精定位一般都是搭配使用的，在城市里遮擋嚴(yán)重，定位精度很可能會下降的情況下，高精地圖的使用會不會受限？

A:對于智駕而言，除高精地圖之外，對定位的技術(shù)要求也比較高，城市相對高速來說，場景復(fù)雜很多包括高樓大廈、隧道、高架等。如果單純依賴于感知或車端傳感器，這類復(fù)雜的場景是很難解決的。

如果有高精地圖的先驗數(shù)據(jù)，加上車端的定位位置，結(jié)合感知，根據(jù)地圖的車道進行融合定位，高精地圖能夠給高精定位帶來更大的幫助，去解決這些疑難場景。

但是也會出現(xiàn)一個情況，比如這個地方屬于弱GNSS的環(huán)境，可能定位的偏差特別大，獲取的周邊高精數(shù)據(jù)都不是當(dāng)前的位置，這種場景不只是對于地圖的挑戰(zhàn)，對于整個智駕都是比較大的挑戰(zhàn)，在這種模式下可能只能依靠于定位和視覺去做一路向前的智駕體驗。

關(guān)鍵詞：