没有激光雷达的小鹏P7+，智驾到底好不好使？
汽车
2024-11-21 08:01
天津
目前有不少品牌的智驾，号称“全国都能开”，比如华为、小鹏、智己等等。从技术上说，他们都带有激光雷达，使用多模融合感知方案。
但是现在，小鹏表示，他们的新车P7+，已经可以用不带激光雷达的纯视觉方案，也做到“全国都能开”。
说实话，没有激光雷达，确实能把硬件成本降低，但对于软件和AI算法的要求反而更高。
那么，小鹏P7+的这套纯视觉智驾究竟表现怎么样呢？
这次我们就来到了广州，通过拥堵的城市干道，狭窄的街区小道，来看看它在面对并线博弈和障碍物规避，这两个智驾的大难点时，会有怎样的表现。
点击观看视频
要知道环岛这个场景对智驾来说是非常困难的，因为它同时涉及到了大曲率弯道、车道线识别、多车道的并线，再加上车多、不按规则行驶、压线、不打灯等等。
总之除了小鹏以外，目前也就极少数像华为、理想这样的第一梯队智驾，有通过环岛的能力。
首先在第一个环岛，在这里我们准备左转，需要连续经过两个路口。
在起步以后，小鹏选择了内侧车道行驶，而且在两条车道的汇入与汇出时，也没有骑线。
对比我们后方骑线行驶的比亚迪，说明小鹏的感知系统还是很在线的。
而与此同时呢，我们的右前方，一台埃安也出现了骑线行驶的情况。
这里小鹏选择了贴近左侧行驶，不仅没有影响通行效率，而且还没有踩实线，非常聪明。
在连续经过两个路口后，小鹏选择加速连续变道，快速从最内侧车道驶离了环岛。
这一套动作，可以说是非常自然而且行云流水的，在保证舒适度的同时，惊艳到了我们所有人。
首先是对于车距的把握，尽管没有了激光雷达的点云信息，但纯视觉的感知算法还是准确判断出了彼此的车距。
而规控算法的训练效果也显然非常的拟人，这可以让小鹏快速计算出可行驶空间，然后以兼顾高效和舒适的方式顺利通过。
但在这里，我们遇到了一些意外，此时在右侧车道驶过了一台北汽。
而我们正处在加速向外侧并线的过程中，导致我们两车的距离一度非常接近，给人的感觉非常极限。
个人认为，这种临近出口，才开始从最内侧连续变道的策略，还有待商榷。因为右侧会存在较大的视觉盲区，另外也会影响到外侧车道车辆的正常行驶。
接下来我们进入了下一个场景，也就是狭窄且拥挤的小道。
可以看到，我们现在所处的这条小道是非常紧凑的，只有两条机动车道。
而大量的非机动车呢，则是被迫在和机动车抢道，要知道他们可都是见缝插针的。
这其中的难点不用我说，大家也都能猜出来了，智驾必须得足够会错车和会车，不然就会寸步难行。
这就要求智驾的感知要有足够精确的空间计算能力，另外规控也要足够灵活。
前方我们遇到的第一个障碍物，就是一台慢速行驶的清扫车。
注意看，清扫车此时已经选择紧贴着右侧行驶了，并且打出了左转向灯，示意后方车辆可以随时超车。
但在这里，小鹏P7+并没有选择快速借道超越，而是一直跟在清扫车的后方。
为什么小鹏会在这里表现得这么保守呢？是不是因为没有了激光雷达，导致它对空间和距离的把握不太行了呢？
其实从车辆的行驶轨迹和中控屏的显示界面咱们就能发现，其实小鹏有几次都是主动想要寻求借道超车的。
但此时我们的对向车道有非机动车，并且我们的后方也有非机动车，一直在各种角度贴近、超过我们。
对于智驾来说，这种行驶策略我个人认为是可以接受的。
如果是我自己开车，我当然可以选择直接超车，然后通过速度和气势上的博弈，让那些非机动车给我让道。
但这种博弈是存在非常大的随机性和安全隐患的，人或许可以冒险，但智驾绝对不行。
在最终超越清扫车后，我们左转来到了一条相对更加拥挤的小道。
可以看到，我们左侧对向车道的车辆数量明显增加了，而右侧车道也有很多靠边停放的非机动车。
另外就是在后视镜里，我们的后方始终有不安分的非机动车，随时想要超过我们。
在第一次同时遇到对向机动车和同向停放的非机动车时，我们看到对向机动车的位置是非常靠近中间车线的。
这导致我们前方的可行驶空间被压缩了很多，所以小鹏P7+选择了停车主动放走对向机动车。
在这之后，由于没有了对向机动车，小鹏P7+开始了长时间的骑线行驶，并且也在时不时地修正方向，来躲避同向和对向的非机动车。
这个长时间骑线行驶的策略，可以说是很接近真人驾驶的风格的。
而在前方，我们看到对向车道有一台临停的五菱，以及正在借道超车的奥迪。
小鹏在这里同样选择了减速让行，并且在继续前进，遇到后方的对向车辆时，也选择了减速让行的策略。
可以看到，此时我们和对向车辆的距离贴的很近，右侧虽然空着不小的空间，但因为我们的右后方一直有台非机动车。
总的来看，小鹏P7+的这套纯视觉智驾，给到我的体验是非常惊艳的，因为在此之前我从没想到多，纯视觉智驾可以做到第一梯队的水准，而且是真的可以和融合感知方案不相上下。
这也从侧面说明了，小鹏在智驾软件层面的技术优势，在达成数据闭环以后，感知模型已经可以在没有激光雷达点云的情况下，搭建出精确的向量空间了。
而规控模型经过大量优质数据的训练，也可以做出更类似真人驾驶的策略和风格，当然从实际体验上来看，还是有一定提升空间的。
