文｜智能汽车杂谈

10月8日，蔚来面向用户推出了Nio Pilot的新功能，NOP领航辅助；10月24日，小鹏也将在自己的科技日上发布NGP，并且在内部立下了明年Q1必须大规模推送给用户的军令状，这两项功能与特斯拉导航辅助驾驶类似，都属于高速导航辅助功能（Highway Pilot，简称HWP）。

类似的功能其他车企也在迅速跟进，导航辅助功能一时间成了行业热点。这项功能的推出对于车企和用户来说真的有意义吗？还是大家其实只是在跟风特斯拉？本文将进行一番探讨。

特斯拉的NOA与蔚来的NOP在功能上基本一致，自动超车、自动进出高速匝道、根据导航信息进行高速路切换等。蔚来的NOP在使用范围上相比目前版本的NOA更大，涵盖了城市高速路段，而特斯拉NOA目前只能在收费高速上使用。如果主要通勤场景局限在城市内，NOA的使用频率相对较低。

特斯拉NOA与NOP的实现

2017年1月，特斯拉推出自主研发的AP2.0，2018年10月，特斯拉在AP2.0的硬件基础上面向用户推出NOA功能，这项功能的主旨是根据导航信息令车辆自动驶入和驶出高速公路匝道，并且能够超越慢车。 

这里让我们来重温一下AP2.0的硬件配备，8个车外摄像头，1个前向毫米波雷达，12个超声波雷达，以及算力144Tops的计算平台（Hardware3.0）。基于这套硬件，AP能够对车辆周围环境进行全向检测与识别，包括道路信息与目标数据。

基础AP是以车道保持为核心的“转向辅助”功能，即在车道线明显的情况下，使车辆保持居中行驶。

在侧后方目标识别能力的保证下，特斯拉开发出“打灯自动变道”功能，再加上前车速度与侧向安全判断，全自动变道就出现了。

此时，AP距离NOA仅有一步之遥，那就是地图信息的加持，因为自动上下匝道的信息都依赖地图数据提供。与一般厂家不同，特斯拉使用定制化的地图方案。以中国区为例，特斯拉向百度手机地图部门定制了一张ADAS地图，里面的数据维度由特斯拉定义，百度提供。

基于这张ADAS地图，NOA可以获得进行开启范围定义（ODD）和道路信息，其精度虽然比不上真正意义上的高精地图（HDMap），但对于特斯拉这种强视觉感知能力的自动驾驶方案来说，也算够用。

蔚来NOP的实现方式基本与特斯拉NOA一致，都是基于L2级ADAS在地图数据的支持下进行功能拓展，区别在于蔚来使用了来自百度的高精地图，在数据精度与维度上比特斯拉的定制地图更高。而且，NOP的高精地图涵盖了城市快速路，适用范围比目前仅支持收费高速路的NOA更大。

除了涵盖范围的差别，高精地图的数据在执行层面也带来更好的用户体验，比如前方道路的曲率数据可以提前让ADAS系统降速，以更贴合人类驾驶的习惯过弯。而没有使用高精地图的NOA，在面对类似情况时只能进行视觉范围内的判断，从而导致执行操作上非常粗暴，甚至错过匝道入口。

导航辅助驾驶距离L3还有多远？

无论是NOA还是NOP，在功能定义上与高速L3已经没有差别，差别在于硬件系统的冗余和对高精地图的应用能力差异。

首先是硬件上的冗余，L3要求执行机构在接口上具备冗余能力，比如特斯拉Model 3的转向机安装有2个相同的接口。其实是计算硬件的冗余，用两颗相同的芯片进行互相验证的计算，确保计算不会出错。

在硬件冗余的基础上，L3与现阶段导航辅助驾驶真正的差异点就是高精地图了，高精地图的应用有两种方式，一种是只用地图数据来规划路径与动作预判，第二种是将高精地图与计算机视觉融合，实现高精定位。

灯杆、车道线、建筑物边缘、交通指示牌等元素都可用于视觉高精定位

无论是NOA还是NOP，以及一些其他厂家号称是L3级ADAS的产品，目前为止都停留在第一层，即基于GNSS定位信息来匹配高精地图上的数据，这就有点杀鸡用牛刀的意思了。因为高精地图的数据精度通常在横向分米级，纵向亚米级，如果高精度的数据信息，与之匹配参照的位置信息却是定位精度十米级的GNSS，浪费了高精地图的数据精度与维度。

那么直接用高精度的GPS设备来实现定位是不是可行？

在测试环境下可行，因为高精度GPS的采购价格可以满足测试需求，但用作量产车型使用，目前不存在可能性，价格对于量产车来说过于昂贵。

因此基于低成本硬件与一定开发成本的软件高精定位方案就显得至关重要了，硬件足够便宜才能保证每一台车都用得起，软件开发的成本则可以被产量摊薄。

在目前已知的技术环境下，SLAM (simultaneous localization and mapping)被认为是一个切实可行的办法，但这意味着自动驾驶团队需要同时具备视觉算法、视觉建图、定位融合等研发能力，要求不可谓不高。

导航辅助驾驶真的有意义吗?

前面提到，在功能层面，导航辅助驾驶与L3已经没有太大差异，区别在于对地图数据的应用而导致的用户体验差异。

所以这就已经决定导航辅助驾驶功能的开发是有意义的，包括但不限于功能与场景验证、用户体验迭代、地图数据的功能验证、数据收集与迭代等，做成了导航辅助驾驶，离L3就不再遥远。

因为L3需要的基础能力与数据都在导航辅助驾驶的应用中可以进行验证，甚至可以说在核心层面两者差距就是高精定位能力。

而基于视觉结果与高精地图的高精定位能力对于目前已经交付使用的导航辅助驾驶来说，理论上都是具备升级空间的，前提是你的感知算法完全握在自己手中，而恰好平台算力又有富裕。

存在升级空间就意味着现阶段的开发都不会被浪费，选择先期入场的车企又能先人一步获得大量的实际用户数据来持续改进产品，为真正意义上的L3夯实地基。

这就相当于导航辅助驾驶是你吃的1到4个馒头，而L3则是第五个馒头，要吃饱必须5个馒头都吃，只吃第五个是不可能吃饱的。