先背题再考试!一键召唤威马:自主泊车很难吗?

0

“到达目的地之后,把车辆停在停车场的入口,车会在无人状态下自动驶入停车场内,寻找并泊入可停靠的车位;用车的时候,通过手机远程一键式操作,车辆以无人状态下自动驶出停车场,来到用户的面前。”这项无人式的代客泊车正在从 Demo 走向现实。

 

近日,造车新势力威马的第三款量产 SUV W6 在湖北黄冈生产基地正式下线,和新车共同量产的还有威马与百度 Apollo 共同研发的一项停车“黑科技”:云端智能无人泊车系统,简称 Cloud AVP。该技术可以帮助 W6 实现无人干预情况下的自动驾驶、躲避障碍物、车位智能搜索和自主泊入、泊出等功能,甚至可以通过手机遥控实现一键停车和召唤。整个停车过程分为有人和无人两种场景,利用手机操作时,车辆可完全实现无人化的自动驾驶。

 

 

先说硬件部分,W6 全车配备了 24 个传感器,其中包含 5 个 77GHz 毫米波雷达、7 个摄像头及 12 个超声波雷达,另外还搭载了一枚自带 5G 传输的高通 8155 车机芯片。

 

 

传统印象里的 AVP 代客泊车非常依赖停车场场端的基础建设,需要为其配备大量的传感器与车辆进行通讯,是一项极为“烧钱”的工程——比如之前奔驰S级在斯图加特的进行L4级自动泊车,就更加依靠场端建设。(延伸阅读:首款L4级自动泊车量产车型,全新一代奔驰S级在斯图加特实现无人泊车

 

相比而言,威马和百度的这套东西就“轻”了很多,正如“Cloud AVP”其名,它们采用的是一种单车智能+云端算力支持的解决方案。

 

什么意思?看了我的实际体验,你就会知道这是怎么回事。

 

人类持续进化能够走到今天,一项关键能力是学习,再难的题目反反复复做几遍也就不难了。停车本就是一件“公式化”的事情,如果让车辆提前知道接下来要走的路,那是不是就能变得简单许多了呢?在我看来,Cloud AVP 就是一种非常“讨巧”的方案。

 

 

上车之后,你会在中控屏上找到一个“学习型自主泊车”(H-AVP)的入口,你可以从这个入口为车辆添加一条或者最多五条学习路径。也就是说,在车子成为“代客泊车”的“老司机”之前,他必须先熟悉熟悉路!提前把考题背了。

 

怎么个学习法并不复杂,其实就是让你先自主驾驶给车子做一遍示范。比如 A 是你的车位、B 是你经常上下车的接驳点、C 是停车场入口。你要做的就是让车辆提前走一遍 A-B、B-C、C-A 这三段。在你自主驾驶之前,你在车内先创建学习任务,然后你再以 15km/h 的限速人工把上述的路线跑一遍,目前从长度目前不能超过 100m(据说量产之后会增加这个距离)。行驶到 A、B、C 每一个节点的时候,你都需要停车稍待几分钟,让车辆完成学习,并将路径数据扔到云端去。

这个路径数据包含哪些东西呢?当然绝不仅仅是一个路线那么简单。其实在你自主驾驶的过程中,车子首先会记录你的车位信息,接着传感器会动态记录周遭的环境信息,并且完成建模,这些数据都会被实时记录下来上传云端,然后在车辆自动驾驶的时候去调用这些数据,等于车子提前画了一张“高精地图”,有点类似地图采集众包的意思。

 

在完成学习之后,车子就可以按照提前走过的路线完成停车作业了。在 A 点停车位泊入、泊出的动作好办,实际上就是自主泊车功能(APA),传感器会自动识别车位,控制油门刹车完成操作。相对比较复杂的场景是怎么进停车场和从停车场出来这一段,停车场的路况复杂,行人横穿、过往会车都是比较常见的场景,这非常考验车辆“随机应变”的能力。

 

 

整体来说,本次演示环境相对比较理想,威马没有过多地设置复杂场景。对于有来车,有行人的情况下,车子的逻辑是停车让行,待移动障碍物远离之后再继续工作。让行人这事儿比较好办,我比较好奇的是,在狭窄的环境下,AVP 会怎么去避让车辆,毕竟原地等待往往会影响正常通行。老司机都知道,停车场会车的时候大家往往都是一种比较“拧巴”的姿势,通过反复操作尽可能地给对方挤出通行空间,类似这种场景,威马没有给到我们答案。

 

 

总得来说,在理想环境下,H-AVP 的表现还是非常靠谱的。手机召唤过程也非常简单,同样是提前学习路径,然后你一键在手机下发指令,但要注意,出于安全考虑车辆在无人状态下,你要时刻点击手机屏幕,手一停车子就会随即制动停车。需要强调的是,和现在市面上的一些“循迹倒车”逻辑有些类似,H-AVP 在行驶时会尽可能地还原学习的路径,也就是说你学习的时候压着线走,它自己执行的时候也会压线,不过停车时除外,即便你之前停歪了,车子到时会自主摆正。另外,整个停车过程时候的车速还是比较慢的,大概被限制在 10km/h 以下,而且现阶段所有的过程都必须在用户的视野监控范围内。

 

 

最后,我再总结一下学习型自主泊车的作业逻辑:

 

1. 人类驾驶,学习路线;

2. 学习过程中,车辆完成计算和推演,把数据上传到云端;

3. 传感器监测+调用云端数据,实现停车场的自动驾驶;

4. 自主泊车功能完成车辆的泊入、泊出。

 

 

学习型自主泊车比较适合固定停车场的用户,学习一次基本就可以一劳永逸,即便你没有固定车位,它也可以。那么有人要问了到陌生停车场怎么办?我总不可能先提前学习一遍吧。这就需要提到接下来的进阶功能:云端高精地图泊车(P-AVP)。

 

 

顾名思义,P-AVP 就是提前拿到了高精地图数据,省去了学习的一步,上手即可自主停车。这个高精地图哪里来,一方面是供应商提供;(威马必然是百度)另一方面就是用户的日常数据去反哺云端,你可以把每一辆使用了 H-AVP 的威马看作是一部地图采集车,通过用户的不断使用,这些数据会持续不断地丰富更新,然后共享给其他用户。

 

 

写在最后

 

威马的这次体验并没有完全戳中我的兴奋点,一句话——“考题太简单了”。我并不怀疑威马和百度的技术实力,但目前这套 AVP 泊车展现给我们的场景还太多单一,中国停车环境尤为复杂,如果本次演示代表了威马现阶段可量产的全部实力的话,这套产品显然还是没办法让所有人都满意的。

 

 

不过必须肯定的是威马在控制成本方面的努力,毕竟好的技术必须得合适的成本才能做到普惠大众。借助云端的能力,威马和百度把原本重场端建设的 AVP 做得足够轻量化,做到了以尽可能的低成本让消费者快速尝鲜新技术,同时还一定程度上弥补了单车智能的不足。

 

但是问题来了,缺乏场端建设完全依赖高精地图,在面对复杂场景,这套 AVP 究竟还有多少威力?时间仓促,我期待威马下次能够给到更丰富的测试场景。

 

Comments are closed.