ADAS/AD笔记之特斯拉Autopilot-HW3.0系统

摘要：

目前国内一般直接将高速NOA成为“L2+”；因此，复杂度更高的城区NOA，就自然的映射到了“L2++”。

一、概述：

特斯拉Autopilot系统首创了NOA这种淡化脱手/脱眼/脱脑（驾驶自动化程度）逻辑的功能，致力于与导航结合后，完成从A点到B点的全程进行辅助驾驶（L2，不脱手）的能力，功能实用性大大增加。

鉴于ICA、LCC这种功能也是L2，为了体现特斯拉NOA良好的高速和城区的变道、匝道汇入汇出、复杂场景通行能力，用“L2+”来形容特斯拉NOA的先进性，也是被行业接受的。但是这个L2+，并不是在脱手/脱眼/脱脑这个维度体现的。

补：一般L几与XXX-off的对应关系是

• 无L，没有智驾功能；

• L0，无控制（只报警提醒、提示），Warning；

• L1，单向控制（纵向，或横向），Single-direction control；

• L2，横纵向控制，不脱手，Hands-on;【横纵向都具备后，就开始拼是否脱手/脱眼/脱脑了】

• L2+，横纵向控制，脱手，Hands-off；

• L3，横纵向控制，脱眼，Eyes-off；

• L4，横纵向控制，脱脑，Minds-off；

• L5，横纵向控制，无人，Driver-off；车辆不再为驾驶员提供底盘控制接口（如制动踏板、油门踏板、方向盘等人类直接控制车辆的装置）；

另，国内也有不少厂商习惯用场景复杂度来定义功能。目前国内一般直接将高速NOA成为“L2+”；因此，复杂度更高的城区NOA，就自然的映射到了“L2++”。

二、系统介绍：

根据相关信息，对基于HW3.0的Autopilot系统方案统计如下：【注：特斯拉OTA很快，信息经常变，只能大致参考下】

其中，针对上表中的图例，附在下方：

图1 传感器安装位置和FOV视角

三、部署车型和地区：

四、总结：

按照上述维度评价Autopilot HW3.0不太适合。特斯拉主要是在算法上进展很快。从HW2.0/2.5升级到HW3.0以后，带来的FSD算法方案，应用了很多新AI技术，比如BEV多摄感知方案 + learning based 规控 + 4D标注等；目前又增加了占用网络技术，提升一般静态障碍物的检测能力。迭代速度很快。期待特斯拉在算法领域的持续创新。

另外，需要关注Camera-only系统的状态，是否能根据vision only系统迭代出L3级以上智驾系统。目前常见的说法，比如“人是靠视觉感知世界的，所以视觉系统理论上靠算法迭代也能做到自动驾驶”这类“朴素”的价值判断，并不太能让人信服。因为如果按照这种价值判断去“比喻”工程实践的话，人类就不需要仿生学了。具体地，飞机现在应该都是扇动翅膀的扑翼机，而不是固定翼飞机。因此，需要时刻关注算法创新的进展（这个才是能够证明可行的原因），以及特斯拉对其他传感器的增减尝试。但是，从整车层面看，如果vision only系统能够实现L3，那对智驾系统的推广，是极其有利的。

反过来看，基于4D radar或Lidar等主动性传感器为主的智驾系统（比如1V-5R-1L这种系统，可以保留前向视觉传感器），实现L2+和L3的可能性较小。奔驰的Drive Pilot系统的L3功能（TJP），目前是单车道场景，还可以handle，一旦涉及到频繁变道，比较担心基于Radar/Lidar等主动性传感器的能力（反过来说，也很期待以售卖4D Radar + Lidar部件的厂商，尽快能够推出基于Radar/Lidar为主传感器的高端智驾系统，来证明该技术路线的是可行的）。

 

来源 | 智能驾驶与人形机器人