自動駕駛四大關(guān)鍵技術(shù)是感知技術(shù)、決策技術(shù)、路徑規(guī)劃、運(yùn)動控制。

感知技術(shù)：

作為第一步的環(huán)境感知，就是環(huán)境信息和車內(nèi)信息的采集與處理，它是智能車輛自主行駛的基礎(chǔ)和前提。獲取周圍環(huán)境信息，涉及道路邊界檢測、車輛檢測、行人檢測等技術(shù)，即傳感器技術(shù)所用到的傳感器一般有激光測距儀、視頻攝像頭、車載雷達(dá)、速度和加速度傳感器等等。

決策技術(shù)：

完成了感知部分，接下來需要做的便是依據(jù)感知系統(tǒng)獲取的信息來進(jìn)行決策判斷，確定適當(dāng)?shù)墓ぷ髂Ｐ停贫ㄏ鄳?yīng)的控制策略。這部分的功能類似于給車輛下達(dá)相應(yīng)的任務(wù)。

路徑規(guī)劃：

智能車輛有了行駛?cè)蝿?wù)，智能車輛的路徑規(guī)劃就是在進(jìn)行環(huán)境信息感知并確定車輛在環(huán)境中的位置的基礎(chǔ)上，按照一定的搜索算法，找出一條可通行的路徑，進(jìn)而實(shí)現(xiàn)智能車輛的自主導(dǎo)航。

運(yùn)動控制：

運(yùn)動控制包括橫向控制和縱向控制，簡單來說橫向控制就是轉(zhuǎn)向控制，縱向控制就是速度控制，現(xiàn)在研究比較多的是橫向控制，所運(yùn)用的方法主要包括滑膜控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制、*優(yōu)控制、自適應(yīng)控制和跟蹤控制等。

自動駕駛曾經(jīng)有很多技術(shù)路線，2019年后形成了兩個(gè)主要流派：一個(gè)是高精地圖+激光雷達(dá)的地圖派，高精地圖和激光雷達(dá)就像是自動駕駛車輛的“兩根拐杖”，靠激光雷達(dá)增強(qiáng)感知能力，高精地圖提高規(guī)劃能力，然后在算法的輔助下實(shí)現(xiàn)車輛的自動駕駛功能。另一個(gè)是擺脫了高精地圖限制的感知派，簡單來說就是丟掉了高精地圖的拐杖，依賴于激光雷達(dá)+毫米波+攝像頭的感知能力。“感知系統(tǒng)”就像是自動駕駛的“眼睛”與“耳朵”，然后對路況做出實(shí)時(shí)判斷。

隨著自動駕駛技術(shù)的進(jìn)步發(fā)展，企業(yè)們逐漸發(fā)現(xiàn)過分的依賴高精地圖卻帶來了不少的約束與限制。目前，自動駕駛難以完全落地的主要原因便是高精地圖的建造與高昂的維護(hù)成本。每日更新城市中的地圖對于自動駕駛企業(yè)而言更是難以完成的目標(biāo)，而隨著高精地圖資質(zhì)的收緊，國內(nèi)更是只有個(gè)別的圖商才有繪制地圖的資質(zhì)。對于車企而言，沒有一家OEM愿意將如此重要的籌碼假手他人，與圖商的合作也難以徹底消除此類擔(dān)憂。在如此背景下，拋棄高精地圖而提升感知能力不失為一個(gè)好的選擇。

在國外，特斯拉無疑是踐行這一思路*早的玩家，其率先使用的BEV感知模型迎得國內(nèi)外自動駕駛企業(yè)紛紛效仿，也通過市場的反饋?zhàn)C明了未來純視覺自動駕駛的可能性。國內(nèi)，也有多家企業(yè)正逐步進(jìn)行戰(zhàn)略轉(zhuǎn)型：小鵬重申從2023年開始，從高速到城市NGP，都不再依靠高精地圖；理想將基于BEV感知和Transformer模型，實(shí)現(xiàn)不依賴高精地圖的城市NOA；其實(shí)，重感知的路線并非新鮮概念，國內(nèi)自動駕駛公司毫末智行*早選擇了這種方式，并且很長一段時(shí)間內(nèi)也幾乎是行業(yè)內(nèi)*一采用“重感知”路線的廠商。其發(fā)布的MANA五大模型，助力感知效果的提升，降低了自動駕駛對于高精地圖的依賴性。一個(gè)行業(yè)中企業(yè)路線的切換往往是經(jīng)過深思熟慮，影響也是深遠(yuǎn)的，而正確路線的盡早確立將為企業(yè)帶來強(qiáng)大的先發(fā)優(yōu)勢，這一點(diǎn)上毫末走在了中國自動駕駛的前列。

在未來，“重感知、輕地圖”的路線優(yōu)勢將逐漸顯現(xiàn)，車企們通過落地測試，積累了大量的真實(shí)路況數(shù)據(jù)，從而讓自動駕駛系統(tǒng)學(xué)到了更多有價(jià)值的經(jīng)驗(yàn)，成為名副其實(shí)的“老司機(jī)”。我們?nèi)祟愰_車并不需要知道信息量如此巨大的全局高精地圖信息，對于機(jī)器來說完全依靠強(qiáng)大的感知能力應(yīng)對各種場景從原理上是可行的，而越來越多的公司正在證明著這一點(diǎn)。也只有如此，才真正為自動駕駛的量產(chǎn)落地打下堅(jiān)實(shí)的基礎(chǔ)。

對于自動駕駛系統(tǒng)來說，軟、硬件都發(fā)揮著非常重要的作用，缺一不可。硬件方面，自動駕駛芯片作為計(jì)算的載體，已成為智能汽車的核心。過去，自動駕駛芯片主要以實(shí)現(xiàn)單一功能為主（支持低級別的輔助駕駛），如控制底盤、發(fā)動機(jī)、剎車燈等，而以特斯拉為代表的汽車電子電氣架構(gòu)顛覆了傳統(tǒng)模式，采用了中央集中式架構(gòu)，即用一個(gè)“大腦”控制整車，域控制器逐漸集成傳感器、數(shù)據(jù)融合、路徑規(guī)劃、決策等運(yùn)算處理功能，另外，自動駕駛級別逐步提升，應(yīng)用功能愈加豐富，這些使得汽車對芯片算力的要求越來越高。 在此背景下，高算力的硬件部署在行業(yè)中已經(jīng)是迫在眉睫。

我們知道，數(shù)據(jù)驅(qū)動是自動駕駛未來發(fā)展的方向與趨勢 。海量的產(chǎn)品數(shù)據(jù)、超大規(guī)模的數(shù)據(jù)訓(xùn)練、大模型的應(yīng)用等，都對算力提出了更龐大的需求。在未來，擺脫高精地圖成為趨勢，重感知與高算力都將成為必然。可以說未來的自動駕駛就是數(shù)據(jù)與算力的競爭，誰擁有了*全面、*豐富的場景數(shù)據(jù)，并且擁有足夠算力的硬件部署能夠處理，誰就能在自動駕駛未來的競爭中占得上風(fēng)。