在2024智能驾驶地图与定位大会上，一些来自车企和图商的专家代表发布了自家对于无图时代中，智驾对感知、定位等技术的新需求。近日RoboX终于有时间对其中信息进行筛选，并首先整理出一篇极氪导航专家杨度的发言内容，供大家参考：

去年开始的变化

根据杨度的观察，从2023年开始，大部分车企开始采用SD Pro地图。因为从那时起，大家通过BEV+Transformer及占用网络，已经大幅增强了感知能力，同时降低对高精地图的依赖。

在此背景下，只需要一些简单的车道拓扑，以及坡度曲率相关信息，就可以满足自动驾驶的需求。

“未来，随着感知能力越来越强，对地图的依赖也会不断减弱，或许实时感知+SD地图就够了。”

杨度介绍称，实际上，现在已经有一些车企已经在使用该方案了，即仅需要SD导航地图提供全局导航与交通规则。

“实际上，感知与地图是相辅相成的。感知可以应对一些比较简单的场景，识别道路中的各类目标；但高精地图可以提供更多的先验信息，解决一些感知无法解决的问题：例如恶劣天气、停车场、复杂路口，感知盲区等等。”

他表示，感知与地图之间是互补的关系，感知可以解决80%的问题，地图可以解决剩下的20%。而高精地图赋予自动驾驶的能力，主要包含超视距信息，还有一些积累的信息。

低成本主流方案

杨度表示，去年，像腾讯、高德、百度，四维图新等图商都陆续发布了轻量级地图方案，可以达到明显的降本。

他也介绍了一种低成本地图方案，也是最大家目前应用最多的「众源地图」——它利用车辆的激光雷达等传感器，在行驶过程中收集道路的信息，然后将这些车辆感知的结果上传到云端，完成绘制地图。

“通过这种方式，车辆感知硬件采集的信息先在车端进行数据处理，也就是通过环境感知、车端制图，然后进行数据上传、数据收集、数据录入、学习、制图、编译，之后再到分发到车端，实现路网数据的更新，并形成一个闭环…这是目前的主流方案。”

“通勤模式”只是过渡方案

此外，杨度还介绍了记忆行车的相关方案，也就是类似一些车企采用的“通勤模式”，完成点到点的路线记忆保存。

“不过在目前来看，这属于一个过渡的阶段，它最终还是将会被替代掉。这一方案可以记录驾驶员的驾驶信息，然后基于记忆行驶的轨迹，来确保之后的每次通勤智驾质量。”

另外，还有一种方式，就是通过多次采集来构建地图：“这个方案不是特别推荐，因为在车端采读，有比较大的风险。例如可能会造成采集的质量低下，因为在通行场景下基本都是交通的高峰期，可能会存在一些遮挡，造成地图质量下降。”

杨度表示，这种方式还面临合规问题，而且由于很多采集信息都是断点的，它难以实现完整的地图重建。

主机厂与图商的互补关系

“未来，我们主机厂与图商的关系还会更加紧密。”

杨度认为，图商最大的优势是有甲级测绘资质，这是主机厂目前所欠缺的。但是另一方面，图商没有像主机厂那么大的样本量。

“主机厂有那么多用户，能够进一步优化数据，所以主机厂与图商要更加紧密地结合，使得自动驾驶去达到更好的状态。”

根据杨度的预判，未来的智驾不仅硬件成本会不断降低，对地图的依赖然后也同样会降低。

“因为现在都在讲降本增效，但是算法复杂度会不断上升，这就像特斯拉一样——它在采用纯视觉的同时，还增加了算法的复杂度。其定位的置信度和环境感知的深度融合，会提升定位的准确性和可靠度。”

不过他也表示，目前，在智驾方案中，还是需要依赖高精地图提供的一些道路元素跟拓扑信息。“这些信息是必要的，它们可以加深局部定位和感知的准确度。”