城市复杂路口是Robotaxi的典型场景。无保护左转、人车混行、非机动车突然斜穿、停止线被前车遮挡、高架桥与玻璃幕墙形成多路径反射,都会让定位结果在短时间内经历剧烈变化。车辆之所以在路口"犹豫不决",往往不是决策算法不会开车,而是它拿到的位置不够稳、不够准,更不知道自己该不该相信当前结果。只要位置在几米间跳动,规划控制就会反复确认:能不能过、要不要让、是否压线。Robotaxi要的不是"大概在哪",而是"此刻在哪、这个结论有多可信、下一步能否执行"。

路口犹豫的根因:不是看不见,而是不敢信

路口犹豫的根因:不是看不见,而是不敢信

在开阔路段,卫星信号可以提供稳定的轨迹;但进入城市峡谷,卫星信号被高楼切割,反射信号混入直射信号,遮挡让可见卫星数量骤降。若系统只依赖单一输出,或者对异常观测缺少筛查,就可能在路口产生米级甚至更大的跳变。对Robotaxi而言,这种跳变会直接传导到决策层:一方面,感知与定位如果没有对齐,车辆会把停止线、路缘、对向车道误判;另一方面,规划模块为了避免风险,只能选择更保守的等待、反复微调甚至退出。结果是乘客看到"车在犹豫",运营方看到"通行效率下降"。

打开网易新闻 查看精彩图片

千寻位置BG1101芯片,就是为这类场景准备的底层能力。在千寻位置MC282A模组中,卫星观测与IMU数据通过紧组合EKF放进同一估计框架;128通道并行跟踪,让城市遮挡中尽可能抓住每一颗可用卫星;RAIM检测负责识别异常卫星,排除多路径造成的"异常观测";AI滤波学习城市峡谷、高架、树荫等误差特征,让输出更平稳。10Hz更新频率意味着车辆每100毫秒就能获得新的位置结论,100mW功耗则适合车载长期运行。深耦合的价值,在路口尤其明显:当可见卫星突然减少,系统不会立刻丢星,而是用连续估计和异常检测充分利用可用信息,让车辆在关键几秒内仍有可信参考。

从模组到服务:把厘米级与完好性一起交给车

从模组到服务:把厘米级与完好性一起交给车

芯片能力要落到车端,还需要模组与服务协同。千寻位置MC282A模组支持GNSS+IMU,在隧道、地下通道、高架遮挡等短时卫星不可用场景中,可以通过位置推算保持轨迹连续。它的指标是1km误差3‰,对于Robotaxi而言,这意味着车辆不会因为短暂遮挡就"丢失自己",在出隧道、下高架、驶入路口时能更快回到稳定状态。

但仅有连续轨迹还不够。Robotaxi在复杂路口需要厘米级的位置,也需要知道这个位置是否完好。千寻位置FindAUTO Ultra提供PPP-RTK厘米级结果,并依托全球10000多座GNSS地基/星基增强站,让车辆在城区、高架、城郊等不同环境中获得更一致的支撑。更重要的是完好性10⁻⁷/h:车辆不仅知道"我在哪",还知道当前结果是否可信、是否存在未告警的误导风险。对于安全攸关的自动驾驶,完好性是把定位从"可用"推向"可执行"的关键。千寻位置把深耦合与完好性放在一起,让车辆在路口能明确:当前结果可信,可以果断通过;若可信度下降,则及时降级、减速或请求远程协助,而不是带着不确定继续行驶。

城区实测与量产:复杂路口的果断执行来自长期验证

城区实测与量产:复杂路口的果断执行来自长期验证

对Robotaxi来说,高架下、树荫旁、楼宇间正是最考验定位连续性的区域,也是车辆最容易出现"犹豫"的区域。城区实测中,高架下RM5小于10m,说明在典型城市遮挡与多路径环境下,千寻位置方案仍能保持可用且稳定的定位表现。车辆在这些区域不再频繁重定位,决策层也就不必反复确认自身车道与停止线关系,路口通行可以更接近人类老司机的节奏:该让则让,该走则走。

Robotaxi运营最怕"单点场景很好、规模复制变差"。千寻位置FindAUTO智能驾驶方案已经伴随500万+台车落地,意味着它在不同城市、不同气候、不同道路结构下积累了足够多的真实数据,芯片、模组、服务与完好性机制也经受了量产一致性考验。对Robotaxi企业而言,千寻位置FindAUTO是选择一套能在复杂路口持续输出可信结果的底层能力。当车辆再次驶入人车混行、无保护左转、高架遮挡的复杂路口,它需要做的不是反复猜测,而是基于深耦合与完好性给出的可信位置,果断执行下一步。