4 月 17 日消息 等了 5 个多月，车东西终于在极狐阿尔法 S上体验到了华为的量产版“L4”级自动驾驶系统。
从华为上海研究所出发，我们乘坐这台阿尔法 S 在上海金桥区的城市道路里行驶了 12 公里，经过了十几个红绿灯后返回到了原点。
同样的路线，车东西总计体验了 3 趟（两次夜间一次白天），途中所有驾驶操作均由华为 ADS 高阶自动驾驶系统所完成，没有一次人为接管。
▲ 实车体验华为 ADS
眼下 L2 级自动驾驶系统正在成为新车标配，但除了特斯拉正在小范围测试的 FSD 系统外，其他各家的 L2 都是为高速公路所设计 —— 日常城市通勤根本用不了几次。
现在，华为将高级别自动驾驶技术下放，为 L2 级推出了ADS 系统，则完全打破了这一僵局。
对于消费者来说，能够在城市内实现点对点的自动驾驶，哪怕是需要时刻盯着路面，也能大幅降低驾驶疲劳感，是车辆使用上的一次质变。
对于自动驾驶产业来说，如果极狐阿尔法 S 能够在特斯拉 FSD 正式发布之前量产交付，那么它将是全球首款具备城市自动驾驶能力的量产车型，华为 ADS 也将是全球首套城市自动驾驶系统。
毫无疑问，ADS 的推出与量产，推动着全球自动驾驶产业向前迈出了坚实一步。
4 月中旬的上海依然略有一丝凉气。车东西团队刚一下飞机，就立马前往位于金桥区的华为上海研究所。即使已经到了晚上 7 点半，大楼里依然灯火通明。
我们体验华为 ADS 的载体是极狐阿尔法 S —— 一款兼具轿车、SUV 风格的跨界纯电车型，也是全球首款搭载 ADS 的量产车。
▲ 极狐阿尔法 S 是第一款搭载 ADS 的量产车
主驾位置的安全员将车手动开至公开道路后，快速拨动了方向盘左侧的操作杆两次，打开了 ADS 系统，随后将手从方向盘上拿开，开始了自动驾驶模式。
根据出发地、目的地，以及途经点信息，导航系统规划出了一条行驶路径，车辆自动沿着路线行驶。
与大部分 L2 级系统，甚至是 L4 级无人出租车追求平稳的设计不同，ADS 的起步要迅猛的多，眨眼间就到了道路的最高限速 ——60 公里 / 小时，完全一副老司机的做派。
车辆的仪表上会显示车辆对外界的感知结果，司乘人员可以很直观的看到车辆的感知结果，并了解车辆的行驶意图。
▲ 极狐阿尔法 S 的内饰
开起来后，车东西乘坐的这台车就沿着当前车道行驶，并沿途躲避障碍物。前车减速，本车也会放慢速度。
因为是高级别自动驾驶技术架构，ADS 具备动态路径规划能力，若前车持续低速行驶且旁边车道又比较空旷时，ADS 则会变道超车，然后在隔壁车道行驶以提升通行效率。
根据导航信息，车辆会在相应的路口提前变道以完成左转或右转动作。在十字路口左转或右转时，车辆也会根据周围车辆的位置动态调整自己的行驶轨迹予以通过。
这跟“以单车道自动驾驶”为核心功能的 L2 级系统相比是一个重要的不同。
实现城市点对点自动驾驶，红绿灯检测是一个大难题。
作为一套高级别自动驾驶技术架构的系统，ADS 使用了华为自己采集的高精地图数据 —— 车辆在很远处就可以知道红绿灯的位置信息，以提前在摄像头拍摄的视觉画面中检测红绿灯状态。
实际体验中，ADS 不仅可以在大老远就将左转和直行红绿灯状态检测并显示出来，且三次行驶中没有出现一次漏检与错检。
唯一美中不足的是 ADS 目前仅能检测红绿灯颜色，还不能像特斯拉 FSD 一样在近距离实现箭头形状和倒计时数字的读取。不过华为的工程师告诉车东西，在未来的版本中，ADS 也会加入对红绿灯箭头和倒计时的读取能力。
就这样，车辆变了十几次道，完成了十几次左转、右转后，在没有一次人为接管的情况下又开回了华为上海研究所。
从宏观上来说，点对点自动驾驶系统非常简单 —— 导航系统规划好路径，车辆沿着路径行驶，并在这一过程中躲避其他障碍车辆和物体。上一部分车东西核心介绍了 ADS 的路径规划和行驶能力，这一部分我们来聊聊技术含量最高的避障环节。
城市道路与高速公路最大的不同就是路况极为复杂，既有各种机动车辆，又有行人、电动车、摩托车，还有大量非标准的交通工具和离奇的行驶姿态。
在三次体验中，ADS 能够轻松躲避本车道内的前方车辆，没啥好说的，下面重点聊聊车东西在体验中遇到的几个颇具挑战性的场景。
1、完美应对近距离加塞
在 4 月 15 日夜间的一次体验中，左前方不远处一辆白色路虎极光快速驶入本车前方（本车速度大概 50 公里 / 小时），大概有三分之一车身进入本车车道，随后马上又开回了原车道。
ADS 在极光开始并线时迅速做出了减速动作并向右方避让。同时因为极光马上又开回了原车道，所以本车的刹车力度并不大，待其离开后又恢复了正常速度，整个反应过程让车东西一度开始怀疑安全员是不是已经采用手工驾驶了。
▲夜间体验 ADS
为什么怀疑是人工驾驶？这里有两个细节值得说道。
一是 ADS 的反应速度很快。这主要得益于前方激光雷达和视觉的精确感知能力，能够迅速了解目标的相对位置从而做出反应。这对于以视觉和毫米波为主的 L2 系统来说，很难做到这么同步的反应，往往是前车加塞到一定程度才会减速 —— 最终结果就是重重一个急刹车，体验很差。
二是反应的程度恰到好处。这个场景中极光并没有并线，因此 ADS 选择了中等程度的刹车力度进行防御性驾驶，既为下一步动作留出的反应的空间，又不至于影响用户体验，很像老司机开车。
ADS 表现好是因为对其他车辆行为的预测做的好。这方面，华为引入了深度学习技术，通过大量收集道路上的真实数据来训练自己的模型，才能准确预测周边车辆的行为，并做出迅速和合适的反应。
2、灵活完成无保护左转
不管是国内还是国外，都有一些十字路口是用一个红绿灯同时控制左转和直行。绿灯亮起后，左转车辆与直行车辆就要“垂直相对”。人类司机的操作往往是狭路相逢勇者胜，谁跑得快谁先过。或是敌不动我不动，互相等对方先走，结果谁都没动。
人都处理不好的场景，自动驾驶当然更难。
▲ ADS 处理无保护左转场景
在这次体验中，车东西乘坐的阿尔法 S 也遇到了多个无保护左传的情景。ADS 的处理还是非常值得称赞。
如果垂直车辆的速度较快，ADS 的原则是安全第一，等待垂直方向车辆先通过后再左转。如果对方车辆速度较慢，ADS 则会加速率先通过，并不会傻等，很像真人驾驶。
3、可躲避异形车辆
对自动驾驶汽车来说，要做出合适的行驶决策，一个关键要素是知道前方是否有障碍物，并确定相对速度与位置。
外形相对标准化的汽车、行人和骑行者较为容易感知，从而容易确定驾驶策略。但对于非标准物体，尤其是静态物体就很困难 —— 不知道前方是到底是什么，躲还是不躲？
▲ 右侧遇到人力拖车
在一条小路上，右前方出现了一个缓行的两轮人力拖车，车上还有很多金属物体，外形非常不规则。再往前走，前方出现了一台正在掉头的五菱宏光，在我们接近时车辆横在了路中央并缓慢倒车。
这两个场景的障碍物都是非标准物体，也意味着深度学习算法无法对其进行分类。
不过得益于激光雷达和双目视觉，ADS 还是感知到了这两个特殊的障碍物，在经过人力拖车时向左打了一把方向进行了避让，而接近掉头的五菱宏光时也减速缓行，待其离开后在继续前进。
这三大场景之外，一路上我们还遇到了横穿马路的行人、逆行的车辆，以及走 S 形的外卖小哥，无一例外 ADS 系统都能够感知到这些交通参与者的存在，并做出了合理的避让动作。在三趟总计 36 公里和 100 多分钟的复杂路况体验中，没有出现哪怕是一次接管和系统失效。
当然，现实场景千变万化，目前没有任何系统可以做到 100% 的有效。为了尽快将技术量产，将其降级为 L2 级 —— 即驾驶员随时准备接管以应对特殊情况，无疑是非常好的一个技术路径。
在连续三次试乘了 ADS 之后，车东西在华为上研所再次与 ADS 的首席架构师、智能驾驶产品线总裁苏箐进行了一次深入对话，获得了关于 ADS 的技术路径、未来迭代模式，以及量产应用情况等关键信息。
关于第一次对话，可回顾车东西此前的报道《独家｜华为提前量产 L4》。
▲华为智能汽车 BU 智能驾驶产品线总裁苏箐
ADS 的优秀表现离不开高精度地图的支持，但高精地图的覆盖度有限，在阿尔法 S 这款车型实现量产后，到底有哪些城市能够使用？没有地图的城市和路段又该如何处理呢？
“年底交付的时候先开放北上广深四个城市，随后每三个月一批新城市。”对于可使用的范围，苏箐显得非常自信。
但即使每三个月更新一批，短时间内也难以覆盖全国。同时城市的路况还在不断变化，高精地图也难以实时更新。
为了应对地图挑战，华为的 ADS 采用了一个三级走的策略：
有高精地图的区域，可使用点对点自动驾驶功能，即 NCA；无高精地图的区域，可使用普通的 L2 级自动驾驶功能，叫做 ICA，即常见的单车道 L2 自动驾驶。
如果某区域无高精地图，但却有 ADS 车辆行驶过，则该车辆就会构架基础版的“高精地图”（自建图），来支持车辆进行自动驾驶。
▲ ADS 技术架构
此时，车辆可使用 ICA + 功能。与 NCA 功能相比，ICA + 缺少了全地图的点对点的能力，但却具备了主动变道、超车等高级功能。同时在每日通勤道路上，依然能有点到点能力。
此外，基于自建图的模式，ADS 还能学习用户的停车习惯，最终实现从地库入口到车位的 AVP 自动代客泊车体验。
这个三级设计非常有意义。
对消费者来说，买了搭载 ADS 的车辆，在全国都能使用 L2 级自动驾驶，在大城市则可享受点对点功能，不会因为地图问题影响消费者购买欲。
对车企来说，自己卖的车越多，跑的地方就越多，其他车辆通过云端共享，就能在更多地方使用 ICA + 功能，能够不断提升车主的使用体验。
目前华为的 ADS 除了与极狐合作，还与广汽、长安两大自主品牌达成合作。苏箐明确表示，这三大品牌都将会有一系列车型搭载 ADS 上市。
“明年后年就会看到一大批搭载 ADS 的车型上市，并且还有其他大厂的（国内）车型搭载这一系统。”苏箐说道。
在车东西这三趟体验中，ADS 系统没有发生一次接管，整体表现令人印象深刻，苏箐也详细介绍了其背后的技术路径与研发团队。
感知层面，车头的 3 个激光雷达、周身的 6 个毫米波雷达、13 个摄像头和 12 个超声波雷达都会参与到环境感知中去，其中激光、毫米波和摄像头还会进行像素级的前融合来提升感知精度。
▲车头处搭载了三个激光雷达
毫米波雷达的点云数据噪点较多，与视觉和激光进行融合难度较大，业界多使用后两者进行前融合，华为直接将毫米波也加入其中，正显示了其技术实力之强。
在前融合之后，打包的探测结果会被送入深度学习系统的神经网络中输出感知结果。
一个小细节是，ADS 系统在车头还搭载了双目视觉系统。在极端情况下激光雷达如果无法准确对外界的不明障碍物进行感知，双目视觉也能感知目标距离，从而帮助车辆完成避障。
▲ADS 的目标感知能力
双目视觉的技术存在了多年，但在自动驾驶系统中较为少见，目前量产车中仅有斯巴鲁的 Eyesight 等少数系统采用了双目视觉。
苏箐表示，双目视觉技术因为成熟度较低所以较少被使用，但华为 ADS 团队已经做到了远超于人双目测距的距离，所以才将其搬到了车上。
正是有了优秀的感知能力，才能做出好的决策与运动规划，让车辆更像一个老司机。
据苏箐介绍，这套复杂的算法背后是一支超过 2000 人的庞大团队，其中算法工程师就达到了 1200 人。每年研发投入超过 10 亿美元，并且还在以每年 30% 的速度增长。
车队方面，华为自有的测试车就超过了 200 台，每年能够收集数百万公里的行驶数据，待量产后规模还会更大。
基于海量数据，华为 ADS 每个月都会对软件进行迭代，每 18 个月则会对硬件的小幅升级。
在苏箐看来，这些软硬件升级除了不断提升量产车的使用体验，还有一个关键用处则是迭代华为的软件算法，不多扩大使用区域和自动驾驶能力。
苏箐认为，华为 ADS 是高级别自动驾驶系统的能力，当 MPI（每次干预行驶里程）数据非常非常大的时候，就能够拿掉人类驾驶员，产生更大的价值。不过他也并不激进，表示还需要 10 年的时间能够达到这一目标。
“只要这个事情有价值，我们并不担心盈利问题，愿意长时间投入，”苏箐向车东西说道。
在车东西看来，无安全员的自动驾驶系统确实还需要 10 年以上的时间，因此眼下最能改变驾驶员体验的技术就是 L2 级量产自动驾驶系统。
但不管是新老车企，量产的 L2 系统都是为高速公路所设计，对于大部分用户来说，使用频率和单次使用时长都较低，并没有明显改善驾驶体验。
这也就是说，只有将 L2 级系统引入城市才有可能让这一技术大规模普及应用，改变数亿驾驶员的出行体验。虽然特斯拉的 FSD 正在朝着这一目标努力，但毕竟传感器配置较低，能否在短期内实现量产，不确定性很大。
而华为 ADS，则已经站在了量产的门口。在今年年底随着极狐阿尔法 S 一起上市后，将真正带动全球量产自动驾驶技术进入城市。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。