新在线不卡免费视频|www国产精品久久麻豆|美女午夜福利网站|《福克斯号上空姐们》|关于秘书的电影|美少女的哀羞txt|日产国产一区二区三区

在自動駕駛的發(fā)展過程中，無保護(hù)左轉(zhuǎn)一直被視為衡量系統(tǒng)是否像人的試金石。所謂無保護(hù)，是指系統(tǒng)在沒有車道線輔助的情況下，可以順利完成左轉(zhuǎn)動作，有些交通路口還沒有專門的左轉(zhuǎn)指示燈，這就要求系統(tǒng)自行判斷對面直行車流間隙并完成轉(zhuǎn)彎。

這不僅需要精準(zhǔn)判斷對面車輛的遠(yuǎn)近和車速，還要時刻提防側(cè)方路口可能出現(xiàn)的行人和非機(jī)動車。對于早期的自動駕駛系統(tǒng)來說，這種場景幾乎是噩夢，經(jīng)常會出現(xiàn)車輛在路口長時間猶豫不決不敢動，或者因?yàn)榕袛噙^于機(jī)械而導(dǎo)致被后車鳴笛催促。

隨著端到端技術(shù)的普及，自動駕駛處理無保護(hù)左轉(zhuǎn)的能力發(fā)生了質(zhì)的飛躍。端到端簡單來說，就是將傳感器獲取的圖像、雷達(dá)數(shù)據(jù)等原始信息直接輸入一個統(tǒng)一的神經(jīng)網(wǎng)絡(luò)模型，然后由模型直接輸出駕駛指令。這種方式打破了以往將感知、規(guī)劃、控制切分成不同模塊的傳統(tǒng)架構(gòu)，讓車輛表現(xiàn)得更像一個經(jīng)驗(yàn)豐富的老司機(jī)，而非一個只會死記硬背代碼的初學(xué)者。那端到端時代，無保護(hù)左轉(zhuǎn)還難嗎？

為什么以前的系統(tǒng)總是怕左轉(zhuǎn)？

在端到端技術(shù)成熟之前，自動駕駛系統(tǒng)主要依靠人工編寫的規(guī)則工作。工程師需要為各種可能出現(xiàn)的情況編寫邏輯代碼，比如規(guī)定當(dāng)對面來車距離小于30米且速度大于每小時40公里時，本車必須停止等待。然而，現(xiàn)實(shí)中的無保護(hù)左轉(zhuǎn)路口極其復(fù)雜。對向來車可能是緩行的公交車，也可能是搶秒出行的電動車，甚至還有可能遇到對面司機(jī)閃燈示意讓你先行的可能。

傳統(tǒng)系統(tǒng)在面對這些變量時，會表現(xiàn)出嚴(yán)重的不適應(yīng)。因?yàn)橐?guī)則是死板的，無法窮盡所有的可能性。當(dāng)系統(tǒng)感知到周圍環(huán)境存在哪怕一點(diǎn)點(diǎn)不確定性時，為了保底安全，它都會選擇原地剎停這種最保守的策略。這種做法雖然安全，但極大地降低了道路通行效率，也讓自動駕駛在復(fù)雜城區(qū)環(huán)境下的實(shí)用性大打折扣。更關(guān)鍵的是，多模塊協(xié)作時，信息在層層傳遞中會產(chǎn)生損耗，導(dǎo)致系統(tǒng)對路況的反應(yīng)總是慢半拍。

然而，多家車企的實(shí)際表現(xiàn)表明，模塊化架構(gòu)已被徹底打破。以華為乾崑ADS 4.0/4.1為例，其采用自研WEWA架構(gòu)，通過云端世界引擎生成海量長尾場景，再結(jié)合車端世界行為模型進(jìn)行統(tǒng)一決策，已實(shí)現(xiàn)對全國所有城市及鄉(xiāng)鎮(zhèn)的無圖覆蓋。搭載該系統(tǒng)的車輛在重慶8D立交、廣州城中村等路況下，無保護(hù)左轉(zhuǎn)成功率高達(dá)98%—99.5%，百公里接管僅0.3—0.5次，相當(dāng)于連續(xù)行駛200多公里才需要人工介入一次。

圖片源自：網(wǎng)絡(luò)

特斯拉FSD V14雖然在中國本土化方面面臨挑戰(zhàn)，但在全球范圍內(nèi)憑借純視覺端到端架構(gòu)，也已在2026年初的北美測試中被MotorTrend評為年度最佳駕駛輔助系統(tǒng)，在無保護(hù)左轉(zhuǎn)、環(huán)島通行等復(fù)雜城市場景中表現(xiàn)大幅提升。

端到端如何讓車輛學(xué)會找機(jī)會？

在無保護(hù)左轉(zhuǎn)中，很多關(guān)鍵信息是無法用簡單的代碼規(guī)則來描述的。比如，對面直行車雖然還在加速，但其加速的斜率在放緩，這可能意味著司機(jī)并不急于搶行。端到端模型通過學(xué)習(xí)數(shù)以百萬計的真實(shí)駕駛案例，可以建立一種深度的特征映射能力。它不僅僅是在識別物體，而是在感知意圖。神經(jīng)網(wǎng)絡(luò)內(nèi)部的參數(shù)能夠捕捉到路面光影、車輛姿態(tài)以及環(huán)境氛圍的綜合變化，這些變化在傳統(tǒng)代碼里極難量化，但在端到端模型中卻是非常重要的決策信號。

這種技術(shù)的優(yōu)勢在于它具備極強(qiáng)的聯(lián)想和泛化能力。當(dāng)車輛來到一個從未見過的畸形路口，端到端模型不會因?yàn)檎也坏狡ヅ涞囊?guī)則而無法工作。它會根據(jù)以往學(xué)習(xí)到的數(shù)萬個類似路口的經(jīng)驗(yàn)，自動推導(dǎo)出行駛軌跡。這種處理方式更接近人類的駕駛直覺。它能理解一種動態(tài)的平衡，知道什么時候該稍微探頭去占據(jù)空間，什么時候該讓出路權(quán)。這種靈活的應(yīng)對，使車輛在面對無保護(hù)左轉(zhuǎn)時，能夠擺脫非黑即白的邏輯判斷，表現(xiàn)出一種帶有節(jié)奏感的駕駛風(fēng)格。

2026年，各家企業(yè)將這種找機(jī)會的能力推向了新高度。特斯拉FSD V14.3版本于2026年4月全量推送，感知架構(gòu)全面重構(gòu)，對行人、非機(jī)動車和交通標(biāo)識的識別精度提升40%，無保護(hù)左轉(zhuǎn)成功率提升至98%，車輛能夠提前預(yù)測電動車、自行車的行駛軌跡并主動避讓，在大部分城市路況下已不需要駕駛員接管。

小鵬汽車則在2026年初推出了XNGP 5.0系統(tǒng)，搭載完全自研的端側(cè)大模型，不再依賴任何預(yù)設(shè)地圖信息，覆蓋全國所有縣市。該系統(tǒng)在感知層面已不再單純識別這是紅綠燈、那是車道線，而是能理解前方路口雖然標(biāo)線模糊，但根據(jù)車流軌跡和周圍建筑布局，大概率是一個五岔路口，這種邏輯推理能力使車輛在面對無保護(hù)左轉(zhuǎn)時，能像老司機(jī)一樣一邊緩緩探出車頭，一邊觀察對向車流，找到一個合理的、略帶博弈的時機(jī)果斷通過，無保護(hù)左轉(zhuǎn)成功率約92%。

理想汽車則走出了另一條差異化路線，在端到端基礎(chǔ)上疊加視覺語言模型，構(gòu)建了VLA司機(jī)大模型，并在2026年3月發(fā)布了下一代MindVLA-o1基礎(chǔ)模型，通過3D空間理解和多模態(tài)思考能力，讓車輛在隱空間中提前想象未來畫面，將駕駛決策具象化，實(shí)現(xiàn)更精準(zhǔn)的意圖預(yù)判。

圖片源自：網(wǎng)絡(luò)

目前，全球范圍內(nèi)最具代表性的端到端應(yīng)用案例當(dāng)屬特斯拉的FSD V14版本。在這一版本中，特斯拉徹底棄用了基于規(guī)則的代碼，改用全神經(jīng)網(wǎng)絡(luò)控制。根據(jù)多位車主在美國繁忙路口的實(shí)測，車輛在面對高難度左轉(zhuǎn)時，不再像老版本那樣頻繁出現(xiàn)猛踩剎車的現(xiàn)象。它能夠非常流暢地在直行車流的間隙中穿插，甚至在視線受阻的情況下，通過緩緩蠕行來拓展視野。這種擬人化的動作，在以往的規(guī)則驅(qū)動時代是難以想象的。

在中國市場，2026年5月21日，特斯拉官方正式公布監(jiān)督版FSD將登陸中國，該版本主力搭載V14架構(gòu)，依托8顆攝像頭搭配端到端神經(jīng)網(wǎng)絡(luò)運(yùn)行。為推動本土化落地，特斯拉已在上海臨港建成全鏈路AI訓(xùn)練中心，實(shí)現(xiàn)中國用戶駕駛數(shù)據(jù)100%本地存儲、本地標(biāo)注與本地訓(xùn)練，專門針對電動車穿行、無保護(hù)左轉(zhuǎn)、環(huán)島博弈等中國特色復(fù)雜路況進(jìn)行端到端優(yōu)化。

不過從部分媒體的前期實(shí)測來看，入華版FSD在中國城區(qū)仍存在水土不服，在未設(shè)專用相位的路口，F(xiàn)SD平均耗時3.2秒做決策，而對向車流密集時常直接放棄左轉(zhuǎn)；實(shí)測無保護(hù)左轉(zhuǎn)成功率為68%—70%，與華為ADS的91%—99.5%仍有明顯差距。

自動駕駛真的徹底解決這個難題了嗎？

雖然端到端技術(shù)讓無保護(hù)左轉(zhuǎn)變得不再那么難，但要達(dá)到百分之百的完美仍然需要時間。神經(jīng)網(wǎng)絡(luò)雖然聰明，但它本質(zhì)上是一個黑盒，當(dāng)遇到如光線極差且路況混亂的施工路口等罕見的極端場景時，系統(tǒng)是否能始終做出正確判斷，依然需要更大量的數(shù)據(jù)去喂養(yǎng)。而且，端到端模型的表現(xiàn)高度依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量，如果學(xué)習(xí)樣本中包含不文明駕駛行為，系統(tǒng)也可能學(xué)到一些危險的小毛病。

圖片源自：網(wǎng)絡(luò)

根據(jù)2026年4月發(fā)布的P3中國智能駕駛測評報告，搭載華為乾崑ADS 4.1的享界S9T以4.46分位列首位，小鵬P7和理想i8分別以4.33分和4.06分緊隨其后，華為已連續(xù)三年登頂該項(xiàng)測評。

與此同時，在復(fù)雜路口通行效率上，行業(yè)整體仍有明顯分化。2026年5月的第三方城區(qū)早高峰實(shí)測顯示，小米搭載XLA認(rèn)知大模型的車輛完成一次無保護(hù)左轉(zhuǎn)平均耗時9.3秒，比小鵬XNGP慢1.8秒，但比華為ADS 5.0快0.4秒，速度快的未必是最穩(wěn)的，速度慢的也不一定代表能力差，三種技術(shù)路線對效率的定義存在根本分歧。

此外，百度Apollo則從L4級自動駕駛的角度提供了另一種思路，其自研的Apollo ADFM自動駕駛大模型已搭載于第六代無人車RT6，通過感知大模型和規(guī)劃大模型的深度協(xié)同，可實(shí)現(xiàn)全無人駕駛下的復(fù)雜路口安全通行，實(shí)測安全性達(dá)到人類駕駛員的10倍，并已在武漢實(shí)現(xiàn)全域覆蓋運(yùn)營。

值得注意的是，2025年12月31日至2026年1月1日，特斯拉FSD V14.2完成了全球首次人類零接管橫穿美國測試，全程約4400公里，耗時2天20小時，系統(tǒng)在高速、城市道路、無保護(hù)左轉(zhuǎn)、施工繞行等真實(shí)復(fù)雜路況下全程自主行駛，包括超級充電站停車在內(nèi)的所有操作均由車輛自主完成，全程未發(fā)生任何險情。這一里程碑事件讓馬斯克2016年提出的讓汽車自己橫穿美國愿景成為現(xiàn)實(shí)，充分表明端到端技術(shù)已經(jīng)從實(shí)驗(yàn)室走向了大規(guī)模實(shí)際道路驗(yàn)證。

未來的發(fā)展方向是進(jìn)一步提升模型的預(yù)判能力�，F(xiàn)在的系統(tǒng)更多是根據(jù)當(dāng)下的感知做反應(yīng)，而未來的端到端技術(shù)將具備更強(qiáng)的長時記憶和時空推理能力，能夠提前幾秒鐘預(yù)感到路口潛在的風(fēng)險。

2026年多家企業(yè)已在長時預(yù)判方向上取得關(guān)鍵突破。小米發(fā)布的Xiaomi Pilot 5.0系統(tǒng)引入了AI大模型決策引擎，將端到端大模型直接接入車輛的規(guī)劃與控制層，復(fù)雜路口通行效率較上一代提升40%，在無保護(hù)左轉(zhuǎn)等高頻博弈場景中展現(xiàn)出驚人的擬人化水平。

理想汽車則通過MindVLA-o1模型的預(yù)測式隱世界模型，讓車輛在隱空間中提前想象未來幾秒的駕駛畫面，實(shí)現(xiàn)從感知-反應(yīng)到預(yù)判-行動的跨越。華為ADS 4.1進(jìn)一步強(qiáng)化了WEWA架構(gòu)的云端仿真能力，日均生成和處理7200萬公里的中國本土訓(xùn)練數(shù)據(jù)，確保模型對各類長尾場景的持續(xù)覆蓋。

而特斯拉FSD V14.3版本也在這一方向上邁出關(guān)鍵一步，通過底層神經(jīng)網(wǎng)絡(luò)重構(gòu)和模型壓縮優(yōu)化，老款Model 3、Model Y也能流暢運(yùn)行，為2026年底實(shí)現(xiàn)L4級自動駕駛落地鋪路。這些進(jìn)展表明，行業(yè)正從當(dāng)下反應(yīng)階段全面邁向提前預(yù)判階段。

總之，端到端技術(shù)已經(jīng)把無保護(hù)左轉(zhuǎn)從基本不能用推進(jìn)到了非常好用的階段。隨著技術(shù)的不斷演進(jìn)，路口左轉(zhuǎn)將不再是智能駕駛的軟肋，而是展現(xiàn)其智能程度的最佳舞臺。

       原文標(biāo)題 : 端到端下的自動駕駛無保護(hù)左轉(zhuǎn)還難嗎？各車企對此表現(xiàn)如何？