激光雷達(dá)曾被視為自動(dòng)駕駛不可或缺的“安全拐杖”，但以特斯拉為代表的自動(dòng)駕駛方案讓大家看到了純視覺的潛力。視覺方案不僅在成本上有優(yōu)勢，更在模擬人類駕駛行為、處理復(fù)雜語義信息以及系統(tǒng)決策的一致性上，提供了更接近通用人工智能的解法。

實(shí)現(xiàn)邏輯更像人？

由于人類駕駛員僅憑雙眼獲取的光學(xué)信息，配合大腦的邏輯推理，就能應(yīng)對極其復(fù)雜的交通環(huán)境。純視覺路線的支持者認(rèn)為，攝像頭作為感知的核心載體，其提供的信息豐富度遠(yuǎn)超激光雷達(dá)。

激光雷達(dá)雖然能精準(zhǔn)測距，但它在本質(zhì)上是“色盲”，無法識別交通信號燈的顏色、路面的文字標(biāo)識或物體表面的紋理。而攝像頭捕捉的高分辨率圖像包含極深的語義維度，系統(tǒng)不僅能發(fā)現(xiàn)前方有障礙物，還能通過視覺特征判斷其身份，如識別出路邊是一個(gè)正在玩耍、隨時(shí)可能沖向馬路的小孩，還是一個(gè)隨風(fēng)飄動(dòng)的塑料袋。

這種對語義信息的深度理解，賦予了車輛更強(qiáng)的預(yù)判能力。傳統(tǒng)的激光雷達(dá)方案在面對異形物體或長尾場景時(shí)，會(huì)因?yàn)閿?shù)據(jù)庫中缺乏對應(yīng)的幾何模型而產(chǎn)生漏檢或誤判。

相比之下，視覺系統(tǒng)通過深度學(xué)習(xí)模仿人類的認(rèn)知模式，可以學(xué)習(xí)不同物體的行為規(guī)律。當(dāng)視覺系統(tǒng)識別出物體的類別和狀態(tài)后，它能根據(jù)經(jīng)驗(yàn)預(yù)測其下一步動(dòng)作，這種基于語義理解的“決策智商”是單純依靠點(diǎn)云測距難以實(shí)現(xiàn)的。

同時(shí)，隨著高清CMOS技術(shù)的進(jìn)步，視覺方案在遠(yuǎn)距離感知和空間連續(xù)性上也展現(xiàn)出了追趕甚至超越激光雷達(dá)的潛力。

傳感器沖突的決策與冗余的代價(jià)

很多人認(rèn)為傳感器越多越安全，但多傳感器融合有時(shí)會(huì)帶來致命的“決策沖突”。由于攝像頭、激光雷達(dá)和毫米波雷達(dá)的物理特性不同，它們對同一環(huán)境的感知結(jié)果經(jīng)常存在偏差。

如當(dāng)毫米波雷達(dá)因?yàn)闃蛄悍瓷湔`報(bào)障礙物，而攝像頭看到路面暢通時(shí)，系統(tǒng)就會(huì)陷入信任哪一方的僵局，這正是引發(fā)“幽靈剎車”的常見誘因。

與其在多個(gè)不完美的傳感器之間進(jìn)行痛苦且可能出錯(cuò)的邏輯取舍，純視覺方案選擇將算力和研發(fā)精力全部押注在信息量最豐富的數(shù)據(jù)源上，通過算法的純粹化來消除這種不確定性。

除了決策層面的隱患，激光雷達(dá)在實(shí)際維護(hù)和環(huán)境適應(yīng)性上也并不是全能。雖然它主動(dòng)測距的特性很受青睞，但在面對大雨、濃霧或暴雪時(shí)，激光束會(huì)被空氣中的水汽散射，導(dǎo)致探測精度銳減或產(chǎn)生大量虛假信號。

激光雷達(dá)的硬件結(jié)構(gòu)極其精密且脆弱，安裝在車頂?shù)任恢脴O易受損，且后期的標(biāo)定和清潔維護(hù)成本遠(yuǎn)高于攝像頭。對于追求大規(guī)模量產(chǎn)的車企而言，這種高昂的隱性成本和硬件復(fù)雜性，在某種程度上限制了自動(dòng)駕駛系統(tǒng)的普及速度和系統(tǒng)架構(gòu)的輕量化演進(jìn)。

占用網(wǎng)絡(luò)崛起讓純視覺更具潛力？

過去純視覺方案最大的短板是深度感知，即很難像激光雷達(dá)那樣直接給出精確距離。而隨著占用網(wǎng)絡(luò)（Occupancy Network）和鳥瞰圖（BEV）技術(shù)的引入，這一難題正被算法重構(gòu)。

BEV技術(shù)將多個(gè)攝像頭的二維圖像統(tǒng)一轉(zhuǎn)換到三維俯視圖中，消除了視角遮擋帶來的判斷誤差。而占用網(wǎng)絡(luò)則更進(jìn)一步，它不再糾結(jié)于物體是什么標(biāo)簽，而是將周圍空間切割成細(xì)小的“體素”，直接預(yù)測每個(gè)空間單位是否被占據(jù)以及其運(yùn)動(dòng)趨勢。

這種從“特征工程”向“空間重構(gòu)”的轉(zhuǎn)變，讓視覺系統(tǒng)擁有了類似激光雷達(dá)的“空間直覺”，即使面對從未見過的異形障礙物，也能憑借對物理占用的感知進(jìn)行安全避讓。

這種算法進(jìn)步使得感知與規(guī)劃的邊界變得模糊。通過引入時(shí)序信息，系統(tǒng)能夠“記住”之前看到的場景并預(yù)測未來的變化，這極大增強(qiáng)了車輛在復(fù)雜路口和人車混行場景下的處理能力。

更重要的是，占用網(wǎng)絡(luò)輸出的幾何表達(dá)可以直接對接規(guī)劃模型，使車輛的行駛軌跡生成更加平滑，更符合物理規(guī)律和人類司機(jī)的駕駛習(xí)慣。當(dāng)算力和模型精度達(dá)到臨界點(diǎn)，純視覺方案實(shí)際上是用更靈活的軟件復(fù)雜度替代了僵硬的硬件堆疊。

數(shù)據(jù)閉環(huán)與端到端智能的上限

自動(dòng)駕駛的終極競爭是數(shù)據(jù)的競爭。純視覺硬件的低成本使得它能輕易地在數(shù)十萬、甚至數(shù)百萬輛量產(chǎn)車上普及，這構(gòu)建了一個(gè)極其龐大的數(shù)據(jù)采集網(wǎng)絡(luò)。每當(dāng)車輛在真實(shí)道路上遇到邊緣案例時(shí)，這些數(shù)據(jù)都能回傳至云端，通過自動(dòng)標(biāo)注技術(shù)不斷喂養(yǎng)算法模型。

這種規(guī)模化效應(yīng)是激光雷達(dá)方案難以企及的。隨著訓(xùn)練數(shù)據(jù)的指數(shù)級增長，純視覺系統(tǒng)的泛化能力會(huì)變得極其強(qiáng)大，使其能夠擺脫對高精地圖的依賴，實(shí)現(xiàn)真正意義上的通用自動(dòng)駕駛。

目前，自動(dòng)駕駛行業(yè)正向著“端到端”（End-to-End）大模型全面轉(zhuǎn)型。這種架構(gòu)將感知、預(yù)測和規(guī)劃整合進(jìn)一個(gè)統(tǒng)一的神經(jīng)網(wǎng)絡(luò)，原始視頻流輸入后直接輸出車輛的控制指令。

端到端模型能像老司機(jī)一樣，通過模仿海量優(yōu)質(zhì)駕駛數(shù)據(jù)來習(xí)得駕駛技巧，而不是死記硬背枯燥的規(guī)則代碼。由于這種模型的核心是處理視覺信息流，它與純視覺路線天然契合。

當(dāng)一個(gè)足夠聰明的“大腦”能夠完美解析視頻序列中的物理規(guī)律時(shí)，激光雷達(dá)所能提供的測距信息就顯得邊際效應(yīng)遞減。純視覺方案通過對人工智能上限的追求，正試圖在更簡約的硬件基礎(chǔ)上實(shí)現(xiàn)更具擴(kuò)展性的智能進(jìn)化。

-- END --

       原文標(biāo)題 : 為啥有人認(rèn)為自動(dòng)駕駛純視覺方案比激光雷達(dá)方案好？