为什么说L4自动驾驶都是骗人的？

admin管理员组

文章数量:1579160

我们经常看到完全无人驾驶（L4自动驾驶）的酷炫视频，甚至有的城市固定线路能用手机打到自动驾驶出租车（Robotaxis），同时，我们也听到有业界大佬说无人驾驶“都是扯淡，都是忽悠”，“是一场皇帝的新衣”，“L4级无人驾驶就是骗人的”。今天，我们分析一下这种观点的理由有哪些，以及未来的出路在哪里。

“L4演示三件套”：成也萧何，败也萧何

我们经常在刷视频时，刷到一个完美的L4自动驾驶出租车（Robotaxis）的演示视频。比如，美国的谷歌公司旗下的Waymo公司的自动驾驶出租车公司的视频如下（2024年4月7日）。

实测Waymo完全无人驾驶，比人更丝滑！ 在旧金山的晚高峰体验了一小时，遇到老爷爷加塞Waymo竟然这样处理？视频里Waymo闯红灯了么？https://www.douyin/video/7355065247666883840这样的视频让我们心潮澎湃！哇！原来机器已经可以替代出租车司机，技术已经成熟了！只是成本问题、时间问题了！

然而，实际情况是，有的人坚持认为，L4自动驾驶就是一个彻头彻尾的“骗局”。我们看到的完美的自动驾驶出租车的演示车只是一个“玩具系统”，现在的技术路线根本无法实现大规模量产或大规模商业运行。这不是一个方案需要降低硬件成本的问题，而是现有的L4自动驾驶技术，在技术上不具备可行性的问题。

截至现在（2024年5月），L4自动驾驶的演示车的技术都源自谷歌的Waymo。这种技术依赖于L4自动驾驶“演示三件套”：高精地图、高精定位和激光雷达。

“L4演示三件套”实在太好用了，妥妥的外挂！有了“L4演示三件套”，你就可以非常轻松的做出一个看似很酷炫的、看似完美的自动驾驶演示车。

但是，正是因为“L4演示三件套”，严重阻碍了现在的L4自动驾驶技术实现规模化量产，特别是高精地图和高精定位的局限性，导致L4无人驾驶变成了“骗局”、“扯淡”和“皇帝的新衣”。

“L4演示三件套”是妥妥的“外挂”

首先，高精地图对早期L4公司快速做出演示车发挥重要作用。自从2010年谷歌无人车公布，谷歌无人车就是全球高等级自动驾驶的标杆。谷歌无人车在2010年采用了高精地图，然后一众Robotaxis的L4创业公司跟进（2015年）。

这些早期L4公司自动驾驶的技术路线就是：高精地图+高精定位+激光雷达，详见 5分钟理解谷歌自动驾驶为什么不能落地

高精地图对物理世界的道路完全建模，这样的话，在机器开车的过程当中，就“不必”看路面了，"不必"看车道线，"不必"看路口。机器就像在玩一个虚拟现实（VR）游戏一样，他不看现实的道路，而是看虚拟世界的道路，根据虚拟世界的地图控制方向盘和速度。

回忆一下谷歌最初的无人车原型，他们都没有部署环境感知摄像头，只有一个看交通灯的摄像头。

当然，我说的是“不必”，事实上，所有的L4公司都会宣传自己采用高精地图先验+实时静态观测后验的结合，以增加信息冗余。但是，他们仍然是强依赖高精地图，没有高精度地图，L4演示车无法运行。比如，2024年2月，即使在大本营旧金山，Waymo的出租车也不能到达金门大桥旁边的公园。

再通过高精定位，将虚拟道路跟实际道路完全对应起来。也就是说当机器在虚拟世界当中里面开车的时候，由于高精定位的存在，现实世界就跟虚拟世界完全一致。比如，我在虚拟世界里面在走最左侧的车道线，那么高精定位就保证了，我在现实世界当中也是处于最左侧的车道线。

再加上360度旋转的激光雷达，你就能够看到路上所有运动的物体了，如行驶的车辆和行人。

由于激光雷达的原理是利用“光”的发射和反射，准确度高，特别适合数字化处理。而且，激光雷达的软件生态非常丰富，可以获取到很多公开数据集，可以获取到很多公开的算法。所以，激光雷达做demo（演示车）很合适！

也就是说，拥有了“L4演示三件套”，车辆对环境的感知问题就解决了，做一个“完美演示车”的技术可行性就解决了。

这时，你的视觉感知能力完全不重要，“理论上”你完全不需要视觉感知了。所以，你完全可以装样子的把摄像头装在车上，但完全不使用，更不用在意视觉感知算法的性能如何。你完美规避了最难的图像感知的AI问题。

还有一个技巧，你的高精地图还可以增加很多现实世界不存在的信息。比如说你可以把不清晰的车道线变得很清晰，你也可以把不希望车走的区域，在地图上标记为不可形式区域。

所以，很多做L4演示车的公司，他们遇到问题之后，不是去修改代码，而是去修改地图。因为，修改地图更方便，更快捷和更可靠。这样的“作弊”和“定制”行为，可以帮助我们快速做出“完美的固定路线演示车”。

有了“L4演示三件套”，如果要做出一个完美的L4的演示车，你只需要选择固定的演示路线，把高精地图建起来。在演示之前，确认道路没有更新，天气晴朗。

自动驾驶问题，就转化为一个在虚拟世界里面，如何做路径规划的问题了（需要一颗很强算力的CPU），大大简化了问题，所以说，“L4演示三件套”是妥妥的外挂。

“L4演示三件套”阻碍大规模量产

把L4演示车变成量产车的最大问题是高精地图和高精定位。

第一个阻碍因素，高精地图的成本、法规问题无法解决，定制化问题突出。

首先，高精地图要及时更新保持鲜度，成本问题目前无法解决。

依赖高精地图就必须保持鲜度，如果一个地方突然修路，高精地图没有及时更新，机器较相信高精地图的话可能会一下子撞上新修的马路墩子上面。

高精地图的采集成本极高。根据《智能网联汽车高精地图白皮书》显示，采用传统测绘车方式，分米级地图的测绘效率约为每天每车500公里道路，成本为每公里10元左右，而厘米级地图的测绘效率约为每天每车100公里道路，成本可能达每公里千元。

全国的城市道路足有1000万公里，都采集一遍大约需要100亿元，且还需要费用实时更新地图，以保持鲜度。这还不算更多错综复杂的乡村小路，要把全国的道路采集齐全，基本属于天价。

其次，由于法规要求，高精地图的审图周期很长，目前至少是3个月才能更新一次，而自动驾驶要求每日甚至实时更新。

再次，由于L4演示车中，地图包含了很多“作弊”和“定制”信息，导致泛化性极差，如果想在新路线上跑出相同的体验，很可能需求同样级别成本的人工调教，这意味着大规模使用几乎是不可行的。

第二个阻碍因素，高精定位能满足演示需求，但大规模量产无法解决天气和遮挡的影响。

高精定位主要是依赖GPS或RTK（RTK信号补充GPS的信号）。其中GPS的信号在天气好的时候能够准确到厘米级别，足够能够完成一个完美的L4演示车，这也是为什么大家去乘坐L4演示车的时候，都是在空旷地带，没有什么建筑物的遮挡，天气晴朗，没有什么乌云遮住GPS信号。

然而，即使在高速上，也会有大山、树木、高楼、隧道等对卫星信号产生一定程度的遮挡，导致定位信号精度不足的情况。城区的高楼遮挡更严重，精度问题就会更突出。（通过激光雷达或者是视觉的感知信息进行定位，算法在完善中，做出演示车就不稳定、不酷炫了。）

高精地图和高精定位往往是成对出现的，没有高精定位，那么高精地图也就没有太大的价值了。因为，如果不能够通过高精定位把高精地图和现实世界对齐，那么自动驾驶的软件就没有办法保证在虚拟世界当中选择正确的路线和速度，在现实世界也是正确。

第三，激光雷达的价格贵虽然不是致命的，但也是挑战之一。Waymo采用的机械式激光雷达的成本超过了一辆汽车的成本，也有人对这种激光雷达能否通过车规认证、可维护性充满质疑。

另外，激光雷达做Demo（演示）是完美的，在天气好时非常准确可靠。但是，由于激光雷达靠光的反射，在雨雪雾等恶劣天气下表现很差。

所以，只要L4自动驾驶依赖于“L4演示三件套”，就决定了他们永远不可能实现大规模量产。这也是为什么很多人说L4自动驾驶都是骗人的原因之一。

当年意气风发的美国自动驾驶五小巨头，大众和福特合资的Argo在2022年10月倒闭，通用和本田投资的Cruise在2023年10月份因自动驾驶出租车拖拽并压到了一名女子后被吊销了无人车运营资格，引发危机。谷歌Waymo在2023年经历三次裁员，Aurora 2022年疯狂裁员对外宣称变卖资产，只剩下Zoox比较低调。

为什么有很多L4的体验路线在运营？

有人提出反对的声音，某某城市的自动驾驶出租车Robotaxi都可以手机APP打车了呀，体验挺不错的！技术已经验证可行了，L4自动驾驶商业化只是时间问题了。

有两个原因。第一个原因，“L4演示三件套”作为外挂，让固定线路“演示”难度大大降低，让试乘者体验好，产生错觉。第二个原因，资本的裹挟。

这也是业界很多人都反复指出来的问题，比如说小鹏的CEO在微博上曾经说，现在的完全无人驾驶“还看不到完整的逻辑，我甚至认为可能需要另寻他路”。

这样的话，大家也就不会觉得奇怪，谷歌无人驾驶的Robotaxis做试运营已经超过7年了，为什么还一直在“快成功”的阶段，永远在“快成功”的阶段，因为他很可能永远都只能是一个demo（演示）。

从2016年12月Waymo从谷歌剥离后，资本给予Waymo超高估值开始（最高估值达1750亿美元，详见 5分钟理解谷歌自动驾驶为什么不能落地），也有一批公司追随Waymo的商业模式和技术路线。这些公司真的能够做出很酷炫的L4演示车，但是，为什么他们永远都只能够在固定的线路里面做演示？有的公司只是在那儿宣传，连试运营也没有，更不会真的量产，是因为他们也知道自己的技术方案的局限性。

明知自己的技术方案是不可能实现量产的，但是为什么还热衷于在固定线路构建高精地图，用高精定位来实现一个酷炫的L4演示车呢？

事实上，由于这些演示车，这些公司也的确在自动驾驶火热的年份（2016年和2021年），获得了不错的融资。看到这些公司巨大的融资额，你就会理解为什么这些公司热衷于L4演示车（demo车）的搭建。

有的公司甚至把L4演示车的体验过程，当成一个高访的流程，成立专门的演示研发团队和接待团队，力求每一个体验者，有贵宾的感受，心流体验最好。

特斯拉FSD V12.3意味着现有技术须推倒重来

既然全球的L4自动驾驶领头羊Waymo的技术方案都是骗人的，那么L4自动驾驶就没有希望了吗？

是有希望的。

这个希望就来自于2024年3月18日特斯拉全面推送的最新的FSD软件V12.3版本。这个版本采用了端到端的自动驾驶技术，将20万行代码变成了神经网络。国外的视频中，用户已经深深的感受到这个版本和之前的FSD完全不一样，能够实现的像人一样开车。

有人认为，特斯拉FSD V12.3类似于ChatGPT-3，未来的FSD V12.4可能类似于GPT-4。

马斯克的自动驾驶时代来了！170万特斯拉开启自动驾驶上路！https://www.douyin/video/73530681230896857872024年4月6日，特斯拉CEO马斯克宣布计划在2024年8月8号对外公布Robotaxis的解决方案，能够让普通用户在手机APP上选择地点，然后实现搭乘自动驾驶出租车。

马斯克的底气就是FSD V12.3的优异表现。

端到端的自动驾驶是指将图像信号输入到神经网络后直接输出最终的控制信号（转向、速度），而不像以前一样先通过神经网络完成环境感知，把车辆、行人、车道线等都识别出来之后，然后通过代码实现路径的规划和控制，最后输出控制信号。

在旧架构下，每出现一个Bug（缺陷）都需要去找代码，然后在代码里面去解决。在新的端到端架构下，整个感知到规划控制都实现了神经网络化，遇到Bug，只需要收集数据，训练新模型，问题的解决只依赖于机器（云端的训练集群数量），不依赖于人（工程师），这大大加速了特斯拉FSD的能力提升速度。详见数据闭环，要么被高估了，要么被低估了？。

端到端方式其实更像人的开车行为。比如说人开车熟练之后，人做的加速减速、左转右转的行为往往都是无意识的行为，很多的时候都是靠直觉的。只有在特别复杂的情况下，才需要通用人脑进行思考和推理。所以，人开车的行为更像是一个端到端的神经网络的过程。

端到端的自动驾驶的方案是很多年前人们的梦想，因为这大大降低了代码开发和缺陷修复的成本。但是，从有这个想法，到能够实施，中间有很远的距离。在2023年6月国际知名会议CVPR（Computer Vision and Pattern Recognition）上，《以路径规划为导向的自动驾驶》（英文：Planning-oriented Autonomous Driving；简称UniAD）获得最佳论文奖，是业界首个具备全栈关键任务的端到端自动驾驶模型。

这是近十年来计算机视觉三大顶级会议（CVPR、ICCV、ECCV）第一篇来自中国研究机构（包括港澳台地区）的最佳论文奖。同时，这是CVPR历史上第一篇以自动驾驶为主题的最佳论文。

从地平线公布论文讲述端到端的方法，到特斯拉把这个方法在量产车上面落实，中间还有很多的困难和工作量，但是特斯拉做到了，这是特斯拉对整个自动驾驶行业的又一大贡献。

2021年，特斯拉在第一届AI DAY上推出了基于Transformer的BEV（鸟瞰图），在2022年特斯拉AI DAY上，特斯拉分享了Occupancy Network（占用网络），然后到2024年又率先实现了端到端的自动驾驶技术量产落地，每一次都引领行业的技术方向。虽然特斯拉现在还没有开源，但是，可以预见，国内外的自动驾驶算法公司会投入更多资源，推进端到端的算法开发工作。

特斯拉是如何规避“L4演示三件套”的量产障碍的？

第一，不依赖高精地图。

2019年4月，马斯克公开表示过，过分依赖高精地图，会让自动驾驶系统变得极其脆弱，普及起来更加困难。马斯克说，特斯拉曾短暂的依赖交通车道级地图（traffic lane-level maps），然后马上意识到这是一个“巨大的错误”。

所以，特斯拉的FSD并不依赖外部图商提供的高精地图，而是采用所谓“导航地图”。同时，利用特斯拉汽车的强大视觉感知能力，收集道路数据，比如道路拓扑、交通标志、附近建筑。由于特斯拉FSD视觉感知能力强，技术上，特斯拉有能力不依赖外部图商，就可以构建自己的交通道路数据。

“不需要高精地图或手机连接，”马斯克在2020年10月财报电话会议上表示。 “该系统的设计使得即使你没有任何连接，并且你在一个你以前从未去过的地方，并且没有特斯拉去过那里，汽车仍然应该能够驾驶，就像一个人一样”。

国内的智能驾驶公司也在宣传去高精地图。比如，2023年3月，在华为春季旗舰新品发布会上，余承东透露，“即将”上车搭载的高阶自动驾驶系统为ADS 2.0版本，将不依赖于高精度地图，而是主要通过车端融合感知来进行环境识别。

促使国内智驾公司走向去高精地图，一个重要的技术原因是2021年特斯拉AI Day上公布的BEV算法，以及大算力平台的发展，让环境感知的信息更加丰富，更加准确，让厂商们看到了去高精地图的技术可行性。

2024年4月28日，马斯克访问北京期间，特斯拉和百度达成合作。公开新闻包含了2项合作内容，第一项，百度作为图商解决数据合规的问题。通过合作，特斯拉将获准在中国公路上合法运行其FSD软件，其车辆可以收集周围的数据，如道路布局、交通标志和附近的建筑物。第二项，百度还将向特斯拉提供先进的导航系统。在4月22日百度Apollo智能汽车产品发布会上，百度副总裁尚国斌表示，百度地图V20版本支持车机端3D车道级导航，特斯拉在华车型将首发搭载百度地图V20的3D领先版，5月份开始会面向新老特斯拉车主推送。

第二，不依赖高精定位。

在FSD硬件HW3.0上，特斯拉使用了UBLOX公司生产的M8L，仅仅支持单频GNSS（GPS\BEIDOU），因此很容易丢失GNSS卫星信号，有人实测，在静止和低速情况下，M8L的定位精度在2m左右波动，属于低端产品。

2023年2月量产的HW4.0，特斯拉抛弃了单频单点定位的低端方案，转而投身多系统多频方案，新天线也为 GLONASS、北斗和伽利略等其他卫星导航系统提供支持，仍然没有采用采用PPP\RTK高精定位技术。

总的来说，特斯拉的定位技术与手机定位类似，现在支持多系统多频GPS定位是手机的重要卖点。2018年6月小米8手机在全球首次采用双频双路GPS超精度定位技术。

特斯拉是全球唯一没有在领航辅助驾驶（NoA，含高速或城区）中使用RTK辅助定位的厂商。也就是说，即使是辅助驾驶，国内厂商也对高精定位有心理依赖。

第三，不采用激光雷达。

2019 年 4 月，马斯克在谈到光探测和测距传感器以及高精地图时表示，“激光雷达和高精地图是不应该使用的两个主要拐杖，且将来回想起来，他们显然是错误和愚蠢的。” “记住我的话。”

特斯拉坚持纯视觉方案，车身使用了8个摄像头。特斯拉的逻辑是，人能够通过眼睛就能开车，那么机器也能。

总之，特斯拉不使用高精地图、高精定位或激光雷达，完美的规避了量产障碍。同时，通过先进算法的开发和大算力平台，不断提升自动化水平，通过先进的端到端技术，在FSD V12.3上做出了惊艳的效果，像老司机开车，让人看到了自动驾驶出租车的希望。

总结

1. Waymo和其追随者的L4自动驾驶技术，依赖“L4演示三件套”：高精地图、高精定位和激光雷达，做演示有巨大优势！更容易做出酷炫的演示车！但是，也因此不具备大规模量产可行性。所以，有人说L4自动驾驶就是骗人的。

2. 明知道不具备量产可行性，仍然做固定线路的演示运营，因为被“资本裹挟”。这也是有人说“骗”的原因。

3. 特斯拉V12.3引入的端到端的城区NoA的新算法，给L4自动驾驶技术带来了希望。同时，该算法离L4的距离，需要等到2024年8月8日特斯拉正式发布Robotaxis服务后，看实际效果。

4. 特斯拉不使用高精地图、高精定位或激光雷达，完美的规避了量产障碍，投资先进算法和大算力平台，值得我们学习。

参考文献

1. 华为也入局了！高精地图成死局，“重感知”路线才是生路？

2. 揭秘高精地图之“死”！曾经的香饽饽，如今的绊脚石

3. 把激光雷达装在量产车上，总共分几步？

4. 成果显著 从i-VISTA看中国自动驾驶技术

5. 自动驾驶在高精定位地图上的技术难点与挑战

6. 观点｜何小鹏谈“无人驾驶”：还看不到完整的逻辑，需要另寻他路

7. 无人驾驶车体验者：点赞Waymo 但还有不少安全缺陷

8. 看完FSD V12.3的视频，我发现这才叫「全国都能开」？

9. CVPR 2023 最佳论文 UniAD | 全栈可控端到端自动驾驶方案

10. 探索智能驾驶发展路径，地平线以软硬协同理念创造价值

11. Tesla Seals Deal for China Maps That Musk Says Cars Don’t Need

12. 确定了！特斯拉与百度合作

13. 华为放弃高精地图，走向“重感知”模式

14. 百度沾光特斯拉，股价一度涨超6%

15. HiEV洞察｜特斯拉HW4.0再爆猛料，高精定位、雷达均有变动

16. 无人驾驶出租车遇冷？Waymo证明比人聪明，可惜无奈出事，只剩特斯拉世界模型风生水起

17. 自动驾驶公司CEO：L4级无人驾驶就是骗人的

本文标签： 都是