苹果|超级重磅——小米自动驾驶技术研判（2022年8月）( 二 ) iOS|VR|手机行业

CNOA状态研判视频第一段，为城区领航辅助状态，即所谓CNOA（City Navigate on Autopilot）；也就是大家最想要的状态：打开车载地图导航，选中目的地，汽车全自动开过去。

因为进度第一，所以小米的CNOA必然强依赖高精地图；注意观察右下角的可视化效果，路面的3D点云异常稳定，不太可能是实时建模，推测为高精地图的视觉重建。

但是小米的感知部分写的真不错，请注意这里的可视化效果，对其他车流的识别重建，都没有发生可感知的剧烈抖动。
说明车辆的感知系统非常稳定，能够精准的抓住目标，而且3D重建的可视化平滑算法做的到位；而且模型比较优雅，流畅度目测也是很不错的，我喜欢。

还注意套在3D模型上的三维框框，这也是基操了；之前某车厂的自动驾驶演示视频，对目标识别是二维框框，业界同行很是嘲笑了一番。

避让大型车和加塞车Cut in ，常规操作，小米测试车感知条件远超家用车，能做到不稀奇，做不到才是问题。

NOA的标志性操作——自我决策上匝道和主动变道。

这里小米的规控做的不错，变道策略不是死板的看前车距离，而是看相对速度；左车道尽管还没超过自己的车道，但是系统观测到它相对速度更快，就马上变道，提高通行效率。
这个策略还是比较聪明的，但是视频加速太快，看不出来变道控制的顺滑程度。

风险避让，正常操作；大家玩命升级感知系统，搞出来Lidar+环视+毫米波的多层感知，就是干这个的。

无保护掉头，这是个高难场景，需要感知系统全力工作，同时决策系统要兼顾通行效率和安全性——不能拐的太慢，不然你这辈子都掉不过来；不能拐的太快，不然要出事。

得益于车顶极其优越的观测位置，测试车的感知系统提供了360度全方位的信息，这个掉头比较顺滑。

但如果装在小米的量产车上， Lidar最多只能提供前半球观测信息，毫米波也有一堆死角，这种场景就得纯靠环绕视觉感知了；这就是我前面所说，小米需要在量产车上解决的工程问题。

有红绿灯的可视化（右下角），但是不知道是V2X发回的信息（跑在武汉自动驾驶示范路段），还是纯靠视觉识别的信息。
如果是后者，那么小米的技术状态还是可以的。

避让公交车（大车），基操了

这段很有意思，注意看可视化信息，小米测试车已经建立了完善的行人、两轮车识别模型。能识别、能避让、能3D重建，进度不错。

复杂多路况左转，不过有红绿灯，难度中等吧。

【苹果|超级重磅——小米自动驾驶技术研判（2022年8月）】

这段很有意思：得益于位置优越的感知系统，小米测试车第一时间发现了被SUV遮挡的电动车。
这个识别非常迅速，决策继续往前开也非常果断，不知道量产车还能否达到如此惊艳的水平。

行人避让，基操。

环岛行驶， CNOA的基操。

我朝马路自有国情在此！超繁忙路段，人车交杂，小米测试车表现得很稳，规控做的不错。

无保护右转这里，我起初以为出现了个常见Bug——也就是识别到了红圈的老大哥，没及时停下来，都开到人前面才停下。