长城眼里没有“蔚小理”，只有特斯拉( 二 ) 出品|虎嗅汽车组作者|王笑渔编

至少，华为就被难倒了。最早把城市辅助驾驶吹上天的，是极狐阿尔法S华为Hi版。去年，仅用一段路测视频，就成功完成破圈营销的华为高阶自动驾驶ADS系统，在城市里自由穿梭、轻松躲避外卖小哥。然而，原计划去年12月份开始交付的Hi版车型，至今仍杳无音信。
在被问及毫末的NOH和华为的ADS相比谁更强时。顾维灏打趣的说道：“华为还没有量产，我们都是跟量产的比。 ”而聊到小鹏时，他说， “也要看小鹏最后量产出来是什么水平，应该说我们还可以。 ”在与国内这些厂商的技术路线的竞争上，顾维灏始终在强调一个说法：重感知。
重感知，所对应的另一条路线是，重地图。上述这两家厂商都是采用了重地图的路线——基于红绿灯在高精地图的位置，在感知上做预瞄，然后再进行识别。因为，如果有高精度地图的辅助，车辆可以很好的找到当前道路、车道所对应的红绿灯信息。甚至可以通过V2X的方式，获取红绿灯倒计时。
但最大的问题，就在于高精地图的鲜度问题。因为，城市的道路数据庞大，这导致了采集量大、更新周期也长。要知道，中国城际高速公路和城市快速路等等加起来也就30万公里，但全国的城市道路有近1000万公里。
“现在高精地图更新，还是用的比较人工的方式，靠采集车上路采集，每周能有一次就不错了。 ”某自动驾驶公司业内人士告诉虎嗅。
如果不完全依赖高精地图辅助，靠单车智能在城市里进行高级别辅助驾驶，最核心需要解决的一个问题就是——如何让车看懂红绿灯？因为，红绿灯识别有四个典型难点：一是小目标检测、二是状态会实时发生变化、三是形态各地差异很大、四是绑路困难（如何把红绿灯与对应的道路进行绑定）。
在此前的一段长达11.2公里的毫末城市NOH功能体验中，车辆对红绿灯的感知全程都未出现过失误。尤其是，当车辆前方视野范围内，出现多个不同形态的红绿灯时。毫末的NOH ，能够精准的找到车辆所对应的红绿灯，将信息显示在屏幕上，并最终执行正确的动作。
比如下图所示，一条直路上有两个红绿灯，一个在左侧位置的竖排红绿灯，一个在右侧远处的横排红绿灯。对于人来说，可以不费吹灰之力地作出判断，但对于车来说，并不简单。

文章图片
这里，其实就用到了特斯拉一直在走的一条技术路线——深度学习。顾维灏提出， “要解决红绿灯识别的问题。首先，需要大量的数据用来训练学习。通过图像合成和迁移学习，加快技术的迭代，是数据能够快速获取积累的方法。其中，真实数据和合成数据混合训练问题，是主要的技术难题。 ”
毫末设计了一个针对红绿灯检测及绑路的“双流”感知模型，将红绿灯检测和绑路问题分解成两个通道。毫末智行技术总监潘兴解释道：“当输入一张图片，之后会有一个分支，它去处理红绿灯检测问题，在图像上把红绿灯检出来。还有另外一个分支，会通过一个注意力的机制，学习出来一个FeatureMap ，表达了这个红绿灯和车辆所在的道路结构的关系。 ”
最后，利用注意力机制（Transformer）将二者结合，输出绑路后的目标车道红绿灯通行状态。

文章图片
当然，不光是解决红绿灯识别的问题，毫末通过基于注意力机制的感知算法，解决掉了车道线检测、障碍物检测、道路交通标志检测等等。以此来尽可能多的采用视觉感知，去完成道路信息的识别，减少对高精地图的依赖。