据美国公路安全保险协会（IIHS）官方网站3月12日发布的消息，IIHS正在针对辅助驾驶系统推出一项新的评级计划，该协会发布的最新研究显示，在对包括特斯拉的自动辅助驾驶（Autopilot）和全自动驾驶技术（FSD）在内的9家汽车制造商的14套辅助驾驶系统进行评级后，特斯拉以及其它几家主要汽车制造商销售的辅助驾驶系统都获得“很差”的评级。
IIHS正在针对辅助驾驶系统推出一项新的评级计划
在IIHS测试的系统中，只有一款获得“可接受”评级。特斯拉、梅赛德斯奔驰、宝马、日产、福特、通用汽车、现代汽车和吉利旗下的沃尔沃汽车品牌的辅助驾驶系统，总体评级为“较差”，它们只在IIHS测试的某些要素上获得“良好”的分数，但总体得分都较低。
此外，美国联邦监管机构正在调查近1000起使用特斯拉辅助驾驶的事故。特斯拉将撞车事故归咎于那些在使用辅助驾驶或全自动驾驶技术时，没有听从车商警告注意道路状况的驾驶人。
不仅是美国，对于全自动驾驶技术的探讨也在全球范围内不断深入。
根据数字开物调研了解到，智能驾驶和自动驾驶都属于智能驾驶，但在本质上有很大区别。自动驾驶可以简单地理解为按照预设程序在道路上自动行驶，而智动驾驶则是根据环境信息和道路信息等来自主决策、执行操作。
在国内，智能驾驶也称为智动驾驶，是目前自动驾驶技术研究的热点之一，智动驾实质上是一种车辆通过自动驾驶技术主动适应环境变化、应对各种突发情况的行为模式。
目前，业界认为智动驾驶还只是一个技术概念。它的实现需要在硬件、软件和算法等方面均有重大突破。同时，业界也认为，由于智动驾驶目前还无法完全实现，因此，它不是一个成熟的概念。
那么，问题来了，智动驾驶是一个伪命题吗？
市场需求和技术的变化
驱动从自动驾驶到智动驾驶转变
智动驾驶核心目标是通过实现高度自动化乃至完全自主化的驾驶模式来提高交通安全、降低交通事故发生率、优化车辆运行效率并缓解交通拥堵问题。
这些技术通过实现完全自动化驾驶，即无需人类驾驶员的干预，车辆可以在所有道路条件下和所有速度范围内自主行驶，从而达到上述目的。
自动化驾驶
这需要依赖于高级传感器系统、深度学习算法以及实时决策系统的精密配合，确保自动驾驶汽车能够在复杂的交通环境中做出正确的决策。
尽管自动驾驶技术在提高驾驶安全性和效率方面具有巨大潜力，但它仍面临一些挑战和限制。
例如，自动驾驶技术需要解决的是如何在复杂的交通环境中做出正确的决策，这涉及到识别和分析各种交通情况、理解行人和其他车辆的行为、预测未来的交通状况等。
这时候就需要智动驾驶技术破解上述难题。
目前，根据业界和相关报告总结，智动驾驶技术解决的问题可以分为三类：
一是复杂场景下的安全驾驶，这类场景主要集中在封闭道路上，智动驾驶系统必须能够感知到周围环境，并且做出合理的决策和控制。例如在高速公路上，车辆要能够感知到周围车辆和道路情况，并做出合理的决策和控制。
二是在特殊情况下的自动驾驶，这类场景主要集中在城市道路、复杂交通环境下的自动驾驶。
三是人对环境的理解和认知能力，这类场景主要是指人类能够通过视觉、听觉等感觉器官获取外界信息并进行认知和决策的场景。
总的来说，智动驾驶的核心是“数据驱动”，是人工智能与大数据的深度融合。同时，从自动驾驶到智动驾驶的转变，不仅反映了汽车行业对智能化技术应用的深入探索，也显示了消费者对于更加安全、便捷的驾驶体验的期待。
随着技术的不断进步和市场的逐步接受，未来智能驾驶技术有望实现更广泛的应用，从而为人们的出行带来更多便利和安全保障。
智动驾驶应用落地现状
目前，智动驾驶技术的应用场景包括公共交通、物流、园区等，其中公共交通如无人驾驶公交车因线路固定、车速慢、专道专用等特性，成为理想的落地场景。
智动驾驶应用落地现状
例如，北京市首批人工智能行业大模型应用案例中，长城汽车和毫末智行联合开发的自动驾驶生成式大模型DriveGPT雪湖·海若成功入选，展示了自动驾驶技术在智能化方面的进展。
数字开物了解到，长城汽车和毫末智行联合开发的智动驾驶生成式大模型DriveGPT雪湖·海若，是业内首个此类模型，旨在重塑汽车智能化技术路线。
智动驾驶生成式大模型DriveGPT雪湖·海若
该模型的技术细节包括采用了Transformer大模型技术进行探索，并快速落地应用到BEV视觉感知算法中，通过五大模型的方式来实现自动驾驶感知。
DriveGPT雪湖·海若的参数规模达到了1200亿，预训练阶段引入了4000万公里量产车驾驶数据，RLHF阶段引入了5万段人工精选的困难场景接管Clips。
该模型还根据输入端的提示语以及毫末CSS自动驾驶场景库的决策样本去训练模型，让模型学习推理关系，从而将完整驾驶策略拆分为自动驾驶的部分。
在应用效果方面，DriveGPT雪湖·海若已经成功入选北京市首批人工智能行业大模型10大应用案例，成为入选名单中唯一的汽车企业。这表明其在智动驾驶领域的应用受到了认可。
KargoBot提出的"一种人与系统混合并存的解决方案"KargoOne，通过由2～6辆车组成的车队进行端到端的运输工作，展示了干线卡车自动驾驶的潜力。
再比如，希迪智驾园区应用案例展示了智能驾驶与车路协同技术的融合，为“无人智慧园区物流”打造了样板。
据悉，希迪智驾携手华为、比亚迪，基于自研的智能驾驶系统软件，搭载华为MDC车规级智能驾驶计算平台，以及比亚迪纯电动卡车T8作为载体，共同打造了园区物流智动驾驶解决方案。这一解决方案已经在惠州某物流园内落地运行，并且已经安全运行1年时间。
不仅如此，希迪智驾还成功将该解决方案应用于其他场景，如矿区自动驾驶系统，通过感知、规划、定位等多重自动驾驶技术及传感控制单元的应用，实现了矿卡的无人驾驶。
希迪智驾的技术创新不仅限于园区物流领域，还包括车路协同技术的研究和应用。例如，希迪智驾在C-V2X工程实践中提出了白天能见度检测与预警的新方法，有效提升了高速公路行驶的安全性。
同时，希迪智驾还积极参与到智慧城市的建设中，其主动式公交优先系统已在多个城市落地，为城市交通管理提供了新的解决方案。
智动驾驶是伪命题吗？
技术加速迭代，应用场景的不断拓展，智动驾驶还只是未来设想吗？
根据数字开物调研发现，现阶段，业界普遍对于智动驾驶技术的主要争议和面临的挑战主要聚焦在以下几个方面：
1.技术困境：智动驾驶技术的发展面临着传感器和感知挑战，特别是在不良天气条件下，自动驾驶系统需要能够在恶劣天气条件下正常工作。
此外，环境感知是智动驾驶在复杂驾驶环境中面临的一大难题，包括对路面、静态物体和动态物体的感知。
2.认知困境：由于人类驾驶过程中所面临的路况与场景多种多样，且不同人对不同情况所做出的驾驶策略应对也有所不同，因此类人的驾驶决策算法的优化需要非常完善高效的人工智能模型以及算法。
3.伦理和法律困境：智动驾驶技术的发展还涉及到伦理与责任问题，例如L2级别智动驾驶汽车的事故时有发生，并面临着恶劣天气、临时管制、交通路口、路面落物或反光等大量挑战。这些挑战不仅涉及到技术层面，还包括伦理道德和法律责任等方面。
4.技术路线的争议：未来智动驾驶的技术路线可能会有多种，但是无图和高精地图这两种技术路线都有其优缺点，适用于不同的场景和需求。这表明在技术路线的选择上存在争议，如何选择最适合的技术路线成为了一个挑战。
总的来说，过去几年，以特斯拉CEO马斯克为代表，全球多家汽车厂商高管把自家的辅助驾驶技术ADAS说得神乎其神，然而，现实当中的事故和事故隐患此起彼伏，并且出现了多起大规模汽车召回事件。这些让人们看得越来越清楚，ADAS技术还不成熟，有很多问题需要解决。
ADAS是一套非常复杂的软硬件系统，要想实现安全的辅助驾驶，是一件很难的事情，并不像当下车商宣传的那么厉害。要想实现真正的L3，甚至是L4级辅助驾驶，还需要解决很多问题。
例如，核心处理器的算力及其软件配套能力，与ADAS相关的其它零部件性能和可靠性的提升，感知技术的成熟，以及法规的完善和技术标准体系的统一。
而随着辅助驾驶级别逐步提升，应用功能越来越丰富，汽车对芯片算力的要求越来越高。特别是在安全性和实时性方面，ADAS的要求很高，需要系统具备更高的认知与推理能力。
汽车对芯片算力要求
目前，以Mobileye、英伟达、特斯拉为代表的厂商在ADAS计算芯片方面走在了市场前列，相关产品已在中高端和新势力车型中广泛应用。
不过业界也有认为，智动驾驶有它的优势和劣势，如果不能克服这些问题，则智动驾驶是一个伪命题。
所谓的优势是指它能实现“人车共驾”，也就是说，能够为乘客提供一种真正意义上的“人车共驾”体验。而劣势则是指它无法应对复杂多变的环境，因为目前的技术还无法完全理解环境。
例如：在智动驾驶车辆行驶过程中，突然出现了一个物体，即使没有其他车辆通过，它也会进行躲避。而目前的自动驾驶技术还无法识别出这是一个物体还是人。
再如：在一个复杂的隧道环境中，如果出现了几个机器人在隧道内行走，由于它们不熟悉环境，可能会碰撞到其他车辆。但如果此时没有其他车辆通过隧道，这些机器人可能会撞上隧道口。
数字开物认为，未来，我们期望通过科技手段实现人与车之间的信息交互，尤其是车辆能够直接“读懂”行人的心思，并根据行人的行为做出反应。当然，这需要我们对目前的技术进行革新。
自动驾驶“读懂”行人的心思模拟
当前的智动驾驶技术通过摄像头、雷达、超声波等传感器感知周围环境，但是这些传感器都有自己的局限性，无法覆盖所有场景。
而人与车之间可以直接进行信息交互，例如语音、文字等。此外，如果未来通过车联网将汽车与其他设备连接起来，那么还可以实现共享出行服务。汽车与车辆之间可以进行信息共享，从而实现车辆在没有驾驶员的情况下独立行驶。
同时，智动驾驶的发展也面临着一些挑战，比如如何解决通用性和泛化性的问题，以及如何通过物理世界的视频预测解决自监督的压缩物理世界问题。
此外，智动驾驶系统的仿真测试也是其发展过程中的一个重要环节，通过软件仿真可以对智能驾驶系统和算法进行测试，以确保其在真实世界中的表现。
综上所述，智动驾驶是一个真实存在的领域，它正在不断发展和完善中，尽管存在一些争议和挑战，但其前景是积极的。
热门专题
