特斯拉|所有功能全语音+干掉特斯拉的NGP 小鹏汽车智能日来了一波“强输出”( 二 )


小鹏汽车“宇宙二人组”中的副总裁纪宇 , 聊完了他带领的智能座舱团队相关内容 , 接下来又是一轮自动驾驶副总裁吴新宙博士的更强的输出:整个软件堆栈(全栈)自研已取得了阶段性的成果 , XPILOT 3.0的重点NGP高速自主导航驾驶更适应中国的交通环境 , 在与特斯拉Autopilot系统的对比验证中完胜 。
特斯拉|所有功能全语音+干掉特斯拉的NGP 小鹏汽车智能日来了一波“强输出”
本文插图
小鹏汽车“宇宙二人组”中的自动驾驶副总裁吴新宙博士

高速公路 , 即比城市道路相对简单、结构化的路段 。 在高速公路上全自动、无接管的高级驾驶辅助能力 , 笔者2016年就在德国不限速的
特斯拉|所有功能全语音+干掉特斯拉的NGP 小鹏汽车智能日来了一波“强输出”
本文插图
A9(参数|图片)高速(慕尼黑到英格尔施塔特段) , 雨天环境、最高车速160km/h的状态下体验过了奥迪的试验车 , 这对于我个人本身已没有什么新鲜感了 。
但如果加上“中国”这个前缀 , 就要面临频繁的道路变化、施工等等 , 乃至比国外道路负载很多的匝道这个现实问题 , 难度系数那绝对呈几何倍数的增长 。 如此情况下 , 小鹏
特斯拉|所有功能全语音+干掉特斯拉的NGP 小鹏汽车智能日来了一波“强输出”
本文插图
P7(参数|图片)凭借摄像头、毫米波雷达双冗余、厘米级的视觉感知 , 加上来自高德的分米级高精地图 , 已然实现了在验证的广州高速路段 , 至少60km无需驾驶员介入的自动导航驾驶 。
特斯拉|所有功能全语音+干掉特斯拉的NGP 小鹏汽车智能日来了一波“强输出”
本文插图

关于小鹏汽车NGP与特斯拉NOA(不同高速自动导航驾驶命名)的对比 , 吴新宙博士在展示过程中提到了一个具体细节:在通过匝道换到另外一条高速之后 , 路面重新规划的白实线变成了可并线的虚线 , 但原本白实线并没有完全擦干净 , 小鹏P7的NGP测试车辆通过最新版高精地图早有预判 , 从容的完成了并线动作 , 而没有国内高精地图的特斯拉
特斯拉|所有功能全语音+干掉特斯拉的NGP 小鹏汽车智能日来了一波“强输出”
本文插图
Model 3(参数|图片)单凭视频感知 , 完全无法获知道路规划改变的信息 , 最终靠驾驶员人工操作才避免了走错路 。
这方面 , 笔者特意找到了参与其中的一位测试人员 , 他表示:这个情况遇到了两次 , 第一次是没有向左侧并线 , 差点杀进了旁边的服务区;第二次没有并线 , 就得绕出几十公里的距离 , 才能继续让两款车同框对比 。
如果说NGP高速自主导航驾驶有借助高德的高精地图的成分 , 那么XPILOT 3.0的停车场记忆功能 , 则就全是小鹏汽车自动驾驶研发团队自己的成果了 。 而且这还涉及了一个现阶段车企罕有涉猎的领域 , 即量产版本的空间构建 。
特斯拉|所有功能全语音+干掉特斯拉的NGP 小鹏汽车智能日来了一波“强输出”
本文插图

这项功能不光是找车位 , 而是通过不断收集用户常去的停车场数据 , 如小区、公司的停车场 , 直接把停车的空间模型“死记硬背”下来 , 让车主进入到停车场就能直接放手不管 , 车辆直接自动停到车位 , 率先在量产车型上解决“最后1公里”的问题 。
关于这项功能的实现难度 , 笔者也特意咨询了相关的专家 , 他表示:3D建模应用在大家生活中已经不是什么新鲜事物了 , 如地产领域的线上360度AR看房、选房功能 , 其实已经很成熟了 。 但那是静态的 , 要将三维空间变成动态行驶的车辆可接受的模型 , 确实存在技术壁垒、难度不小 。
而无论是NGP高速自主导航驾驶还是停车场记忆功能 , 全都源自前文提到的整个软件堆栈(全栈)自研 。 小鹏汽车是唯二这么做的车企 , 第一家是特斯拉 , 好处其实与前面智能座舱的自建生态闭环异曲同工 , 那就是吴新宙博士所谓的“全栈自研、全面掌控” 。


推荐阅读