“到達目的地之後，把車輛停在停車場的入口，車會在無人狀態下自動駛入停車場內，尋找並泊入可停靠的車位；用車的時候，通過手機遠程一鍵式操作，車輛以無人狀態下自動駛出停車場，來到用戶的面前。”這項無人式的代客泊車正在從 Demo 走向現實。
近日，造車新勢力威馬的第三款量產 SUV W6 在湖北黃岡生產基地正式下線，和新車共同量產的還有威馬與百度 Apollo 共同研發的一項停車“黑科技”：雲端智能無人泊車系統，簡稱 Cloud AVP。該技術可以幫助 W6 實現無人幹預情況下的自動駕駛、躲避障礙物、車位智能搜索和自主泊入、泊出等功能，甚至可以通過手機遙控實現一鍵停車和召喚。整個停車過程分為有人和無人兩種場景，利用手機操作時，車輛可完全實現無人化的自動駕駛。
先說硬件部分，W6 全車配備了 24 個傳感器，其中包含 5 個 77GHz 毫米波雷達、7 個攝像頭及 12 個超聲波雷達，另外還搭載了一枚自帶 5G 傳輸的高通 8155 車機芯片。
傳統印象裡的 AVP 代客泊車非常依賴停車場場端的基礎建設，需要為其配備大量的傳感器與車輛進行通訊，是一項極為“燒錢”的工程——比如之前奔馳S級在斯圖加特的進行L4級自動泊車，就更加依靠場端建設。（延伸閱讀：首款L4級自動泊車量產車型，全新一代奔馳S級在斯圖加特實現無人泊車）
相比而言，威馬和百度的這套東西就“輕”了很多，正如“Cloud AVP”其名，它們採用的是一種單車智能＋雲端算力支持的解決方案。
什麼意思？看了我的實際體驗，你就會知道這是怎麼回事。
人類持續進化能夠走到今天，一項關鍵能力是學習，再難的題目反反覆覆做幾遍也就不難了。停車本就是一件“公式化”的事情，如果讓車輛提前知道接下來要走的路，那是不是就能變得簡單許多了呢？在我看來，Cloud AVP 就是一種非常“討巧”的方案。
上車之後，你會在中控屏上找到一個“學習型自主泊車”（H-AVP）的入口，你可以從這個入口為車輛添加一條或者最多五條學習路徑。也就是說，在車子成為“代客泊車”的“老司機”之前，他必須先熟悉熟悉路！提前把考題背了。
怎麼個學習法並不複雜，其實就是讓你先自主駕駛給車子做一遍示範。比如 A 是你的車位、B 是你經常上下車的接駁點、C 是停車場入口。你要做的就是讓車輛提前走一遍 A-B、B-C、C-A 這三段。在你自主駕駛之前，你在車內先創建學習任務，然後你再以 15km/h 的限速人工把上述的路線跑一遍，目前從長度目前不能超過 100m（據說量產之後會增加這個距離）。行駛到 A、B、C 每一個節點的時候，你都需要停車稍待幾分鐘，讓車輛完成學習，並將路徑數據扔到雲端去。
這個路徑數據包含哪些東西呢？當然絕不僅僅是一個路線那麼簡單。其實在你自主駕駛的過程中，車子首先會記錄你的車位信息，接著傳感器會動態記錄周遭的環境信息，並且完成建模，這些數據都會被實時記錄下來上傳雲端，然後在車輛自動駕駛的時候去調用這些數據，等於車子提前畫了一張“高精地圖”，有點類似地圖採集眾包的意思。
在完成學習之後，車子就可以按照提前走過的路線完成停車作業了。在 A 點停車位泊入、泊出的動作好辦，實際上就是自主泊車功能（APA)，傳感器會自動識別車位，控制油門剎車完成操作。相對比較複雜的場景是怎麼進停車場和從停車場出來這一段，停車場的路況複雜，行人橫穿、過往會車都是比較常見的場景，這非常考驗車輛“隨機應變”的能力。
整體來說，本次演示環境相對比較理想，威馬沒有過多地設置複雜場景。對於有來車，有行人的情況下，車子的邏輯是停車讓行，待移動障礙物遠離之後再繼續工作。讓行人這事兒比較好辦，我比較好奇的是，在狹窄的環境下，AVP 會怎麼去避讓車輛，畢竟原地等待往往會影響正常通行。老司機都知道，停車場會車的時候大家往往都是一種比較“擰巴”的姿勢，通過反覆操作儘可能地給對方擠出通行空間，類似這種場景，威馬沒有給到我們答案。
總得來說，在理想環境下，H-AVP 的表現還是非常靠譜的。手機召喚過程也非常簡單，同樣是提前學習路徑，然後你一鍵在手機下發指令，但要注意，出於安全考慮車輛在無人狀態下，你要時刻點擊手機屏幕，手一停車子就會隨即制動停車。需要強調的是，和現在市面上的一些“循跡倒車”邏輯有些類似，H-AVP 在行駛時會儘可能地還原學習的路徑，也就是說你學習的時候壓著線走，它自己執行的時候也會壓線，不過停車時除外，即便你之前停歪了，車子到時會自主擺正。另外，整個停車過程時候的車速還是比較慢的，大概被限制在 10km/h 以下，而且現階段所有的過程都必須在用戶的視野監控範圍內。
最後，我再總結一下學習型自主泊車的作業邏輯：
1. 人類駕駛，學習路線；2. 學習過程中，車輛完成計算和推演，把數據上傳到雲端；3. 傳感器監測＋調用雲端數據，實現停車場的自動駕駛；4. 自主泊車功能完成車輛的泊入、泊出。
學習型自主泊車比較適合固定停車場的用戶，學習一次基本就可以一勞永逸，即便你沒有固定車位，它也可以。那麼有人要問了到陌生停車場怎麼辦？我總不可能先提前學習一遍吧。這就需要提到接下來的進階功能：雲端高精地圖泊車（P-AVP）。
顧名思義，P-AVP 就是提前拿到了高精地圖數據，省去了學習的一步，上手即可自主停車。這個高精地圖哪裡來，一方面是供應商提供；（威馬必然是百度）另一方面就是用戶的日常數據去反哺雲端，你可以把每一輛使用了 H-AVP 的威馬看作是一部地圖採集車，通過用戶的不斷使用，這些數據會持續不斷地豐富更新，然後共享給其他用戶。
寫在最後
威馬的這次體驗並沒有完全戳中我的興奮點，一句話——“考題太簡單了”。我並不懷疑威馬和百度的技術實力，但目前這套 AVP 泊車展現給我們的場景還太多單一，中國停車環境尤為複雜，如果本次演示代表了威馬現階段可量產的全部實力的話，這套產品顯然還是沒辦法讓所有人都滿意的。
不過必須肯定的是威馬在控制成本方面的努力，畢竟好的技術必須得合適的成本才能做到普惠大眾。藉助雲端的能力，威馬和百度把原本重場端建設的 AVP 做得足夠輕量化，做到了以儘可能的低成本讓消費者快速嚐鮮新技術，同時還一定程度上彌補了單車智能的不足。
但是問題來了，缺乏場端建設完全依賴高精地圖，在面對複雜場景，這套 AVP 究竟還有多少威力？時間倉促，我期待威馬下次能夠給到更豐富的測試場景。
轉載請超鏈接註明：頭條資訊 » 即學即用，威馬x百度Apollo的這套無人泊車系統到底會有多大的潛力？
免責聲明
：非本網註明原創的信息，皆為程序自動獲取互聯網，目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責；如此頁面有侵犯到您的權益，請給站長發送郵件，並提供相關證明(版權證明、身份證正反面、侵權鏈接)，站長將在收到郵件24小時內刪除。