[ EV知道 行業(yè) ]今天很榮幸和黃浴博士在自動(dòng)駕駛方面進(jìn)行深入交流，黃浴博士作為奇點(diǎn)汽車美國(guó)研究與創(chuàng)新中心首席科學(xué)家兼奇點(diǎn)汽車美國(guó)公司總裁，將為我們分享《AI-CAR時(shí)代加速自動(dòng)駕駛落地的路線及解決方案》。

黃?。阂话闾岬阶詣?dòng)駕駛大家會(huì)說(shuō)怎么定義自動(dòng)駕駛，一般按照大家理智的一些標(biāo)準(zhǔn)從L1級(jí)到L2、L3、L4，大家知道L5是我們創(chuàng)造最高等級(jí)的完全自動(dòng)駕駛，我們就不介入了。然后從一級(jí)到二級(jí)最開(kāi)始是輔助型的，如果大家簡(jiǎn)單地理解的話，應(yīng)該說(shuō)一級(jí)基本上可以不用腳，到二級(jí)的時(shí)候可以不用腳或者不用手，到了三級(jí)基本是手腳都不會(huì)用，但是眼睛要盯著。到四級(jí)眼睛不用盯了，到了五級(jí)你就是乘客了，跟司機(jī)沒(méi)關(guān)系了，駕駛方向盤(pán)都不用了，簡(jiǎn)單地就這么理解。

關(guān)于自動(dòng)駕駛研究方向，我們看基本上大家認(rèn)可的大概是兩種，一種是模塊化的方法，就是我們把這個(gè)模塊分成感知、規(guī)劃、決策最后是控制分塊下來(lái)的。有的時(shí)候它會(huì)有地圖傳送給你，這種模塊化的。

另外一種端到端，它是從輸入，你輸入傳感器所有的信號(hào)，我輸出就是對(duì)車的控制器。這個(gè)我們一般真正作為自動(dòng)駕駛的公司不怎么喜歡這種方式，因?yàn)橹饕亲詣?dòng)駕駛它作為人工智能的應(yīng)用來(lái)說(shuō)，所以它有大量的比較罕見(jiàn)的情況出來(lái)，我們一般會(huì)看到一些公司在做這方面的工作，當(dāng)然很少專門做自動(dòng)駕駛技術(shù)的。比如說(shuō)我舉個(gè)例子我賣零件，我賣很多系統(tǒng)給你看，證明我的零件有多強(qiáng)。但是你是做自動(dòng)駕駛是不認(rèn)可的一條路子。

如果按照劃模塊，我認(rèn)為感知是最難的，基本上來(lái)說(shuō)造成大多數(shù)的問(wèn)題都是因?yàn)楦兄膯?wèn)題，到目前來(lái)說(shuō)雖然我們?cè)黾恿撕芏喔兄?，完全超越人類的感知器的話。因?yàn)槿怂挥醒劬?、耳朵，但是可能有激光雷達(dá)、人聲雷達(dá)，但是感知并不是萬(wàn)能的，所以造成了自動(dòng)駕駛研發(fā)不斷調(diào)整自己的地方。

因?yàn)閯偛盘岬蕉喾N傳感器，所以傳感器融合是大家認(rèn)可的，因?yàn)闆](méi)有任何傳感器可以獨(dú)當(dāng)一面的。比如說(shuō)攝象頭，它是通過(guò)這種我們看到感光的信息產(chǎn)生圖像里的RGB像素的圖像，它來(lái)做環(huán)境感知的理解、認(rèn)知。不管你是單的相機(jī)還是兩個(gè)相機(jī)還是多個(gè)相機(jī)，它都是二維的圖像知識(shí)，但是這個(gè)不夠的，所以會(huì)有激光雷達(dá)。我發(fā)出的這種激光出去接受回波，通過(guò)它來(lái)測(cè)距。這樣發(fā)出去的速度和回波力的距離，會(huì)產(chǎn)生一個(gè)非常精準(zhǔn)的三零點(diǎn)。我們?nèi)四芾斫馔昝赖囊粋€(gè)三維空間，讓機(jī)器去理解是一個(gè)重建的問(wèn)題。

另外雷達(dá)也是，雷達(dá)它的分辨率比較低，一般我們說(shuō)只是采取一個(gè)二維平面的一個(gè)測(cè)距、測(cè)速，這樣激光雷達(dá)有一些不足的地方。但是雷達(dá)相比剛才我們提到兩個(gè)傳感器來(lái)說(shuō)，它有比較重要的一點(diǎn)就是天氣不影響。不論是下大雨還是雪霧都可以穿透，但是激光雷達(dá)都會(huì)受到干擾，甚至無(wú)法得到正確的數(shù)據(jù)。所以我說(shuō)傳感器融合是大家目前認(rèn)可的一個(gè)自動(dòng)駕駛的感知的一個(gè)方向。

另外它不光是感知，同時(shí)定位也是采取多傳感器融合的方法。

在融合的時(shí)候我們?cè)偌?xì)分一下，融合一般可以分前融合和后融合，前融合指的數(shù)理層融合，甚至在傳感器數(shù)的空間上來(lái)解決，一般比較提前，所以叫前融合；后融合是說(shuō)各個(gè)傳感器單獨(dú)執(zhí)行感知任務(wù)，然后在任務(wù)層再進(jìn)行融合。比如說(shuō)我的激光雷達(dá)會(huì)檢測(cè)障礙物，然后我給一個(gè)障礙物信息和軌跡，我們對(duì)攝象頭也會(huì)做同樣的操作。我們兩個(gè)產(chǎn)生的信息最后來(lái)依靠一定的判決機(jī)制來(lái)重合，來(lái)合在一起這個(gè)叫后融合。前融合已經(jīng)做到硬件層了，后融合現(xiàn)在也有很多。比如說(shuō)有時(shí)候我們傳感器并不是你造的，有的時(shí)候是第三方提供的，那個(gè)時(shí)候可能會(huì)走后融合道路。

對(duì)于自動(dòng)駕駛的研究方向來(lái)說(shuō)，大家可能都見(jiàn)過(guò)很多公司的一些信息。通過(guò)目前整個(gè)研究態(tài)勢(shì)來(lái)看基本算是兩條方法，第一個(gè)是低成本的方法，一種是高成本的。

低成本主要以特斯拉為主，基本上是攝象頭，另外它也是地圖不怎么看，看的比較輕。重地圖的或者比較高成本的激光雷達(dá)，谷歌在美國(guó)任何地方做實(shí)驗(yàn)都會(huì)把地圖先掃出來(lái)，在地圖的情況下來(lái)走。像低成本的公司不看重地圖，所以他們的思路有點(diǎn)像漸進(jìn)式的發(fā)展，因?yàn)樗_(kāi)始弱地圖，它可以逐漸添加地圖上去。我們說(shuō)地圖要分清楚這個(gè)地圖的意思，它不是導(dǎo)航地圖，是高分辨圖。比如說(shuō)我們今天從北京的某個(gè)區(qū)到另外一個(gè)區(qū)你走哪一條路，那是導(dǎo)航圖，但是你要在五條車線走哪一條線，這是高清圖，同時(shí)還有交通信號(hào)的信息，車速的信息，有的還加一些路標(biāo)的一些信息進(jìn)去。

對(duì)于這兩種模式來(lái)說(shuō)，奇點(diǎn)汽車更適合于走特斯拉的這條路線。另外本身從成本考慮來(lái)說(shuō)，激光雷達(dá)高成本路線一般互聯(lián)網(wǎng)公司采的，因?yàn)樗姆椒ㄊ俏蚁氚鸭夹g(shù)做到最好然后進(jìn)入市場(chǎng)。進(jìn)入市場(chǎng)我們也看到是需要一定時(shí)間，但是特斯拉不一樣。特斯拉是我先進(jìn)到市場(chǎng)，技術(shù)逐漸的嚴(yán)禁，同時(shí)通過(guò)地圖的信息，通過(guò)我的用戶搜集數(shù)據(jù)慢慢增加我的信息，這條路我認(rèn)為更適合像奇點(diǎn)汽車這種新能源車公司的特點(diǎn)。

自動(dòng)駕駛是很有挑戰(zhàn)性的，一個(gè)是它的問(wèn)題比較高，而且數(shù)據(jù)處理的量非常大。剛才也談到感知這塊非常多，所以它的感知算法不是很完美。另外大家能解決這么復(fù)雜的感知問(wèn)題的時(shí)候，很多時(shí)候是采取數(shù)據(jù)驅(qū)動(dòng)，也就是說(shuō)我要大量的數(shù)據(jù)。因?yàn)闆](méi)有辦法建立合理的一個(gè)數(shù)學(xué)模式來(lái)描述它，所以我只能靠數(shù)據(jù)來(lái)逼近，基本上是這個(gè)思路。

當(dāng)然這一個(gè)我們就可以看到在人工智能、在圖像、在原處理甚至包括一些機(jī)器翻譯這些都發(fā)揮了作用，實(shí)際上在自動(dòng)駕駛也一樣。因?yàn)樽詣?dòng)駕駛本身就是有大量的傳感器數(shù)據(jù)，所以它扮演地角色是非常大的。比如說(shuō)檢測(cè)、識(shí)別、跟蹤包括駕駛行為的建模，包括有很多公司在做的等等的學(xué)習(xí)，比我們模塊化的數(shù)據(jù)量還要多。

這個(gè)圖大家可能見(jiàn)過(guò)，這是大概兩個(gè)月前waymo在網(wǎng)上放了一個(gè)360度無(wú)人車環(huán)境感知的一個(gè)視頻，大家可以看到它支持360度全景的播放，你拿鼠標(biāo)可以拖可以轉(zhuǎn)。我轉(zhuǎn)到我這面把結(jié)果拷貝出來(lái)，他把人、交通信號(hào)、車都放出來(lái)了。但是大家可以仔細(xì)看，覺(jué)得這個(gè)和我們國(guó)內(nèi)比怎么樣？其實(shí)每一個(gè)環(huán)境的增加，比如說(shuō)你增加一倍，那你放的就不是一倍的增加，可能成指數(shù)的增加。所以現(xiàn)在waymo的測(cè)試，我想它的技術(shù)非常好，從2016年開(kāi)始干了。但是目前它的測(cè)試大家可以看到，它是L4的，他的測(cè)試在美國(guó)的鳳凰城，那個(gè)城市100萬(wàn)人口，那個(gè)跟芝加哥是不能比的。

這是一個(gè)我想描述出來(lái)我們自動(dòng)駕駛的一個(gè)模塊化的結(jié)構(gòu)，大家可以看我們從最左邊是我們的環(huán)境，中間這一塊是車身的一些模塊，就是它包括傳感器，甚至包括了車聯(lián)網(wǎng)，包括制動(dòng)部分這是硬件。那么軟件部分包括感知、規(guī)劃、控制。感知一個(gè)是對(duì)周圍環(huán)境的理解，另外是對(duì)自身的定位；規(guī)劃分為三層，一層是簡(jiǎn)單地路徑規(guī)劃，A點(diǎn)到B點(diǎn)路徑規(guī)劃，第二是行為規(guī)劃，你是換車道、左拐彎、超車。第三是你的運(yùn)動(dòng)規(guī)劃，直接告訴車你是以什么軌跡來(lái)走，最后把規(guī)劃的東西送到控制部分，控制告訴怎么樣把車按照制定的方式來(lái)走，這里面也分兩種一種是路徑跟蹤一種是軌跡跟蹤，路徑跟蹤是沒(méi)有識(shí)別信號(hào)的，軌跡跟蹤是有識(shí)別信號(hào)，所以更加準(zhǔn)確。

最左邊這塊是車身部分，右邊這塊我叫云端部分，比如說(shuō)高清地圖，沒(méi)有哪個(gè)車可以把一個(gè)城市的地圖放到車?yán)锩?。比如說(shuō)以前我們買GPS說(shuō)把美國(guó)地圖放到車上，那是矢量地圖，但是你把高清地圖放在上面那不行，所以放在云端的。這方面的數(shù)據(jù)，不管是大公司還是創(chuàng)業(yè)公司他們競(jìng)爭(zhēng)非常激烈。

另外你的感知的模型，因?yàn)槟阕瞿莻€(gè)東西會(huì)放在云端，不一定放在車?yán)?，因?yàn)樗袝r(shí)候需要更新，經(jīng)過(guò)包括自己的車得到新的系統(tǒng)，它會(huì)更新。

另外就是規(guī)劃模型，包括我們的駕駛行為，包括路徑規(guī)劃的模型都可以放到上面，還有最后有一些控制模型。車的控制模型通過(guò)數(shù)據(jù)來(lái)優(yōu)化或者個(gè)性化放在上面。

另外還提到一個(gè)是仿真。仿真環(huán)境，大家知道完全靠車上的實(shí)測(cè)數(shù)據(jù)的話，目前來(lái)說(shuō)數(shù)據(jù)搜集能力太慢，比如說(shuō)像谷歌宣布的，它目前已經(jīng)跑到數(shù)據(jù)，但是他仿真已經(jīng)跑到，包括新的測(cè)試方法和新的問(wèn)題。比如說(shuō)在實(shí)測(cè)遇到問(wèn)題會(huì)放在仿真環(huán)境里來(lái)調(diào)試我的算法，所以仿真環(huán)境也是成熟的自動(dòng)駕駛所必備的模塊。

這是一個(gè)感知的示意圖，大家看到有雷達(dá)、激光雷達(dá)、攝象頭，其實(shí)還可以看到它的攝象頭也是有環(huán)式的，有單雙的都有。其實(shí)各個(gè)部門所具備的任務(wù)或者扮演的角色有所不同，相當(dāng)于一個(gè)示意圖。還有GPS和慣導(dǎo)這些。傳感器對(duì)于自動(dòng)駕駛，相當(dāng)于你人的眼睛，就是獲取周圍信息一個(gè)方式。當(dāng)然我們希望是數(shù)據(jù)越詳細(xì)越好，或者說(shuō)你獲取的數(shù)據(jù)量越大越好，但是作為自動(dòng)駕駛車來(lái)說(shuō)是實(shí)事處理，必然對(duì)數(shù)據(jù)的優(yōu)選，必然做到?jīng)Q策的東西，不能把數(shù)據(jù)直接挑選放進(jìn)來(lái)。所以感知器多成本高，但更需要的是有一個(gè)比較好的感知算法，能夠充分地利用或者準(zhǔn)確利用傳感器的數(shù)據(jù)。

這塊就是深度學(xué)習(xí)的問(wèn)題，因?yàn)樯疃葘W(xué)習(xí)最近應(yīng)該是12年差不多，在人工智能里面發(fā)展的非常迅速，而且我看到它最早的突破是圖像、視頻和云里。因?yàn)橐郧暗膱D像、音頻都要有特征的提取，因?yàn)槿嗽趺磥?lái)識(shí)別這個(gè)聲音的內(nèi)容？怎么樣來(lái)做到分類，這些大家都在探索。探索方法就是把它變成一個(gè)模識(shí)別問(wèn)題，就是你要做模式，所以你要做一個(gè)特征，在特征里找不管是圖像還是視頻都花了很多年。甚至以云作為最早的成熟，他還要遭遇圖像。因?yàn)槲乙郧笆亲鲇?jì)算機(jī)識(shí)別的，大家真正走到一個(gè)比較好的特征是1998年左右，那個(gè)時(shí)候出現(xiàn)比較好的特征。但是深度學(xué)習(xí)的問(wèn)題解決了這個(gè)困難，因?yàn)樗褪蔷哂刑卣鲗W(xué)習(xí)的能力，它是通過(guò)自主的網(wǎng)絡(luò)模型自己識(shí)別、提取出來(lái)。很多人把這個(gè)叫做特征表述或者特征學(xué)習(xí)的網(wǎng)絡(luò)，這個(gè)是有原因的，因?yàn)樗绕湓谝曈X(jué)上扮演了很重要的角色。

這一塊我列了一些，大家看左邊，這些應(yīng)該是深度學(xué)習(xí)訓(xùn)練的時(shí)候的一些小技巧。它其實(shí)來(lái)說(shuō)，因?yàn)樯疃葘W(xué)習(xí)對(duì)應(yīng)的是淺度學(xué)習(xí)，以前淺度學(xué)習(xí)，當(dāng)然一個(gè)是計(jì)算量小，另外一個(gè)它的網(wǎng)絡(luò)訓(xùn)練更容易，深度學(xué)習(xí)它的層越來(lái)越多以后，他的訓(xùn)練內(nèi)容就很容易發(fā)散，很容易就飽和了。因?yàn)槲覀冇?xùn)練知道，它是通過(guò)誤差信號(hào)更新的，有的時(shí)候誤差信號(hào)進(jìn)來(lái)以后網(wǎng)絡(luò)T度就變成零了。所以各種訓(xùn)練的小技巧都要想辦法客服在深度學(xué)習(xí)上的問(wèn)題，這些很多都是非常有名的，因?yàn)樗岢鰜?lái)以后影響到深度學(xué)習(xí)的內(nèi)容。因?yàn)槟阋?xùn)練成好的模型才可以用。

右邊是提到深度學(xué)習(xí)在學(xué)習(xí)的應(yīng)用，因?yàn)槲覀冏鳛閿z象頭的話，我們面臨的問(wèn)題是自動(dòng)識(shí)別的問(wèn)題，最經(jīng)典就是說(shuō)檢測(cè)、分類，再往上推廣做到分割，甚至還可以做到更高層，比如說(shuō)光層、雙路等等方法都可以用它來(lái)取代。包括視覺(jué)的底層，有像素級(jí)的視覺(jué)底層的應(yīng)用，比如說(shuō)可以去噪，可以增強(qiáng)，大家看手機(jī)視頻質(zhì)量怎么好，都有一堆算法。但是這些算法也可以借助，也在里頭慢慢取代傳統(tǒng)的。比如說(shuō)它能夠在這個(gè)領(lǐng)域取得更好的質(zhì)量，那么慢慢在工業(yè)界也得到推廣。

深度學(xué)習(xí)其實(shí)發(fā)展，最近幾年可能發(fā)展非?？?，有一個(gè)原因是比較開(kāi)放，頂級(jí)的科學(xué)家他們最早制定了比較開(kāi)放的原則，所以這幾年發(fā)展非常快也是跟這個(gè)有關(guān)的。

這些算法還有開(kāi)研，以及大家沿革的開(kāi)放態(tài)度是深度學(xué)習(xí)發(fā)展非常快，我們?cè)谧詣?dòng)駕駛里面也可以看到它在里頭我們扮演的作用也是非常多的。其實(shí)不僅僅剛才提到視覺(jué)問(wèn)題，比如說(shuō)障礙物檢測(cè)、跟蹤或者車道線檢測(cè)，包括駕駛區(qū)域的檢測(cè)。比如說(shuō)我在沒(méi)有車道線，沒(méi)有任何標(biāo)志的路上我怎么找到我的駕駛區(qū)域，這些現(xiàn)在都可以做。場(chǎng)景分割，分出是街道，是大樓都是可以做的。但是特別要提到的就是它還做很多我們以前可能都不怎么去想的，比如說(shuō)它可以做傳感器融合，可以做傳感器數(shù)據(jù)的標(biāo)的或者我們叫做校準(zhǔn)，大家把它融合在一汽就解決坐標(biāo)器的校準(zhǔn)問(wèn)題。大家也看到很多公司在講這個(gè)，有一家公司它可以做深度學(xué)習(xí)來(lái)做數(shù)據(jù)融合。同樣來(lái)說(shuō)也可以在駕駛行為、反饋控制方面通過(guò)大量的數(shù)據(jù)來(lái)反映算法的性能。

這是去年下半年出現(xiàn)的一篇文章，我把它列出來(lái)的原因，它是做車箱頭的車輛檢測(cè)，我把它列出來(lái)原因是因?yàn)樗械牡胤襟w現(xiàn)出深度學(xué)習(xí)的特點(diǎn)。它上面其實(shí)是實(shí)現(xiàn)了三層網(wǎng)絡(luò)，它不光是二維的，它審議可以提取出三維的設(shè)想的姿態(tài)。右上角的方位，它還有一些車的模型，這樣他把模型和深度學(xué)習(xí)的網(wǎng)絡(luò)結(jié)合起來(lái)。然后你可以看到比傳統(tǒng)的方法要高，因?yàn)樗至巳龑硬粩嗟赝锩嫣岚笖?shù)據(jù)。當(dāng)然以后大家期望的幾個(gè)大腕的說(shuō)法，他們期望以后深度學(xué)習(xí)是不需要監(jiān)督的，希望它能夠像人一樣自己學(xué)習(xí)。但是在目前這樣，大家還是不太去用。如果說(shuō)完全的非要數(shù)據(jù)可控性就比較差了，我一般在看見(jiàn)他們用的話一般是帶有這種標(biāo)的數(shù)據(jù)的。

所以我們對(duì)自動(dòng)駕駛的期望盡可能產(chǎn)品化和商業(yè)化落地，奇點(diǎn)汽車的原則就是能夠和不同的合作伙伴在不同的策略上進(jìn)行合作。而且我們主張“以人為本”的思路，滿足個(gè)性化的需求。其實(shí)在自動(dòng)駕駛可以看到，在整個(gè)訓(xùn)練數(shù)據(jù)，得到駕駛的數(shù)據(jù)之后，我們的模型是數(shù)據(jù)化的。因?yàn)榇蠹抑滥贻p人和老年人駕駛習(xí)慣是不同的，有些人就喜歡比較激進(jìn)的駕駛，而老年人更喜歡溫馨、舒適，和他經(jīng)過(guò)的路段、選擇的區(qū)域也不一樣。而且只有通過(guò)大數(shù)據(jù)的學(xué)習(xí)，通過(guò)數(shù)據(jù)的用戶掌握才能做到這一點(diǎn)，這也是滿足個(gè)性化需求的方法。

這是我們奇點(diǎn)汽車研發(fā)與布局，其實(shí)我們每年基本上是在自動(dòng)駕駛整個(gè)的各個(gè)方面來(lái)進(jìn)行統(tǒng)一的領(lǐng)導(dǎo)。然后蘇州是最近剛剛宣布了，會(huì)做一個(gè)全額的研發(fā)中心，現(xiàn)在在上海X-LAB也在布局，北京就是主要做ADAS產(chǎn)品開(kāi)發(fā)的，我們把這些資源整合統(tǒng)一在我們今后產(chǎn)品落地上進(jìn)行布局。

這是我們自動(dòng)駕駛的研發(fā)的示意圖，可以看到感知器，我們配和8個(gè)相機(jī)、12個(gè)超聲波和5個(gè)毫米雷達(dá)。我們的計(jì)算平臺(tái)是達(dá)到它的計(jì)算平臺(tái)的能力是非常強(qiáng)的。還有基于我們自己自主的一些控制系統(tǒng)可以來(lái)支持我們整個(gè)自動(dòng)駕駛的底層的需要。

我們的技術(shù)路線基本上是漸進(jìn)升級(jí)式，我們從2級(jí)先落地，然后逐漸我們是升級(jí)以后進(jìn)入3級(jí)的自動(dòng)駕駛的目標(biāo)還有長(zhǎng)遠(yuǎn)的話我們是走4級(jí)來(lái)發(fā)展。整個(gè)迭代因?yàn)槲覀兊挠布h(huán)境，基本上包括感知的環(huán)境都已經(jīng)支持四級(jí)的需要，只是在軟件上需要進(jìn)行升級(jí)。

這是我們目前感知的一個(gè)布局圖。大家可以看到12個(gè)超聲波，5個(gè)毫米波和8個(gè)相機(jī)。今后我們奇點(diǎn)汽車主要是自主研發(fā)+第三方合作的方式。我們今后是在明年能夠在明年進(jìn)行L3的自動(dòng)駕駛，送到我們用戶車上去。

記者：我想問(wèn)一下現(xiàn)在中國(guó)也開(kāi)放了，北京、深圳都開(kāi)放了一些實(shí)際注冊(cè)的一些城市和產(chǎn)地，奇點(diǎn)汽車有沒(méi)有實(shí)地注冊(cè)的計(jì)劃？

黃浴：這個(gè)我們是有的，我們現(xiàn)在今年比如說(shuō)量產(chǎn)落地是支持L2，我們的L2的測(cè)試已經(jīng)在進(jìn)行。然后對(duì)L3的研發(fā)在今年年底就會(huì)開(kāi)始測(cè)試，按照我們的計(jì)劃明年應(yīng)該量產(chǎn)落地，不僅是在中國(guó)，在美國(guó)也會(huì)開(kāi)始進(jìn)行測(cè)試工作。

記者：對(duì)于本土化來(lái)講，你認(rèn)為從L2到L3乃至L4最大的挑戰(zhàn)和阻礙是什么？

黃?。?/strong>我覺(jué)得L2的話基本上按照一些模塊比較分割，比如說(shuō)ACC或者說(shuō)LK這些模塊比較分割，然后實(shí)際上稍微一有什么特殊情況就會(huì)退出。比如說(shuō)ICC它的控制跟LK實(shí)際上是不一樣的，一個(gè)是控制方向盤(pán)，一個(gè)是控制油門，一個(gè)是橫向一個(gè)是縱向。還是因?yàn)樗惴ú惶粯?，L3是手腳都放開(kāi)，我舉個(gè)例子比如說(shuō)跟車，如果跟前面的車，可能有的時(shí)候不光是車道線的保持問(wèn)題，也不光是自身調(diào)整車速的問(wèn)題，還有對(duì)方比如換車道。因?yàn)槿绻麑?duì)方違規(guī)了，你不能違規(guī)，比如說(shuō)你要識(shí)別限速，要識(shí)別紅綠燈。當(dāng)然最早開(kāi)始是在高速上先做到L3，如果對(duì)方超速了你也不能就超速。這些來(lái)說(shuō)L3的綜合能力要比L2好，L2模塊化割裂比較多，L3用戶的體驗(yàn)會(huì)更好。