1. 從“泊車”到“找車位”AVP如何重新定義停車體驗(yàn)最近恒馳汽車正式發(fā)布了他們的AVP自動泊車系統(tǒng)。對于很多關(guān)注智能駕駛的朋友來說這或許不算一個特別爆炸性的新聞畢竟“自動泊車”這個概念已經(jīng)喊了很多年。但如果你仔細(xì)琢磨一下就會發(fā)現(xiàn)這次發(fā)布的“AVP”和我們過去理解的“APA自動泊車輔助”有著本質(zhì)的區(qū)別。簡單來說APA是幫你“停進(jìn)”一個已經(jīng)找到的車位而AVP則是幫你“找到”車位并“停進(jìn)去”甚至在你下車后它還能自己去找車位、停好等你需要時再自己開回來。這中間的差距遠(yuǎn)不止一個字母那么簡單。我接觸過不少車企的泊車系統(tǒng)從早期的倒車影像到后來的360環(huán)視再到帶自動轉(zhuǎn)向的泊車輔助。坦率地說很多功能在實(shí)際使用中都有些“雞肋”——要么對車位線要求極高要么操作流程繁瑣用戶學(xué)習(xí)成本不低用幾次就閑置了。而AVP的目標(biāo)正是要解決這些痛點(diǎn)把停車從一個需要駕駛員全神貫注的“任務(wù)”變成一個可以完全托付給車輛的“服務(wù)”。恒馳這次入局顯然是想在智能駕駛的下半場——也就是“最后一公里”的自主泊車場景中建立起自己的技術(shù)護(hù)城河。那么一套能真正“解放雙手”的AVP系統(tǒng)到底需要哪些硬核技術(shù)來支撐僅僅是多裝幾個攝像頭和雷達(dá)就夠了嗎顯然不是。它背后是一套復(fù)雜的“感知-決策-控制”閉環(huán)以及對停車場環(huán)境的深刻理解。接下來我們就拋開華麗的發(fā)布會辭令從一線工程師的視角拆解一下AVP系統(tǒng)的核心構(gòu)成、技術(shù)難點(diǎn)以及在實(shí)際落地中可能遇到的“坑”。2. AVP系統(tǒng)的三大核心支柱感知、定位與決策一套可靠的AVP系統(tǒng)可以看作是一個在特定區(qū)域停車場內(nèi)執(zhí)行任務(wù)的自主機(jī)器人。它要完成“從A點(diǎn)到B點(diǎn)停車”這個任務(wù)必須依賴三個核心能力的協(xié)同高精度的環(huán)境感知、厘米級的實(shí)時定位、以及擬人化的路徑?jīng)Q策。這三者缺一不可任何一個環(huán)節(jié)的短板都會導(dǎo)致系統(tǒng)失效甚至引發(fā)安全問題。2.1 環(huán)境感知多傳感器融合的“火眼金睛”單靠任何一種傳感器都無法應(yīng)對停車場復(fù)雜多變的環(huán)境。因此主流方案都采用了多傳感器融合的策略。根據(jù)網(wǎng)絡(luò)熱詞和行業(yè)實(shí)踐恒馳AVP系統(tǒng)很可能也采用了類似的架構(gòu)主要包括以下幾類“眼睛”超聲波雷達(dá)這是泊車系統(tǒng)的“元老”和基石。它的主要任務(wù)是進(jìn)行近距離通常0.15-5米的障礙物探測。在AVP中超聲波雷達(dá)陣列通常12個以上被布置在車輛四周用于精準(zhǔn)測量車輛與車位邊緣、立柱、墻角、其他靜止車輛之間的絕對距離。它的優(yōu)勢是成本低、測距精準(zhǔn)、不受光線影響劣勢是探測范圍近、無法識別障礙物類型只知道“有東西”、對細(xì)長物體如地鎖和斜面探測效果差。高清環(huán)視攝像頭這是構(gòu)建車輛周圍上帝視角的關(guān)鍵。通常由四個200萬像素以上的魚眼攝像頭分別部署在前、后、左、右通過圖像拼接和畸變校正合成一幅無縫的360度全景俯視圖。在AVP中環(huán)視攝像頭承擔(dān)了多項(xiàng)重任車位線識別通過深度學(xué)習(xí)算法實(shí)時檢測和追蹤停車位的邊界線無論是垂直、平行還是斜列車位?？赏ㄐ袇^(qū)域分割區(qū)分路面、路肩、草坪、障礙物區(qū)域?yàn)槁窂揭?guī)劃提供可行駛區(qū)域信息。語義信息提取識別減速帶、禁停標(biāo)志、行人、手推車等為決策提供更豐富的環(huán)境語義。視覺測距輔助超聲波雷達(dá)進(jìn)行障礙物距離估算尤其在雷達(dá)盲區(qū)或?qū)μ囟ㄎ矬w如馬路牙子的探測上起到補(bǔ)充作用。毫米波雷達(dá)這是實(shí)現(xiàn)中遠(yuǎn)距離感知和動態(tài)目標(biāo)檢測的關(guān)鍵也是當(dāng)前技術(shù)升級的熱點(diǎn)。毫米波雷達(dá)通過發(fā)射電磁波并接收回波來探測物體的距離、速度和角度。在AVP場景下它的價值主要體現(xiàn)在動態(tài)目標(biāo)檢測這是超聲波和攝像頭都不擅長的。毫米波雷達(dá)可以穩(wěn)定地探測到在停車場通道中穿行的其他車輛、行人、甚至是快速移動的購物車并精確測量它們的相對速度和運(yùn)動軌跡。這對于確保AVP車輛在尋位行駛過程中的安全至關(guān)重要。惡劣天氣適應(yīng)性毫米波穿透性強(qiáng)在雨、雪、霧、灰塵等攝像頭和激光雷達(dá)性能下降的惡劣天氣下依然能保持穩(wěn)定的探測能力。車位空閑檢測通過分析雷達(dá)點(diǎn)云可以判斷一個車位內(nèi)是否有車輛停放這比單純依靠視覺識別車位線要更可靠尤其對于無劃線路邊車位。注意多傳感器融合不是簡單的數(shù)據(jù)堆疊而是“前融合”或“特征級融合”。例如系統(tǒng)不是分別用攝像頭“看到”一個行人和用雷達(dá)“探測”到一個移動點(diǎn)而是將攝像頭的圖像特征和雷達(dá)的點(diǎn)云特征在算法層面進(jìn)行早期關(guān)聯(lián)和互補(bǔ)最終輸出一個帶有類別是人還是車、位置、速度、軌跡預(yù)測的“綜合目標(biāo)列表”。這能極大提升感知系統(tǒng)的魯棒性和準(zhǔn)確性。2.2 厘米級定位在“地下迷宮”中不迷路在沒有GPS信號的室內(nèi)停車場車輛如何知道自己精確的“厘米級”位置這是AVP區(qū)別于傳統(tǒng)導(dǎo)航的核心挑戰(zhàn)。常見的解決方案是“融合定位”視覺定位VSLAM利用環(huán)視和前置攝像頭實(shí)時提取停車場內(nèi)的特征點(diǎn)如墻角、消防栓、標(biāo)志牌、地面紋理等與事先采集并制作好的高精停車場特征地圖進(jìn)行匹配。這就像人通過記住周圍的標(biāo)志性建筑來認(rèn)路。優(yōu)點(diǎn)是成本相對較低能利用現(xiàn)有傳感器缺點(diǎn)是對環(huán)境變化如節(jié)日裝飾、車輛停放位置改變敏感在特征稀疏的長走廊或大面積白墻區(qū)域容易失效。慣性導(dǎo)航IMU通過加速度計和陀螺儀測量車輛的加速度和角速度通過積分計算位置和姿態(tài)的變化。IMU數(shù)據(jù)更新頻率極高通常100Hz以上可以提供連續(xù)、平滑的位姿估計彌補(bǔ)攝像頭因圖像處理延遲帶來的定位跳變。但I(xiàn)MU存在累積誤差時間一長位置推算就會嚴(yán)重漂移。輪速計通過測量車輪轉(zhuǎn)速來估算行駛距離輔助定位。UWB超寬帶定位一種高精度無線定位技術(shù)。需要在停車場內(nèi)部署UWB基站車輛上安裝標(biāo)簽通過測量無線電波飛行時間來實(shí)現(xiàn)厘米級定位。這是目前精度最高、最穩(wěn)定的室內(nèi)定位方案但缺點(diǎn)是需要在停車場進(jìn)行基礎(chǔ)設(shè)施改造部署和維護(hù)成本高。恒馳AVP可能采用的策略考慮到成本和商業(yè)化落地的可行性最可能的方案是“視覺IMU輪速計”的緊耦合融合定位。系統(tǒng)以視覺定位為主干用IMU的高頻數(shù)據(jù)對其進(jìn)行平滑和補(bǔ)充在視覺暫時失效時如進(jìn)出光線劇烈變化的車庫口、面對純色墻面由IMU和輪速計進(jìn)行短時間的航位推算待視覺恢復(fù)后立即修正。只有在少數(shù)高端場站或示范項(xiàng)目中才可能部署UWB。2.3 決策與規(guī)劃像“老司機(jī)”一樣思考感知和定位告訴了系統(tǒng)“我在哪周圍有什么”決策規(guī)劃則要解決“我該怎么走”的問題。AVP的決策規(guī)劃比開放道路的自動駕駛簡單但要求更高精度和可靠性。全局路徑規(guī)劃當(dāng)用戶下達(dá)“去找車位”或“回到上車點(diǎn)”的指令后系統(tǒng)需要結(jié)合事先錄入的停車場高精地圖包含車道線、路口、車位分布、禁行區(qū)等信息規(guī)劃出一條從起點(diǎn)到目標(biāo)區(qū)域的最優(yōu)路徑。這通常使用A*、Dijkstra等搜索算法。局部路徑規(guī)劃與運(yùn)動控制這是核心中的核心。車輛需要沿著全局路徑行駛同時實(shí)時避讓靜態(tài)和動態(tài)障礙物。遇到對向來車系統(tǒng)需要判斷是停車等待還是靠邊緩行讓出空間這涉及到復(fù)雜的交互博弈需要算法模擬人類駕駛員的社交行為。狹窄直角彎需要精確控制方向盤轉(zhuǎn)角結(jié)合環(huán)視影像確保車身不會刮蹭到墻角。泊入車位這是最考驗(yàn)功力的環(huán)節(jié)。算法需要根據(jù)車位類型垂直、平行、斜列、車位大小、周圍障礙物情況規(guī)劃出一條平滑、高效的泊入軌跡。不僅要考慮一次能否入庫成功還要考慮泊入后的車身姿態(tài)是否端正、是否方便乘員上下車和后續(xù)駛出。常用的算法有幾何曲線法如回旋曲線、最優(yōu)控制法以及基于采樣的方法。一個關(guān)鍵的工程細(xì)節(jié)決策規(guī)劃模塊的輸出不是直接的方向盤和油門剎車指令而是一條帶有時間戳的、連續(xù)的“軌跡”包含了每個時刻車輛應(yīng)該處于的位置、速度、朝向。控制模塊則負(fù)責(zé)精準(zhǔn)地跟蹤這條軌跡通過PID、模型預(yù)測控制MPC等算法計算出具體的轉(zhuǎn)向、加速、制動指令發(fā)送給車輛的線控執(zhí)行機(jī)構(gòu)。3. 從Demo到量產(chǎn)AVP落地必須跨越的工程鴻溝在實(shí)驗(yàn)室或者封閉場地跑通AVP demo可能只需要一個優(yōu)秀的算法團(tuán)隊。但要將其打造成一個能讓普通用戶放心使用的量產(chǎn)功能工程團(tuán)隊面臨的挑戰(zhàn)才是真正的“硬骨頭”。3.1 停車場數(shù)據(jù)的“雞與蛋”問題AVP功能依賴于停車場的高精地圖。沒有地圖車輛就是“瞎子”。但為全國成千上萬個停車場繪制并維護(hù)高精地圖是一個投入巨大、周期漫長的過程。恒馳作為后來者如何解決這個冷啟動問題方案一自建采集車隊。組建專業(yè)隊伍用搭載激光雷達(dá)和全套傳感器的采集車對合作停車場進(jìn)行掃描建模。這是質(zhì)量最高、數(shù)據(jù)最可靠的方式但成本極高擴(kuò)張速度慢。方案二眾包建圖。利用已售出車輛上搭載的傳感器攝像頭、雷達(dá)、IMU等在用戶正常停車過程中悄無聲息地收集數(shù)據(jù)上傳到云端通過算法自動生成和更新停車場地圖。這是最具 scalability可擴(kuò)展性的方案也是行業(yè)主流方向。但這帶來了巨大的技術(shù)挑戰(zhàn)如何從質(zhì)量參差不齊、非專業(yè)設(shè)備采集的數(shù)據(jù)中提取出穩(wěn)定、準(zhǔn)確的地圖特征如何保證數(shù)據(jù)安全和用戶隱私如何高效處理海量的數(shù)據(jù)并快速更新地圖方案三場端合作。與大型商業(yè)地產(chǎn)、物業(yè)公司合作直接獲取其停車場已有的BIM建筑信息模型數(shù)據(jù)或部署好的智能道閘、車位相機(jī)數(shù)據(jù)將其轉(zhuǎn)化為AVP可用的格式。這能快速覆蓋一批高端商場和寫字樓但普適性有限。我的判斷是恒馳很可能會采用“眾包為主重點(diǎn)場站精修”的混合策略。初期通過眾包快速積累地圖覆蓋廣度同時對于品牌合作的標(biāo)桿性停車場進(jìn)行人工采集和精修保證核心用戶體驗(yàn)。這里的一個實(shí)操心得是眾包建圖的算法必須對“動態(tài)障礙物”尤其是其他車輛有極強(qiáng)的過濾能力否則生成的地圖上會布滿“鬼影”臨時停放的車輛嚴(yán)重影響可用性。通常需要結(jié)合時序信息只有那些在多次采集數(shù)據(jù)中都被觀測為靜止的物體才會被確認(rèn)為地圖的一部分。3.2 極端場景的“長尾挑戰(zhàn)”停車場是駕駛場景的“萬花筒”充滿了各種教科書里沒有的極端情況。算法必須能處理這些“長尾問題”否則用戶信任一旦崩塌功能就形同虛設(shè)。場景一光線劇烈變化。車輛從陽光明媚的室外駛?cè)肫岷诘牡貛烊肟跀z像頭會瞬間致盲。此時系統(tǒng)不能“愣住”需要依靠IMU和毫米波雷達(dá)維持短時間的定位和感知并迅速調(diào)整攝像頭曝光參數(shù)。同樣地庫里的LED燈可能造成高頻閃爍對攝像頭成像產(chǎn)生干擾。場景二地面反光與積水。光滑的環(huán)氧地坪漆在燈光下會產(chǎn)生大面積反光可能讓視覺算法誤判為水面或丟失特征點(diǎn)。雨后車庫入口的積水也會嚴(yán)重干擾超聲波雷達(dá)的回波。場景三非標(biāo)準(zhǔn)車位與障礙物。車位線模糊、褪色、被輪胎磨損車位被地鎖、錐桶、自行車占用停車場的臨時施工圍擋低矮的兒童、寵物突然竄出。這些都需要感知系統(tǒng)有強(qiáng)大的泛化能力和決策系統(tǒng)有完備的 fallback降級策略。場景四人車混流與交互博弈。停車場里行人往往不按常理出牌可能低頭看手機(jī)橫穿車道。對面來車是選擇“誰先讓”一個實(shí)用的工程經(jīng)驗(yàn)在這種交互場景中給AVP車輛賦予一點(diǎn)點(diǎn)“侵略性”反而更安全。比如在擁有路權(quán)時如在主通道直行系統(tǒng)應(yīng)該表現(xiàn)出明確、果斷的前進(jìn)意圖速度可以稍緩但不要猶豫停車這樣能讓對方更容易預(yù)判你的行為。如果一味地謙讓和急停反而會造成后方擁堵和交互困惑。3.3 功能安全與用戶體驗(yàn)的平衡AVP是SAE L2級別的輔助駕駛功能這意味著駕駛員仍然是責(zé)任主體。系統(tǒng)設(shè)計必須在“自動化”和“可控性”之間找到平衡。清晰的ODD設(shè)計運(yùn)行域定義必須在用戶手冊和車機(jī)界面明確告知用戶AVP功能在哪些條件下可用如僅限已建圖停車場、車速低于15km/h、天氣晴朗等。當(dāng)條件不滿足時系統(tǒng)應(yīng)提前、明確地提醒用戶接管。冗余與降級策略當(dāng)某個關(guān)鍵傳感器如某個攝像頭被泥水遮擋失效或定位精度下降時系統(tǒng)不應(yīng)直接退出而應(yīng)進(jìn)入性能降級模式。例如從“全自動代客泊車”降級為“僅提供全景影像和雷達(dá)報警輔助用戶手動泊車”。人機(jī)交互HMI設(shè)計這是建立用戶信任的關(guān)鍵。在AVP激活期間車機(jī)屏幕必須清晰、實(shí)時地顯示車輛自身的定位和規(guī)劃路徑。感知系統(tǒng)識別出的所有障礙物用不同圖標(biāo)區(qū)分車輛、行人、柱子等。系統(tǒng)的當(dāng)前狀態(tài)和意圖如“正在尋找車位”、“等待行人通過”、“準(zhǔn)備泊入”。清晰的接管提示視覺、聲音、觸覺多重提醒。 一個常見的坑是為了界面美觀顯示的信息過于抽象或簡化導(dǎo)致用戶不知道車輛“看到了什么”、“想干什么”一旦發(fā)生意外情況就會極度緊張。好的HMI應(yīng)該讓用戶感覺“一切盡在掌握”。4. 毫米波雷達(dá)在AVP中的角色演進(jìn)與選型思考“毫米波雷達(dá)目標(biāo)檢測”成為熱詞絕非偶然。在AVP乃至更高級別的自動駕駛中毫米波雷達(dá)正從傳統(tǒng)的“測距測速傳感器”向“高分辨率成像傳感器”演進(jìn)。這對于提升AVP在復(fù)雜動態(tài)環(huán)境下的能力至關(guān)重要。4.1 傳統(tǒng)雷達(dá) vs. 4D成像毫米波雷達(dá)傳統(tǒng)的角雷達(dá)或前向雷達(dá)通常只有個位數(shù)如3發(fā)4收的天線通道角度分辨率差可能達(dá)到10度以上輸出的是一簇簇稀疏的“點(diǎn)云”。它能告訴你“前方大概20米處有東西在移動”但很難分辨出是并排的兩輛摩托車還是一個行人推著自行車。而新一代的4D成像毫米波雷達(dá)通過增加發(fā)射和接收通道的數(shù)量例如達(dá)到192個甚至更多虛擬通道實(shí)現(xiàn)了在距離、速度、水平角之外對目標(biāo)高度信息的探測形成了更密集、更豐富的點(diǎn)云圖像。它的能力發(fā)生了質(zhì)變更高的角度分辨率可以區(qū)分靠得很近的兩個物體比如準(zhǔn)確識別出車位里停著的車和旁邊的立柱。具備測高能力可以判斷障礙物的高度從而過濾掉地上的井蓋、減速帶低點(diǎn)云專注于車輛、行人等有高度的真實(shí)障礙物。這對于停車場內(nèi)低矮障礙物繁多的場景極其有用。更豐富的點(diǎn)云可以對障礙物輪廓進(jìn)行初步勾勒結(jié)合深度學(xué)習(xí)算法實(shí)現(xiàn)一定程度的目標(biāo)分類區(qū)分轎車、SUV、行人、兩輪車等。對于AVP系統(tǒng)而言如果在前向和車側(cè)關(guān)鍵位置部署1-2顆高性能的4D成像毫米波雷達(dá)將極大提升系統(tǒng)對中遠(yuǎn)距離動態(tài)目標(biāo)和復(fù)雜靜態(tài)場景的感知能力尤其是在視覺受光照影響或超聲波雷達(dá)鞭長莫及的區(qū)域。4.2 雷達(dá)與視覺的深度融合挑戰(zhàn)雖然4D雷達(dá)很強(qiáng)但它依然無法取代視覺。雷達(dá)點(diǎn)云缺乏紋理和顏色信息無法識別文字如車位編號、交通標(biāo)志、信號燈。因此前融合依然是王道。但將高維的雷達(dá)點(diǎn)云和圖像像素進(jìn)行精準(zhǔn)融合在時間和空間上對齊是算法上的巨大挑戰(zhàn)。時間同步攝像頭曝光和雷達(dá)發(fā)射波束的時刻必須精確同步微秒級否則移動目標(biāo)在圖像和點(diǎn)云中的位置就會對不上?？臻g標(biāo)定必須通過精密的外參標(biāo)定知道雷達(dá)坐標(biāo)系和攝像頭坐標(biāo)系之間的精確轉(zhuǎn)換關(guān)系。這個參數(shù)會隨著車輛行駛顛簸而發(fā)生微小變化需要設(shè)計在線標(biāo)定算法進(jìn)行補(bǔ)償。融合層級是在原始數(shù)據(jù)層融合將雷達(dá)點(diǎn)投影到圖像上還是在特征層融合分別提取圖像特征和點(diǎn)云特征后再關(guān)聯(lián)亦或是在決策層融合兩個傳感器獨(dú)立處理最后對結(jié)果進(jìn)行投票每種方案都有其優(yōu)缺點(diǎn)和計算開銷需要根據(jù)芯片算力和系統(tǒng)架構(gòu)進(jìn)行權(quán)衡。在工程選型上我個人傾向于“視覺為主雷達(dá)為輔緊耦合前融合”的架構(gòu)。視覺提供豐富的語義和精確的邊緣信息如車位線用于主要的可行駛區(qū)域和靜態(tài)目標(biāo)感知4D雷達(dá)則專注于中遠(yuǎn)距離動態(tài)目標(biāo)跟蹤、惡劣天氣下的感知補(bǔ)盲以及提供精確的速度信息。兩者的融合結(jié)果為決策規(guī)劃提供一個更可靠、更全面的世界模型。5. 實(shí)測與調(diào)優(yōu)讓AVP從“能用”到“好用”算法模型在仿真環(huán)境里表現(xiàn)再好不上實(shí)車路測都是紙上談兵。AVP的測試與調(diào)優(yōu)是一個漫長且細(xì)致的過程。5.1 構(gòu)建分級的測試驗(yàn)證體系軟件在環(huán)SIL與硬件在環(huán)HIL仿真在開發(fā)早期利用Carsim、Prescan等仿真軟件構(gòu)建包含各種停車場模型、交通參與者、天氣條件的虛擬測試環(huán)境進(jìn)行海量的場景測試百萬公里級快速暴露算法邏輯缺陷。HIL則加入真實(shí)的控制器硬件測試系統(tǒng)實(shí)時性。封閉場地測試在可控的測試場內(nèi)搭建真實(shí)的停車場場景包括各種車位類型、障礙物、坡道、彎道進(jìn)行系統(tǒng)性的功能測試和性能標(biāo)定。這里是調(diào)參的主戰(zhàn)場比如調(diào)整泊入軌跡的平滑度、跟車時的距離保持參數(shù)、遇到行人的減速曲線等。真實(shí)停車場路測這是最關(guān)鍵的環(huán)節(jié)。需要組建路測車隊在全國不同區(qū)域、不同類型的停車場老舊地庫、新建商場、露天停車場等進(jìn)行大規(guī)模的真實(shí)用戶場景測試。路測的核心目的是收集“長尾場景”數(shù)據(jù)不斷豐富算法的“閱歷”。5.2 數(shù)據(jù)驅(qū)動的迭代閉環(huán)路測會產(chǎn)生海量的“Corner Case”極端案例數(shù)據(jù)。例如系統(tǒng)在某次測試中將一個飄過的塑料袋誤判為行人而急剎。這些數(shù)據(jù)需要被高效地回收、標(biāo)注、然后用于重新訓(xùn)練感知模型或優(yōu)化決策規(guī)則。數(shù)據(jù)流水線需要建立一套自動化或半自動化的數(shù)據(jù)管道能夠從路測車輛上同步指定的異常數(shù)據(jù)片段在云端進(jìn)行自動預(yù)處理和篩選再由標(biāo)注團(tuán)隊對關(guān)鍵幀進(jìn)行精標(biāo)最后送入訓(xùn)練平臺迭代模型。影子模式即使在功能未激活時系統(tǒng)也在后臺默默地運(yùn)行并將自身的感知、決策結(jié)果與駕駛員的實(shí)際操作進(jìn)行對比。當(dāng)發(fā)現(xiàn)兩者存在顯著差異時例如系統(tǒng)認(rèn)為應(yīng)該剎車但駕駛員沒有就將該時間段的數(shù)據(jù)記錄下來作為潛在的優(yōu)化點(diǎn)。這是一種成本極低的數(shù)據(jù)收集方式。5.3 用戶體驗(yàn)的“玄學(xué)”調(diào)優(yōu)除了安全和準(zhǔn)確“好用”是用戶是否愿意持續(xù)使用的關(guān)鍵。這涉及到很多主觀感受的調(diào)優(yōu)行駛風(fēng)格AVP車輛在停車場通道里的行駛速度、加速和制動的平順性、轉(zhuǎn)彎時的流暢度是像“新手”還是“老司機(jī)”過于保守頻繁剎車、速度過慢會讓人著急過于激進(jìn)又會讓人不安。需要通過大量實(shí)車測試找到大多數(shù)用戶覺得舒適的那個“甜點(diǎn)”。泊入效率與姿態(tài)是追求一把入庫的速度還是追求泊入后車身絕對居中、姿態(tài)完美的精度通常需要做一個權(quán)衡。對于標(biāo)準(zhǔn)車位可以追求效率對于狹窄車位則必須優(yōu)先保證精度哪怕需要多揉兩把。提示音與語音系統(tǒng)狀態(tài)的語音提示是否清晰、及時且不擾人提示音的音調(diào)、頻率是否讓人感到安心而不是煩躁這些細(xì)節(jié)都需要精心設(shè)計。讓一套AVP系統(tǒng)真正可靠地跑起來技術(shù)只占一半另一半是無數(shù)次的測試、打磨和對細(xì)節(jié)的偏執(zhí)。恒馳此次發(fā)布算是正式進(jìn)入了這個高難度的競技場。它能否后來居上不僅要看其技術(shù)方案的先進(jìn)程度更要看其工程落地、數(shù)據(jù)積累和用戶體驗(yàn)打磨的深度與耐心。對于消費(fèi)者而言多一個競爭者總是好事這能加速整個行業(yè)將“自動找車位停車”這個曾經(jīng)的科幻場景變成我們?nèi)粘Ｓ密嚨钠胀w驗(yàn)。