即学即用,威马x百度Apollo的这套无人泊车系统到底会有多大的潜力?( 二 )



即学即用,威马x百度Apollo的这套无人泊车系统到底会有多大的潜力?
文章图片
总得来说 , 在理想环境下 , H-AVP的表现还是非常靠谱的 。 手机召唤过程也非常简单 , 同样是提前学习路径 , 然后你一键在手机下发指令 , 但要注意 , 出于安全考虑车辆在无人状态下 , 你要时刻点击手机屏幕 , 手一停车子就会随即制动停车 。 需要强调的是 , 和现在市面上的一些“循迹倒车”逻辑有些类似 , H-AVP在行驶时会尽可能地还原学习的路径 , 也就是说你学习的时候压着线走 , 它自己执行的时候也会压线 , 不过停车时除外 , 即便你之前停歪了 , 车子到时会自主摆正 。 另外 , 整个停车过程时候的车速还是比较慢的 , 大概被限制在10km/h以下 , 而且现阶段所有的过程都必须在用户的视野监控范围内 。

即学即用,威马x百度Apollo的这套无人泊车系统到底会有多大的潜力?
文章图片
最后 , 我再总结一下学习型自主泊车的作业逻辑:
1.人类驾驶 , 学习路线;
2.学习过程中 , 车辆完成计算和推演 , 把数据上传到云端;
3.传感器监测+调用云端数据 , 实现停车场的自动驾驶;
4.自主泊车功能完成车辆的泊入、泊出 。

即学即用,威马x百度Apollo的这套无人泊车系统到底会有多大的潜力?
文章图片
学习型自主泊车比较适合固定停车场的用户 , 学习一次基本就可以一劳永逸 , 即便你没有固定车位 , 它也可以 。 那么有人要问了到陌生停车场怎么办?我总不可能先提前学习一遍吧 。 这就需要提到接下来的进阶功能:云端高精地图泊车(P-AVP) 。

即学即用,威马x百度Apollo的这套无人泊车系统到底会有多大的潜力?
文章图片
顾名思义 , P-AVP就是提前拿到了高精地图数据 , 省去了学习的一步 , 上手即可自主停车 。 这个高精地图哪里来 , 一方面是供应商提供;(威马必然是百度)另一方面就是用户的日常数据去反哺云端 , 你可以把每一辆使用了H-AVP的威马看作是一部地图采集车 , 通过用户的不断使用 , 这些数据会持续不断地丰富更新 , 然后共享给其他用户 。
写在最后
威马的这次体验并没有完全戳中我的兴奋点 , 一句话——“考题太简单了” 。 我并不怀疑威马和百度的技术实力 , 但目前这套AVP泊车展现给我们的场景还太多单一 , 中国停车环境尤为复杂 , 如果本次演示代表了威马现阶段可量产的全部实力的话 , 这套产品显然还是没办法让所有人都满意的 。

即学即用,威马x百度Apollo的这套无人泊车系统到底会有多大的潜力?
文章图片
不过必须肯定的是威马在控制成本方面的努力 , 毕竟好的技术必须得合适的成本才能做到普惠大众 。 借助云端的能力 , 威马和百度把原本重场端建设的AVP做得足够轻量化 , 做到了以尽可能的低成本让消费者快速尝鲜新技术 , 同时还一定程度上弥补了单车智能的不足 。
即学即用,威马x百度Apollo的这套无人泊车系统到底会有多大的潜力?】但是问题来了 , 缺乏场端建设完全依赖高精地图 , 在面对复杂场景 , 这套AVP究竟还有多少威力?时间仓促 , 我期待威马下次能够给到更丰富的测试场景 。