如果奇瑞和星途说自己智驾是头部,可能智驾需要卷的已经不是硬件
随着智能驾驶竞争进入深水区,硬件配置已不再是衡量车企实力的唯一标准,软件算法的迭代效率成为关键。星途汽车近期推送了1.8第四版测试系统,升级了代号为“猎鹰700”的智驾方案。此次升级标志着其从传统的规则代码驱动转向了端到端的数据驱动模式,经过在北京复杂路况下的实地测试,该系统在变道效率与博弈能力上表现出“第一梯队”的潜质,但在复杂路口识别上仍存在瑕疵。
01技术解析:端到端与规则驱动的本质区别
智能驾驶的核心在于感知与执行的逻辑闭环。传统的“规则驱动”模式依赖程序员预设代码,定义所有可能的场景(如快递员摔倒),一旦遇到未写入规则的特殊情况,系统便无法处理,执行效率受限于代码量。而“端到端”模式则像是一个黑盒算法,将感知模型与决策算法整合,通过匹配海量数据库中的路况案例直接生成驾驶指令。这种从“代码完善”到“数据库完善”的转变,使得系统能够通过数据喂养不断自我进化。
| 特性 | 传统规则驱动 | 端到端数据驱动 |
|---|---|---|
| 核心逻辑 | 程序员定义规则代码 | 匹配数据库案例 |
| 执行效率 | 依赖计算步骤,相对较慢 | 直接处理,效率较高 |
| 上限来源 | 代码编写的完善程度 | 数据投喂的数量与质量 |
| 改进方式 | 人工补充代码规则 | 持续学习数据迭代 |
智驾系统技术逻辑对比
02场景实测:城市NOA的变道博弈与细节表现
在北京包含雪天、拥堵及窄路的复杂路况下,星途智驾展现了拟人化的驾驶风格。系统具备预判变道能力,能够在距离路口较远时根据导航提示提前完成变道,而非临近路口才强行切入。在博弈策略上,系统表现出明显的“占便宜”倾向,会主动避开缓行车道,变向车流量较少的队列,以缩短通行时间。
- 通行效率提升:系统敢于在非高峰时段使用公交车道,有效提升了通勤速度。
- 博弈与让行:在通过农贸市场后身等狭窄路段时,能够与对向车辆进行博弈并成功通过;遇到行人或外卖车辆时,刹车动作平缓,兼顾了安全性与乘坐舒适性。
- 人机交互优化:方向盘脱手监测的提醒间隔显著延长,降低了频繁介入对驾驶体验的干扰。
- 环境适应性:针对国内路况优化了通行逻辑,在行人通过时采用缓行通过而非完全刹停的方式,符合本地驾驶习惯。
03问题与评价:第一梯队的实力与隐忧
尽管整体表现接近成熟司机水平,但在极端场景下仍暴露出识别短板。测试中,系统曾在面对被大车遮挡视线的右转车道时误判,直接违章通过;在特定路口将左转车道误识别为掉头车道,导致人工干预。智能泊车功能的操作步骤也略显繁琐,未能达到完全丝滑的体验。
星途智驾实战表现评估
驾驶能力
变道果断,时机选择与人类司机一致
提前规划路线,路口变道逻辑清晰
复杂博弈能力强,敢于在窄路通行


系统稳定性
大车遮挡下易误判车道属性
特定路口存在违章风险
泊车功能操作流程冗余
综合来看,星途此次升级的智驾系统已经脱离了“新手司机”的阶段,具备了3到4年驾龄司机的驾驶风格与能力。虽然在复杂路况下仍需监管,但其表现已优于多数市场竞品。随着数据的持续积累,这套端到端系统有望通过OTA升级进一步提升上限。
当前文章无评论,是时候发表评论了