解密智能汽车无图智驾技术原理和安全性

与无图智能驾驶对应的是高精地图智能驾驶，其方案主要是依赖精度为±20厘米的地图参考路线进行自动行驶

无图智能驾驶，准确的说是无高精地图智能驾驶，普通地图还是有的，这就需要车辆极大限度的提升自己的实时识别和判断能力

目前主流车企使用的都是车辆传感器+智驾算法来落地的，其中智驾算法又基本都是基于大模型的BEV+Transformer或更为先进的Occupancy+Transformer

简单介绍下Occupancy+Transformer的原理，Occupancy其实就是occupancy networks占用神经网络算法，其本质是将世界划分为一个个的单元网格，然后利用传感器回来的信息，定义和预测这些单元网格哪些被占用、哪些是空闲的，从而控制车辆始终行驶在空闲的单元网格中

占用网络的算法核心就像它自身的名字一样，是为了计算物理占用体积而不是真实形状

将世界划分为一个个网格，如果传感器识别到一辆卡车，则将其放置在一各7*3的矩形的坐标里，识别到一个人，则将其放到1*1的网格里，区别在于最初的BEV只是二维网格，而Occupancy则加上了高度信息，成为三维网格

occupancy networks是将世界划分为微小（或超微小）的立方体或体素，来预测每个体素是空闲 还是被占用

一个完整的Occupancy+Transformer原理：

• 传感器（摄像头、雷达等）获取信息

• 信息被发送到计算中心

• 计算中心使用键、值和固定查询（汽车与非汽车、公共汽车与非公共汽车、交通标志与非交通标志等）来生成占用特征量

• 跟进向量产生一个占用特征体积，然后将其与之前的体积（t-1、t-2 等）融合，以获得4D占用网格

• 使用算法输出两个量值：Occupancy Volume和Occupancy Flow，其中Occupancy Volume定义长宽高维度，Occupancy Flow定义时间维度

Occupancy+Transformer算法通过100FPS的速度，每10ms运算一次周围环境的网格占用体积，并给出预测，所以它的附带时间的三维效果图是下面这样的：

Occupancy Flow通过颜色显示每个对象的运行方向：向前—红色， 向后—蓝色，静止—灰色等等

目前使用BEV+Transformer的厂商，小鹏、蔚来、理想、毫末智行、智己等

提供Occupancy+Transformer的厂商主要是特斯拉和华为

至于安全性，目前各家智能驾驶更加放心的还是高速领航和通勤线路自动驾驶，城市领航辅助，还在试点和小范围推广阶段，但相信随着大模型算法的训练数据越来越多，安全性也是会逐渐过渡到一个相对值得信赖的程度的