無人車感應器全部「失效」，還能暢行城市道路，背後黑科技火出海外

本文經AI新媒體量子位元（公眾號ID:QbitAI）授權轉載，轉載請聯絡來源。

「馬斯克，你相信V2X AI能讓自動駕駛更容易落地嗎？」

這兩天，海外許多科技知名UP主，如Karl Conrad、Dom Esposito、Shane starnes 、Jonathan Casey，不斷在一則自動駕駛路側技術影片下@馬斯克、waymo、cruise等一眾科技大佬和知名企業。

影片中，自動駕駛車輛全程無接管應對開放市區的複雜道路，但這不並是讓大家驚詬的點。真正不可思議的是，影片中的車輛，完完全全遮擋了所有的車載感應器。這意味著，這輛智慧汽車，幾乎變成了一個看不見的「盲人」。

要知道，僅透過路側智慧型裝置實現城市開放道路的L4級自動駕駛，這很可能是全球首次！

整個自動駕駛過程由蘑菇AI數位道路基地台2.0（Mogo AI Station 2.0）完成感知、計算、通訊，並下發紅綠燈燈態、行人預警、路面狀況預警、前車煞車預警等訊息給車輛，幫助智慧汽車安全實現路權賽局、加速、超車、自主變換車道等高難動作。

這樣的能力讓這些海外科技KOL紛紛轉發，還驚呼：

中國數位道路技術已經站在前沿，很有可能製定行業標準。
來自中國的蘑菇車聯透過「AI V2X基礎設施」讓自動駕駛汽車走進現實。
太酷了！在有V2X基礎設施的城市中，自動駕駛車輛將更有可能大規模落地！

國際知名科技媒體TechMediaToday和TGDaily也於當地時間3月27日、28日分別通報了這起事件。

有大量年輕讀者的新興科技新聞網站TechMediaToday在報導中指出：「蘑菇車聯只是中國科技企業的縮影。中國的自動駕駛技術正在以一個不可思議的速度成長。」

成立於1998年的全球知名科技媒體TGDaily報道：「中國的蘑菇車聯將「車—路—雲」交通參與要素有機地聯繫在一起，為智慧網聯汽車提供更全面的交通信息，提高了自動駕駛的安全性。」

展現出了什麼樣的能力？

影片中，車輛在遮蔽車端全部感測器的情況下，安全完成城市開放道路L4等級自動駕駛任務。途徑多個複雜場景路段，車輛都能應付自如。

例如在路口，蘑菇AI數位基地台會提前將紅綠燈情況下發到車輛。

如果是「傳統」自動駕駛車輛，這個過程涉及到車端攝影機捕捉影像數據，再由演算法進行識別。

但這次的自動駕駛汽車攝影機已經被遮擋，所以是透過路側智慧型裝置將紅綠燈結果傳輸到自動駕駛汽車上，來實現紅綠燈的識別和應對的。

再例如，面對橫穿馬路的行人，車輛會提前主動採取避讓動作：

#對於以往的ADAS，除了攝影機捕捉的影像數據，對於這種突然出現的障礙目標，通常還需要光達的數據作為系統互相驗證的冗餘保障。

但這次連車上的光達也被遮蔽起來。

讓ADAS“致盲”，還拿掉了他手裡的“導盲拐杖”，全部靠路側設備為車輛輸入決策依據的數據。

路上的即時路況包括動態目標的車、人，基礎設施層面的交通標誌、號誌燈，以及路面突發狀況事故、施工等等，都由安裝在路端的AI數位道路基地台基於先進的人工智慧演算法，即時感知、識別、計算，然後發送到車端。

也就是說，除了採取“避讓”，這套系統還能完成更進階的自動駕駛動作。

例如面對低速車，路側智慧基地台會提供相關決策數據，幫助本車進行主動的變換車道超車：

還有路口無保護轉向：

沒有任何車端感測器的主動輸入，但從交通資料的獲取量和AI演算法的算力需求滿足來看，影片中的路側技術在安全層面提供更遠、更多、更豐富、更及時的數據，以及安全的雙重冗餘。

透過雲端系統從全域入手調控某一區域路段的交通流，還能最大程度提升通行效率，減少意外事故發生。

這也是為何這條不依賴車端感應器、只使用路側技術實現自動駕駛的影片在海外火熱出圈的原因。

一反傳統自動駕駛技術路線，效果驚豔的背後，還有更多維度值得去比較探討。

這是什麼樣的系統？

震撼外國科技圈的這段視頻，來自蘑菇車聯，一家主打車路雲一體化的國內自動駕科技公司。

他們這套軟硬體一體的標準化產品叫做蘑菇AI數位道路基地台2.0，是道路數位化的基礎設施，可大規模、快速部署在城市道路、高速公路、景區園區等。

△ 城市場景

△ 高速場景

################################################################。 ##△######### 景區道路############ 影片中6分鐘的實測路段，位於湖南衡陽市主幹道，橫跨市中心。蘑菇車聯在這裡建設升級了一條38公里的數位道路，大規模部署了其自主研發的AI數位道路基地台。 ######蘑菇車聯的AI數位道路基地台，其實是一個軟硬體一體的產品，它包含邊緣運算組件（MEC）和車路協同通訊單元（RSU），和多種感測器組件，並在MEC上運作自主研發的智路系統，實現多模態感知融合與V2X運算引擎。 ######可以每隔數百公尺部署在道路的交通號誌桿、龍門架等基礎設施上，形成連續、無盲區的感知覆蓋，提供道路沿線連續的車路協同網路覆蓋。 ######直覺的理解，就是透過基地台部署的感測器獲取道路即時狀態，然後透過邊緣運算設備進行計算，再透過高效能通訊模組「告訴」車輛，由自動駕駛汽車執行具體動作。 ######相較於純靠車端感測器所收集到的路面信息，佈設在道路兩側的蘑菇AI數位道路基地台視野更廣，距離更遠。甚至預報數公里外的交通狀況。尤其是避免如「鬼探頭」這樣的意外。 ###

目前，衡陽38公里的數位道路，日均可處理資料流46.2TB，分析感知資料18.5億幀，辨識交通參與對象196.4萬個次，下發燈態資訊2592萬次，計算V2X事件23.7億次，車路協同互動2737萬次。每天約有5000輛智慧網聯汽車與蘑菇AI數位道路基地台2.0（Mogo AI Station2.0）完成互動。

其次，蘑菇數位道路基地台還具有超強的資料處理能力和超低全鏈路延遲。 38公里全程合計算力超過1萬TFlops，是單車算力無法企及的。同時基於車路雲一體化系統的演算法，能幫助自動駕駛終端做到及時快速的決策，系統的反應速度可到達100毫秒以內，比人類反應快3倍。

此數位道路基地台除了可支援L4等級自動駕駛，同時也能資料賦能區域內其他L1-L3的車輛。而且不光是乘用車，理論上一切接入系統的商用車、低速無人車等都能獲得基地台的強大數據支援與服務。

隨著數位道路建設加速，數位基地台所獲得的數據將指數倍增長，並能反哺AI演算法，讓系統更加智能，最終從整體上減少交通事故、改善交通狀況。

蘑菇車聯的這種做法有點像chatGPT，它們都是從底層解決問題。自動駕駛和很多技術一樣，之前多年之所以表現的不好，還是在演算法趨同的大背景下，能夠獲得的數據不夠多、算力不夠強。

蘑菇車聯的數位道路基地台從系統的角度，根本性地解決數據（「上帝」視角、超視距、全面資訊無死角）和算力（邊緣運算、車端運算、雲計算多重疊加，將構成史無前例的超級電腦）的問題。大量基地台7*24小時的產生大量數據，幫助自動駕駛大模型實現突飛猛進的迭代和進化，可能會對自動駕駛技術發展帶來想像不到的變革。

中國幹出自動駕駛的另一種可能

這段影片之所以引起熱議，除了蘑菇車聯本身的技術積累，拿出了足夠「黑科技」的路側產品，還有一個原因是這種自動駕駛技術路線，也幾乎只有在中國才能實現，這讓不少海外同行非常羨慕。

蘑菇車聯這樣的系統一旦建成，不分車輛、不挑路段，幾乎全方位提供L1-L4各種不同車輛所需的自動駕駛基礎服務。

這樣的V2X規模化落地，目前也只有中國數位化道路的基礎建設夠完善、市場夠大，政策夠積極，也就是說比起國外落地更有優勢。

蘑菇車聯在路側能力視頻發布後，還發布了一個單車自動駕駛視頻，同樣實現了城市開放道路上L4級自動駕駛能力。

車端、路端相配合，兩個系統還互為冗餘，這樣就提高了整個自動駕駛的可靠性。

加上背後的雲端平台，就真正實現了國家一直在倡導的「車路雲一體化」。

海外科技圈KOL和媒體們驚嘆於蘑菇車聯的路側技術，一個重要原因是特斯拉為代表的單車智能，經過馬斯克數年佈道，幾乎成為唯一的自動駕駛經典教條。但蘑菇車聯僅用蘑菇AI數位道路基地台實現了城市開放道路L4等級的自動駕駛，向他們展示了一條自動駕駛落地更加穩健可靠、社會整體經濟效益更好的可能性道路。

而且他們紛紛@馬斯克和cruise、waymo這些科技企業，其實還有一句沒有明示的潛台詞——

#這樣的方法，海外可能做不到。

以上是無人車感應器全部「失效」，還能暢行城市道路，背後黑科技火出海外的詳細內容。更多資訊請關注PHP中文網其他相關文章！