四维图新王淼：地图服务自动驾驶产业的思考与实践 | 行家说

编者按：3 月 25 日，「行家说 · 云沙龙」第 8 期邀请了四维图新自动驾驶地图产品总监王淼分享《地图服务自动驾驶产业的思考与实践》。

「行家说 · 云沙龙」由汽车之心主办，辰韬资本联合主办。汽车之心致力于推动汽车与科技的融合。辰韬智驾基金专注智能驾驶创业投资，为智能驾驶创业者赋能。

本文来自王淼分享的部分内容节选。欢迎扫描下方二维码观看完整视频分享。

核心观点：

1. 物理的传感器都有物理局限性，但是地图可以通过另一个时空的专业采集行为、专业计算能力，对单车智能的算力、感知能力进行提升，同时地图本身通过多元的数据聚合与计算，将后台的能力去赋予单车。

2. 自动驾驶地图不是一个单一的产品或者服务，我们认为自动驾驶的地图服务，其实是面向多维度的服务能力。

3. 第三方回传的数据，不单可以服务于地图。获得优质的传感器数据，要去像加工原油一样，产生出各种各样的产品。除了地图维护，还可以进行系统返回进化、传感器诊断与修正、个性化、精细环境信息等。

4. 地图如何让自动驾驶更安全：

（1）专业级的测绘能力，精度足够高，定位准确；

（2）自动化，让地图的表现总是可复制的；

（3） 鲜度一定要高；

（4）可信任。

1.四维切入自动驾驶的初心

四维图新切入自动驾驶产业的初心是希望通过专业、精准的测绘能力，通过虚拟传感器的方式，通过地图这样在线服务产品，去提高单车智能的感知范围和可靠性。

物理的传感器都有物理局限性，但是地图可以通过另一个时空的专业采集行为、专业计算能力，对单车智能的算力、感知能力进行提升，同时地图本身通过多元的数据聚合与计算，将后台的能力去赋予单车。地图对自动驾驶有独特意义。

举个例子，自动驾驶感知能力在很多场景下，现有量产的传感器还有些局限，像比较复杂的红绿灯条件，高架桥这样复杂的遮挡场景等。

2.自动驾驶对地图的多样化需求

Waymo：Robotaxi 对地图还是重度依赖的，它的地图更加广义一些，包含了点云、矢量、规则、以及概率图层，比如说（某个地方）是不是会有停车的概率，同时它的地图也采取了运营和测绘一体的行为，保持高频的更新。

日产 ProPILOT：去年上线的 L3 级自动驾驶功能，传统车厂注重安全。HD Map（日本高精度厘米级地图）+Mobileye REM，而且是一个双向备份冗余的系统，不过分依赖一个单独的东西。

Mobileye 的解决方案：强调视觉，用 UGC 数据回传种很轻量的方式，去支撑 L2、L2+级别的应用。

更轻量级的解决方案：博世的 Road Signature、TomTom 的 RoadDNA，更多希望用一些比较偏向传感器的特征。对于特征的建立非常方便也非常快，避免了很重的成图过程，更新也非常快。

特斯拉：特斯拉自动驾驶非常依赖芯片，特斯拉 FSD 芯片和 Mobileye 的 EyeQ 系列、英伟达的 Xavier 差别很大，主要依靠深度学习。

3.地图如何让自动驾驶更安全

四维图新认为自动驾驶地图不是一个单一的产品或者服务，我们认为自动驾驶的地图服务，其实是面向多维度的服务能力。

四维图新去年已经完成了国内全国高速，包括城市快速路的覆盖，总里程 30 万公里以上。目前我们对自动驾驶的地图服务提供了一个产品矩阵，包括地图内容、地图场景、分发、服务等。

地图如何让自动驾驶更安全，我们认为有 4 个方面：

1. 专业级的测绘能力，精度足够高，定位准确；

2. 自动化，让地图的表现总是可复制的；

3. 鲜度一定要高；

4. 可信任。

四维图新在这四个方面都做了大量的探索。比如在测绘方面，四维图新起初就是一家测绘公司，我们通过专业级的测绘能力，采用非常经典的、高度工业化、非常传统的方式，去保证精度。

整套采集车都是四维图新自己研发并同步开发的，我们用的不是最高端的传感器，但是能做到精度上能达到非常好。比如我们的车用 32 线的激光雷达，但是技术人员对它做了非常好的标定，能够把精度提升大概 30%。

此外，我们也利用了自己的各种外采集人员，在全国范围去进行各种现场的测定。我们其实采用了国家 GPS、C 级网、D 级网去联测的方式，保证我们在评测的一些环境中达到国家级的精度。

4.在线更新问题和探索

实时在线更新是一个听起来挺美好的东西，但是实际上存在很多的问题，比如质量不均、冗余量大、冷热不均。

我们经过多年与合作伙伴共同探索，从持续的上传、被动接收、实时处理的方式，改进到了主动任务式的管理、按需上传、实时处理的方式。

做在线更新，其实不仅是为了做地图，更重要的是拿到了那么多好的传感器数据，我们要去像加工原油一样，产生出各种各样的产品，除了地图维护，还可以进行系统返回进化、传感器诊断与修正、个性化、精细环境信息等。

5.四维图新的自动驾驶实践

四维图新主打的产品是地图，但是最终的战略目标还是要去服务客户的智能出行。对做自动驾驶地图本身来讲，我们公司做了一个整体的闭环。

在做地图的同时，我们也在开发自动驾驶系统和仿真平台，以及高精度定位，我们的自动驾驶系统去年得到了北京市的 T3 测试牌照。

除了提供地图服务本身以外，我们也在提供完备的自动驾驶模拟仿真平台能力和商用分析平台能力。

在数据方面，我们也构建了自动驾驶场景库，对场景进行管理。我们也非常希望把标注的能力开放出来，让大家在我们的平台上继续训练自动驾驶系统。

未来，畅想更加高级的自动驾驶，一定需要一个更完美的地图。我们认为未来单车智能会过渡到协同智能，但是单车智能、车路协同，一定要有一个非常协调的、统一的地图框架。

因此，高精度地图是未来协同智能的基础设施。