苹果|超级重磅——小米自动驾驶技术研判（2022年8月）( 三 ) iOS|VR|手机行业

后来发现不是，是检测到左前方的粉色电动车，必须避让，安全性的预判算法写的真不戳。

CNOA状态结论
小米测试车的CNOA总体看起来比较顺滑，是典型的城区高精地图强依赖路线，而且因为传感器全部放在车顶，所以感知条件非常优越。

能做到这个水平的厂商很多， ROBO Taxi （就是那些所谓的“L4自动驾驶创业公司”）一抓一大把。

小米比较优秀的地方在于：他们时间很紧， 500天以内拿出来这一套东西来。

感知、决策、控制算法看起来成熟度还行，能跑到这个程度，值得肯定了。

小米的挑战在于：工程化量产的过程中，传感器特别是激光雷达，必然与整车设计高度融合，因而感知空间会大大受限。

Lidar会从现在的360度无死角，变成只能最多只能看到前半球270度（1前2侧布局），甚至不到180度（车顶前向单Lidar布局）；所以对环绕视觉的感知算法提出了非常严苛的要求，期待小米量产车给一个满意的答案。
AVP自动泊车研判

第二部分是AVP无人泊车，即如图所示——站在车库门口点下手机，汽车自动泊入预定车位。

因为车库环境较为简单，且时速较低，所以这辆测试车干脆以无人驾驶形态往前开。

自动下陡坡我还觉得挺惊艳的，感知系统这么强？
不过看第二张图， emmm ，还是预先建图的——就是说车里已经有车库的高精地图了，难度要低不少。

这张图会更明显一点，车辆还完全下坡，左边还有遮挡，车库的可视化效果已经出来了（右下角）。

不过感知系统写的还行，识别车辆的速度挺快。

这张会更明显：出库车辆越线就识别到了，还有两个空车位也准确识别；就算有高精地图加持，感知系统不行那也是白搭。

90°急弯，方向盘拉出了一个巨大的角度，控制算法挺给力；但是毕竟试验车，量产车的情况无法从视频推断。

绕行雪糕筒， AVP基操

倒车入库，基操

机械臂自动充电，想得很好，实践非常困难：汽车的充电口位置不统一，前后左右都有分布，光是机器人跑来跑去的算法就够你喝一壶的。

而且很多车的充电口盖并非电动弹出，你要怎么打开呢？就算是能电动弹出的，你又怎么激活弹出程序呢？

更何况国标充电口标准写的非常哈批，水平低下，锁止机构异常导致充电枪锁死那都是基操勿六；万一锁死，还得车主大费周折紧急解锁，甚至还解不下来...

总之，如果想用机械臂形式做第三方公共自动充电，不太现实，长期来看这还是个非常重人工的活。

不过如果是富B装自己家用，那当我没说，现阶段插拔充电枪确实不够优雅...有机器人代劳会好很多。

AVP状态结论

相比CNOA状态，自动泊车的AVP状态惊喜较少；主要是你们提前建图了喂，没看到实时感知算法有太大的发挥空间。

最后总结

小米展示的8分钟视频，完整的展示了工程改装测试车的状态，也是涵盖了目前辅助驾驶最大的3个场景碎片——“城区-高速（环路）-车库” 。

如我之前所说，想从这个状态推断量产车非常困难；小米最大的目的，应该还是建立下公众信心，表达自己有意愿、也有能力站在高阶辅助驾驶第一梯队。