中国汽车三十人智库|深度｜L3级自动驾驶先行者失落记( 三 ) 本代A8彻底告别L3级自动驾驶

虽然该级自动驾驶可以通过雷达，无视天气条件和光照强度识别多达32个物体，但是一般不超过300米的雷达测距使得监测邻车道颇为困难。高速场景下的测距至少需要500米以上。此外，普通测距雷达也无法完成交通信号灯、交通标识、车道标线等图像识别。
安装前视摄像头，以通过内置静态图像处理算法完成二维图像识别则是升级为L2级自动驾驶的技术关键。因此车道保持系统和自适应预判巡航，以及配合超声波传感器完成的自动泊车系统都属于L2级自动驾驶特点。值得注意的是，该级自动驾驶中图像处理算法一般无法计算出目标距离，也无需通过图像对目标进行预判，因此人工智能算法在L2级自动驾驶中并不重要。
真正摸到自动驾驶门槛的L3级自动驾驶则还需激光雷达、全景摄像头、人工智能算法三大基石。其中全景摄像头提供的三维图像加上激光雷达的精确测距使得区别静态和动态物体，以及预判物体运动轨迹使得人工智能算法变得不可或缺。也正因为人工智能算法的引入， L3级自动驾驶第一次抛出了机器是否应当做决策的难题。
一个典型的场景就是，高速上行进的前车试图进入超车道，但因密集的车流处于本车道等待状态，相比于L1级和L2级自动驾驶完全无视该场景， L3级自动驾驶需要通过人工智能判断前车究竟处于等待变道状态或是忘记关闭转向灯。
训练度不足的人工智能算法将在必要性上提醒驾驶者人工介入。而更进一步的L4级自动驾驶虽然可以完全自主决策，但L4级相比于L3级的技术进步仅在于深度学习算法的引入和高精度地图的使用。在硬件上则只需要现有传感器的单纯堆砌。
以在加利福尼亚州收集数据的谷歌Waymo和通用Cruise的L4级自动驾驶测试车为例，其各色传感器虽然数量多达30余个，但是与22个传感器的A8相比并无质的区别。
对于不在乎硬件堆砌、注重算法的科技企业而言， L3级自动驾驶并无意义；而对于不以算法见长的汽车企业来说， L3级和L4级暂时同样遥不可及。因此自动驾驶领域也泾渭分明地分为坚守L2级自动驾驶的传统车企和专攻L4级自动驾驶的科技企业两大阵营。
另一个制约传统车企挑战L3级和L4级自动驾驶的实际困难在于成本。 30个测距雷达、激光雷达和全景摄像头等各色传感器耗资超过10万欧元。即便是对于选配一个轮毂也需要750欧元的A8来说，这也将使得车辆售价翻番。