日产汽车升级智能驾驶技术， ProPILOT给行业哪些启示？

近年来，自动驾驶技术在全球范围内迅速发展，成为汽车行业的热点领域。许多汽车制造商和科技公司纷纷加大在自动驾驶技术的研发投入，以提升其市场竞争力。作为全球知名的汽车制造商，日产汽车一直致力于自动驾驶技术的研发和应用，致力于为消费者提供更加安全、便捷、智能的出行体验。

升级智能驾驶技术

上半年，日产汽车宣布将于2027财年起为量产车型配备新一代ProPILOT智能驾驶技术，进行革命性的提升，在智能驾驶领域再次引发轰动。作为这项前沿技术的核心，日产将整合自主研发的“道路实况感知”技术，并与新兴的英国自动驾驶AI公司Wayve展开深度合作，导入Wayve AI Driver软件。

图1.ProPILOT结构示意图

更为先进的是，新一代ProPILOT借助激光雷达的精确数据支持，具有更远距离、更高精度的环境感知能力，可以在复杂的环境中做出及时反‌应和精准判断。激光雷达通过发射激光束并测量反射光的时间差，能够生成车辆周围环境的三维地图，为自动驾驶系统提供更详细、更准确的环境信息。

新一代ProPILOT还将结合高清摄像头和毫米波雷达，进一步提升对周围环境的感知能力，确保车辆在各种路况下的安全行驶‌。下一代ProPILOT系统虽然在SAE自动驾驶等级中仍属于L2级，即需要驾驶员保持对车辆行驶的主动监控，但其智能决策和避障能力将进一步提升驾驶安全性和舒适性‌。

日产汽车在智能驾驶技术的研发上从未停歇，ProPILOT的发展可以追溯到多个关键节点和技术革新。从早期的第一代到第二代，每一次技术的迭代升级，都是日产汽车对智能驾驶技术不断探索和创新的成果。这些技术不仅帮助驾驶者减轻了交通拥堵和长途驾驶的负担，更为驾乘者和相关参与者提供了全方位的道路安全辅助，让出行变得更加安心、愉悦。

2016年7月，日产汽车推出第一代ProPILOT，主要适用于高速公路驾驶，帮助驾驶员在长途驾驶中减轻疲劳。可在单车道内实现自动加速、制动、转向，但在系统激活时，驾驶员必须将手放在方向盘上，随时准备接管车辆。2019年5月，日产汽车发布了第二代ProPILOT，主要应用于高速公路和城市快速路的自动驾驶辅助，提供更加便捷和安全的驾驶体验。

在单车道巡航时，允许驾驶员双手脱离方向盘，系统会自动控制车辆在车道内行驶‌‌；当车道前方有慢车阻挡时，系统会在驾驶环境许可的情况下自动超车，并在超越后回到原车道‌；按照导航线路自动驶离高速公路，无需驾驶员操作‌；在0-144km/h的车速范围内，系统会自动调整速度并与前车保持安全距离，支持自动跟车和刹车。   

开发“道路实况感知”技术

日产汽车自主研发的“道路实况感知”技术是一种融合了激光雷达、雷达和摄像头等多种传感器信息的感知技术，旨在通过多种传感器融合感知路线来实现实时、准确地探测目标物的形状和距离，以及车辆周边区域的空间结构‌‌。该技术利用这些信息瞬间分析当前状况并进行判断，自动执行避免碰撞的操作，同时还能探测到远处的减速车流和道路障碍，自动进行车道变更。对于移动的车辆来说，感知范围、距离、时效性越高，相对应安全性就越好。

图2.日产自主研发的“道路实况感知”技术是一种融合了激光雷达、雷达和摄像头等多种传感器信息的感知技术

“道路实况感知”技术能够在复杂场景下提供可靠的感知支持，进一步提升车辆对周围环境的感知能力，使智能驾驶更加精准、可靠。日产汽车计划将该技术应用于全部新车型，预计到2030财年实现全面覆盖。

传感器融合技术‌是“道路实况感知”技术的核心之一，它通过融合激光雷达、毫米波雷达和摄像头的数据，提供更全面和准确的感知能力。安装在车顶的新一代激光雷达水平视场角120度，垂直视角大于25度，角度分辨率的精准率达到0.05度以下，能够提供高精度的三维空间信息。最大的亮点是能够在时速130公里的情况下探测到300米其外的静止车辆和物体，相当于现有激光雷达探测距离的2倍，能有效降低事故的发生。与日产汽车合作下一代激光雷达的企业是这一领域排名靠前的Luminar，在验证技术中则与模拟仿真技术的Applied Intuition合作。

毫米波雷达在恶劣天气下依然能够正常工作，通过发射和接收毫米波来检测周围物体，提供距离、速度和角度信息，帮助车辆避免碰撞和自适应巡航。摄像头通过深度学习算法对图像进行分析，识别车道线、交通标志和行人等，提供丰富的视觉信息，帮助车辆理解交通环境和做出相应决策‌。

“道路实况感知”技术的算法是日产汽车独自开发的，有如下主要步骤——

● 数据采集‌：通过激光雷达、毫米波雷达和摄像头等传感器收集周围环境的数据；
● 数据融合‌：将不同传感器的数据进行融合处理，消除冗余和误差，提高数据的准确性和可靠性；
● 环境建模‌：基于融合后的数据，建立周围环境的三维模型，确定目标物的位置、形状和距离等信息；
● 决策制定‌：根据环境模型和预设的规则，制定相应的驾驶决策，如避让障碍物、车道变更等；
● 执行操作‌：通过车辆的控制系统执行决策，实现自动驾驶或辅助驾驶功能‌。

图3.安装在车顶的激光雷达

在整个过程中，激光雷达对周围环境的“绘图”能力功不可没，也符合激光雷达放在车顶“站得高看得远”的优势。相比系统将判断出的危险情况告知驾驶员，再由驾驶员思考并控制车辆，在“道路实况感知”技术的加持下，日产未来的驾驶辅助系统跳过了“中间商”，缩短了从发现到规避危险所用的时间，也减少了因驾驶员对紧急情况的处理不当造成事故的几率，提升了行车安全性。同时还考虑到了缺少高精地图数据时，系统自行判断、决策与执行的能力，仍然能为驾驶员提供强有力的辅助驾驶支持，从而提升自动驾驶系统的安全性和可靠性‌。

导入Wayve AI Driver软件‌

Wayve AI Driver基于Wayve嵌入式AI基础模型开发，“旨在以类似人类的决策方式应对高度复杂的现实世界路况，处理高度复杂的现实世界驾驶条件”。作为一种大规模的端到端AI模型，Wayve AI Driver能够高效、快速地从海量数据中学习，仅用一天时间训练即可应对复杂城市驾驶场景。

图4.Wayve AI Driver是一种大规模的端到端AI模型

Wayve AI Driver在伦敦等城市进行路测，重点解决狭窄街道、行人密集区域等场景的自动驾驶难题，展示了对突发障碍物的快速反应能力。与多家物流企业合作开发自动驾驶货车，用于“最后一公里”配送，通过仿真环境加速训练效率，降低实际路测成本。

相比传统方案，Wayve AI Driver具备更强的泛化能力。泛化能力是指模型在原有的数据集上训练后，当添加新的、与训练数据处于同一分布的数据集时，模型能够通过训练输出一个合理的结果。学习的目的是学到隐含在数据背后的规律，使得对于具有同一规律但不在训练集中的数据，模型也能给出合适的输出。例如，在遇到未训练过的障碍物时，可通过类比学习调整行为策略，而无需重新编码规则。

Wayve团队提出“强化学习+仿真”的混合训练模式，利用虚拟环境生成数百万种极端场景数据，提升模型鲁棒性。鲁棒性指增强模型在面对异常数据或噪声数据时仍能保持稳定和可靠的性能，是衡量模型在各种不利条件下表现稳定性的重要指标，在数据科学和机器学习领域中尤为重要。

Wayve AI Driver能够从海量数据中快速学习，高效地从数据中汲取经验。这使得它在各种复杂的交通状况和突发情况表现出色，能够在未来的市场竞争中保持竞争力，‌确保日产汽车在未来持续保持优势‌。该软件的智能水平堪比人类驾驶员，可以在高速公路和城市道路中实现自动驾驶。在处理复杂的交通状况时表现出与人类驾驶员相似的处理能力‌，甚至解决前所未有的驾驶难题‌。该软件在防碰撞性能方面表现出色，能够显著提升车辆的数据学习效率和安全性，为智能驾驶技术设立新的安全标准。‌

Wayve AI Driver不依赖于特定的传感器或高清地图，可以与现有的摄像头和雷达等传感器配合使用，这使得其在不同车辆和平台上具有更好的兼容性和适应性‌。该软件可以在任何现有的GPU上运行，这意味着运行成本低廉，适用于高级驾驶辅助系统、自动驾驶出租车甚至机器人技术‌。

英国自动驾驶AI公司之所以会被日产汽车寄予厚望，关键就在于它在欧洲人工智能初创公司中融资额最高，在由软银集团领投的一轮融资中获得了10亿美元。除了软银，Wayve的支持者还包括英伟达、微软和优步。这家初创公司已使用福特野马Mach-E和捷豹I-Pace电动运动型多用途车（SUV）测试了其软件，在英国、美国和德国进行了行驶。Wayve正与优步合作，致力于最终在优步平台上部署全自动驾驶汽车。在今年英伟达GTC大会上，Wayve首席执行官亚历克斯·肯德尔还上台发布演说，强调他们的这套自驾软件，可以用低廉成本，运用在辅助驾驶、无人出租车和人形机器人身上，期望值拉得相当高。

对于Wayve AI Driver来说，当前的主要挑战包括数据采集成本、长尾场景覆盖不足，以及交通法规适应性等问题。长尾场景覆盖不足指生成式AI模型在处理那些罕见或特殊场景时，由于数据分布不均、模型容量限制等原因，无法有效地识别和处理这些场景，导致模型在这些场景中的表现不佳。Wayve正探索联邦学习技术，通过多车企数据共享提升模型性能，同时推动政策层面对AI驾驶系统的认证标准制定。未来可能向机器人领域扩展技术应用，如仓储机器人导航等。

（编译自cleantechnica.com,April 9,2025）

来源：荣格-《国际汽车设计及制造》

原创声明：
本站所有原创内容未经允许，禁止任何网站、微信公众号等平台等机构转载、摘抄，否则荣格工业传媒保留追责权利。任何此前未经允许，已经转载本站原创文章的平台，请立即删除相关文章。