实时感知能否撑起L4级自动驾驶？

本文首发于智驾最前沿微信公众号，高精地图曾经被认为是自动驾驶的重要基础设施。

但随着感知、计算和算法能力不断提升，车辆正在越来越依赖自身实时获取和理解道路环境的能力。

施工路段、临时封路、锥桶、掉落物以及突然出现的行人和车辆，这些动态变化很难依靠提前制作的地图完整覆盖。

相比之下，实时感知可以直接告诉车辆眼前正在发生什么。

但这也引出了一个问题，如果车辆已经能够实时理解道路环境，高精地图是否还那么重要？实时感知，又能不能进一步撑起L4？

01

实时感知到底强在哪里？

传统高精地图可以给车辆提供一份经过提前采集和处理的环境先验。

道路中心线、车道几何、交通标志、路口拓扑等相对稳定的信息，可以提前写入地图。

车辆行驶过程中，通过定位系统就能确定自己位于地图中的什么位置，再结合实时感知完成驾驶决策。

由于现实道路实时变化，这种方式并不永远可靠。

图片源自：网络

一条道路可能今天正常通行，明天就因为施工增加了隔离栏；一个路口可能长期保持相同结构，但临时施工会改变车道组织；原本不存在的锥桶、落石、故障车辆和行人，也不可能全部提前写进地图。

因此，自动驾驶系统必须具备即使地图没有告诉我发生了什么，我也能够通过车载传感器及时发现它的能力。

这就是实时感知的核心价值。

实时感知并不只是摄像头每秒拍多少帧这么简单。

真正的实时感知，需要把摄像头、激光雷达、毫米波雷达等传感器产生的数据，在很低的时延内转化为车辆可以使用的环境信息。

其中要包括目标的位置、速度、运动状态、道路结构、交通参与者行为以及环境变化等。

随着自动驾驶技术发展，现代自动驾驶感知已经不再满足于简单的目标检测。

系统不仅需要知道这里有一辆车，还需要持续跟踪这辆车的运动状态，判断它是否正在变道、是否可能突然切入本车道；

不仅需要识别前方有一个锥桶，还需要判断它是否意味着道路发生了变化。

这也是为什么今天的自动驾驶感知越来越强调时序信息、场景理解和预测能力。

车辆看到的并不是一张张互相独立的图片，而是一个持续变化的三维动态环境。

从这个角度看，实时感知确实正在削弱高精地图过去承担的一部分任务。

尤其是在道路动态信息中，车辆自身的实时感知天然比静态地图更有优势。

但这里必须注意一个容易被忽略的区别。

实时感知能够发现地图没有记录的变化，并不意味着它能够完全替代地图。

02

地图因此就不重要了吗？

高精地图和实时感知实际上解决的是两个不同的问题。

地图更擅长描述相对稳定的道路先验，例如道路拓扑、车道连接关系和固定交通设施；实时感知则更擅长描述车辆此刻真正面对的环境。

如果把两者简单理解成谁替代谁，很容易走向两个极端。

一种观点认为高精地图最终会消失，所有信息都应该由车辆实时感知；另一种观点则认为L4必须依赖地图。

实际上，L4并没有规定必须采用哪一种技术路线。

SAE J3016定义的是自动化系统在特定ODD内承担动态驾驶任务的能力，而不是规定系统必须使用高精地图、激光雷达或者某一种感知算法。

智驾最前沿以为，更合理的方向可能是实时感知负责动态世界，地图或其他先验信息负责稳定世界，两者共同构成车辆对环境的认知。

例如，车辆知道前方道路大概率存在一个十字路口，这是先验信息；但实际进入路口后，发现其中一条车道正在施工，则必须以实时感知到的道路状态为准。

再比如，一条道路的车道拓扑短时间内不会发生变化，但临时交通管制、施工区域和交通参与者的运动状态却随时可能改变。

图片源自：网络

地图提供的是应该是什么样，实时感知提供的是现在是什么样。

真正的问题其实是当两者发生冲突时，系统必须能够判断谁更可信。

这实际是上将自动驾驶的技术重点从有没有地图进一步推向了如何构建一个持续更新的环境模型。

这也是近年来占用网络、时序感知、世界模型等技术受到关注的重要原因之一。

它们试图让车辆不再只是输出一系列孤立的目标框，而是持续维护一个能够表达空间结构、动态目标和环境变化的内部世界表示。

但即使做到这一步，实时感知依然无法独立撑起L4。

因为感知回答的是环境是什么，而自动驾驶还必须回答接下来应该怎么做。

03

什么才是L4真正的命门？

假设一辆L4车辆通过实时感知发现前方道路突然出现施工区域。

感知系统可以识别施工区域的位置，也可以判断锥桶、车辆和行人的位置；但接下来车辆应该减速、变道、绕行还是停车，并不是感知系统单独能够决定的。

系统还需要预测其他交通参与者可能采取什么动作，需要规划自己的行驶轨迹，需要考虑车辆动力学和安全约束，最后再通过控制系统把决策真正执行出来。

如果施工区域导致原有道路结构发生变化，系统甚至还需要重新建立局部道路拓扑，判断哪些空间可以通行。

这意味着，实时感知只是L4闭环中的一个关键环节，而不是整个L4。

而且，L4比L2最大的不同之一，还在于系统不能把关键风险最终交给驾驶员兜底。

SAE对L4的定义强调，在规定ODD内，自动驾驶系统承担动态驾驶任务；当系统出现故障或者超出设计运行范围时，还需要按照系统设计进入相应的最小风险状态。

所以，L4真正考验的是整个系统的可靠性。

实时感知必须足够准确，但还必须考虑传感器遮挡、雨雪、逆光、低照度、脏污以及传感器自身故障；

定位不能只依赖单一来源；感知结果还需要经过时序跟踪和多传感器交叉验证；规划和控制需要能够处理感知不确定性；系统还必须具备故障检测、降级和最小风险状态处理能力。

图片源自：网络

这也是为什么目前真正运行在公开道路上的L4系统，并没有简单押注某一种感知技术。

以Waymo为例，其系统仍然采用摄像头、激光雷达和雷达进行互补式感知，并强调多传感器融合所带来的冗余能力。

因此，如果一定要回答实时感知能否撑起L4的未来，答案应该是实时感知很可能会成为L4不可替代的核心能力，但它本身不足以撑起L4。

未来L4真正需要的是一种以实时环境理解为核心，同时融合地图或其他先验信息、定位、预测、规划、控制以及安全冗余的完整系统。

从这个角度看，高精地图真正面临的变化，也不是简单的被实时感知淘汰，而是它在自动驾驶系统中的角色正在发生变化。

过去，地图承担了大量告诉车辆道路是什么样的工作，而到了2026年，这一趋势正在被推向另一个方向。

已有L4级玩家宣布其无图方案实现规模化量产，系统彻底摒弃了对高精度地图的先验依赖。

这意味着，地图正从自动驾驶的必需品降级为可选项，实时感知和AI决策正在成为L4规模化商业落地的真正基石。

所以，L4的未来很可能不是地图时代或者实时感知时代二选一，而是从静态先验驱动，逐步走向实时感知与先验信息融合驱动。

而真正决定L4能走多远的，也不是车辆看得有多清楚，而是它能不能在看不清、看不全、环境发生变化甚至部分系统出现异常时，依然知道自己能做什么、不能做什么，并稳定地把车辆带到安全状态。

这才是实时感知从一个感知技术走向L4基础能力之后，真正需要解决的问题。