2021 年，我們終於能教自己的車開車了。

要問今年量產車自動駕駛技術的關鍵詞是什麼？答案非記憶泊車莫屬。

就在最近兩個月，威馬 W6 實現了停車場內無人自主學習泊車功能（HAVP），小鵬通過 OTA 更新讓 P7 實現了停車場內記憶泊車（VPA），此外還有一汽紅旗等更多車企釋出或即將推出類似功能。

這類系統簡單來說，就是讓駕駛員在停車場內教一遍車輛如何泊車入庫。學會以後，進入停車場，汽車就會自己開到車位裡，全程不需要駕駛員進行任何操作。

自 2018 年以來，以“單車道居中行使”為核心功能的 L2 自動駕駛開始普及，隨後又陸續增加了自動變道、自動導航輔助駕駛（NOA）等高階功能。

到了 2020 年，隨著奧迪放棄 L3 級自動駕駛技術研發，量產車的自動駕駛能力似乎已經侷限到了 L2 + 變道 + 自動導航輔助的框架之內，業內鮮有新功能推出。

但今年隨著威馬、小鵬先後推出無人自主學習泊車、記憶泊車系統，量產車的自動駕駛系統終於有了新的突破。

一方面，泊車是使用者每天都需要面對的場景，使用率遠高於目前以高速公路為主的 L2 系統，能夠明顯提升使用者體驗。

另一方面，各大車企都在研發面向城市的 L2 自動駕駛系統，或者城市內點到點的 L2 自動駕駛系統。

想要實現點對點，兩頭就是泊車場景。隨著泊車場景的解決，再加上自動等紅燈功能，城市內的連續自動駕駛系統就基本完成。可以說，記憶泊車系統的推出，真正拉開了城市 L2 的大幕。

一場真正能夠改變日常駕駛體驗的自動駕駛變革，即將上演。

那麼目前到底都有哪些記憶泊車類的功能上市了呢？這背後用到了哪些技術？未來又將向著哪些方向發展呢？

泊車技術多年未突破 停車場改造進展緩慢

近幾年，L2 級自動駕駛技術快速普及，極大程度上加快了汽車智慧化發展。

同時，各大車企正加速拓展量產自動駕駛的邊界，例如實現特定場景的 L4 級自動駕駛，或者讓 L2 級自動駕駛的功能不斷豐富，停車場這個有規律可循，還是低速執行的場景自然就成為了優先選擇物件。

2017 年，博世和戴姆勒打造出了全球首個量產的 L4 級無人自主泊車系統，是自動泊車領域的一次重大創新。

當駕駛員開車進入“下車區域”（例如停車場內電梯口），下車即可，車輛會自動駕駛到停車位，並泊車入庫。整個過程不需要安全員，只需要駕駛員在手機上確認即可完成。

不過，博世和戴姆勒合作的這套系統是基於停車場“深度定製”的。

從賓士釋出的視訊中可以看到，停車場內每隔 3 個車位的距離，就安裝了一個鐳射雷達，分佈在車輛行駛道路的左右兩側。這些鐳射雷達用於輔助車輛感知，內建的 Wi-Fi 模組以及停車場專用的 Wi-Fi 裝置能夠與車輛實時通訊。

▲ 停車場承重柱附近安裝有鐳射雷達感測器

顯然，這樣的無人自主泊車方案將有超高的成本，最終這套系統僅在賓士博物館的停車場內上線，基本告別了大規模普及。

不過，即便如此，賓士還是沒有放棄 AVP 的量產。2020 年，賓士還將 AVP 硬體前裝進入了賓士 S 級中。

▲ 賓士 S 級 AVP 功能

賓士的合作方仍然是博世，不過博世已經意識到鐳射雷達的成本實在高昂，全部改成了攝像頭，安裝在停車場頂部。同時，賓士通過和 Apcoa 的合作，還在手機端簡化了支付方式。駕駛員在取車時，就能同時支付停車費用。

▲ 停車場頂部的博世攝像頭

雖然這一 AVP 解決方案將鐳射雷達換成攝像頭大幅降低成本，同時還有實用性的提升。

但是，其本質上沒有改變“依賴停車場改造”和“增加用車成本”的兩大痛點。

或許百萬級賓士 S 級車主不在乎用車成本，但是更廣大的家用車車主就是最關心用車成本的那一批人。同時，即便是百萬級賓士 S 級的車主，也不想等待漫長的停車場改造功能。

針對這兩個使用痛點，自動駕駛行業開始有了新的探索，其中就包括特斯拉的智慧召喚功能。

購買了特斯拉完全自動駕駛能力（FSD）的使用者可以在停車場內開啟智慧召喚功能，車輛可以在無人的狀態下被召喚到車主所在位置。“位置”基於車主手機和車輛的 GPS 定位，執行過程中會用上特斯拉的自動駕駛能力，車輛需要保持在使用者視線內，且車主需要保持按住召喚按鈕，也就是說這套系統本質是 L2 級自動駕駛。

▲ 特斯拉的召喚功能

特斯拉的智慧召喚不依賴停車場改造，在購買 FSD 的基礎上不增加使用者的用車成本。不過，地下停車場沒有 GPS 訊號怎麼辦？答案是沒辦法。

難道停車場的 L2 級自動駕駛就這麼難嗎？有沒有更優秀的解決方案呢？今年，國內的兩家車企給出了更優秀的方案。

量產自動駕駛的重大升級 學習泊車實現量產

今年 4 月，威馬 W6 上市，成為業內首個搭載無人自主學習泊車功能的車企。今年 6 月，小鵬為 P7 車型推送更新，記憶泊車功能正式上線。

這是量產自動駕駛的一次重大升級，意味著量產自動駕駛的邊界正在不斷被拓展。威馬已經具備 L4 級 AVP 的硬體能力，即將在今年年內完全開放，而小鵬 P7 則是距離城市內“點對點”L2 級自動駕駛又近了一步。

顯然，整車企業已經看到，如果依賴停車場改造，覆蓋率可能永遠達不到 100%，並且現階段車輛的自動駕駛能力達不到全場景的 L4 級。

既然車輛自己直接上手不會開，不如讓駕駛員教車輛應該怎麼開。

因此，無論是威馬 W6 的無人自主學習泊車還是小鵬 P7 的記憶泊車，本質上都有三個流程：教學 —— 學習 —— 復現，最終能夠實現停車場場景的 L2 級自動駕駛，期間允許駕駛員脫手或者下車。

1、小鵬 P7 學一次就會，最遠能記一公里

當車輛進入地下停車場，行駛到與車位平層時，在小鵬 P7 車機上的泊車功能模組中，就能讓車輛開啟泊車學習。

此時，駕駛員需要手動駕駛到停車場內的車位，並掛入 P 檔。之後，車機會提醒即將完成學習，只需要駕駛員輕輕一點，整個學習過程就已經完成。

▲ 小鵬 P7

當車輛再次來到與目標車位平層的停車場入口，小鵬 P7 會很貼心地主動提醒，是否需要開始記憶泊車。駕駛員只需要點選確認，記憶泊車就會開始工作。鬆開制動踏板，車輛會按照學習的路線，行駛到上次學習時停入到的車位，全程不需要駕駛員操作。

小鵬 P7 可以學會最多 100 個停車場的泊車路線資訊，每個停車場的最長學習距離達到 1 公里。

2、威馬 W6 允許下車，還會召喚

威馬 W6 的無人自主學習泊車功能實現方式和小鵬 P7 類似，駕駛員首先要在車機上點選泊車按鈕，並在車機螢幕上選擇新增路線。

▲ 威馬 W6

此後，駕駛員需要以不超過 15km/h 的速度完成泊車或出庫動作，車輛會記錄下泊車的路線。學習完成後，車輛會將感知的資料上傳至 Apollo 雲端伺服器，學習完成後，再將資料下載至車輛，上傳、學習、下載的整個過程需要 1～2 分鐘，車裡稍加等待就能完成。

如果沒有網路怎麼辦？威馬 W6 也可以選擇在車端計算，計算時間小於 10 分鐘。

相對於小鵬 P7，威馬 W6 在學習完成後，允許駕駛員提前下車，用手機操控車輛入庫。用手機操控時，需要車主保持按住泊車按鍵，並且車輛始終在駕駛員視線範圍內。如遇緊急情況，鬆開泊車按鍵，車輛就會迅速剎停。

▲ 手機 App 控制車輛自動駛入停車位

目前，威馬 W6 最多可以學習 5 個車位路線，每條路線 100 米。實際體驗中，100 米的學習範圍確實小了一些，車東西更加期待未來即將開放的 200 米長的學習路線。

各路感測器全部用上 應對停車場複雜環境

相比於結構化道路，停車場雖然全程低速執行，但是也有更復雜的環境。交通參與者有車輛、行人，甚至寵物，地下停車場沒有 GPS 訊號，整個建築也並非規則…… 在這樣的環境下，如何完成自動駕駛呢？

實際上，現有的兩款量產車在技術路線上存在著比較大的差異。在感知層面，小鵬更注重視覺感知，威馬還是依賴感測器融合。

1、小鵬用上全部 14 枚攝像頭，毫米波雷達作用被弱化

相比公共道路，地下停車場場景面臨最大的困難就是沒有地圖。因此，必須車輛自己實時建圖，從而理解停車場的構造究竟是怎樣的。

利用視覺感知和實時構建，同時毫米波雷達輔助，小鵬 P7 就能完成對停車場各類場景的判斷。只要是在學習過程中車輛通過的位置，感測器就能記錄下周圍的場景，包括路面、牆壁、車位等關鍵資訊。

據瞭解，小鵬 P7 在記憶泊車過程中，會開啟車身全部攝像頭，包括 10 個高感知攝像頭和 4 個環視攝像頭。這種操作並不常見，因為環視攝像頭在高速場景中作用並不明顯，同時由於供應商的限制，融合二者的感知資料其實並不容易。

▲ 小鵬 P7 感測器配置

此前車東西在採訪小鵬汽車自動駕駛中心高階產品經理孫紅霄時，他表示，環視攝像頭和超聲波雷達的感知距離大約在 6 米左右的範圍。環視攝像頭與高感知攝像頭的配合，二者配合能夠對整個環境進行更精準的建模。

為什麼說毫米波雷達的作用被弱化了呢？孫紅霄說道：“地下停車場是一個封閉環境，毫米波雷達電磁波的反射會非常雜亂，頂棚、承重柱、金屬物體等都會有不同程度的反射。總體來說，毫米波雷達能夠幫助追蹤動態目標，在停車場內對視覺的依賴相當強。”

2、威馬更偏向感測器融合 適用於各種停車場

在感知過程中，威馬 W6 也呼叫了全部感測器，包括 2 個前視攝像頭、4 個環視攝像頭、1 個駕駛行為檢測攝像頭、5 個毫米波雷達和 12 個超聲波雷達。

其中，覆蓋在全車四周的 6 枚攝像頭負責以視覺成像形式，幫助車輛感知路況和周身環境。毫米波雷達和超聲波雷達在雨、霧、雪天氣下表現優秀，露天停車場環境能夠發揮出良好效果。

▲ 威馬 W6 感測器配置

因此，在感知層面，威馬偏向於感測器融合，而非視覺感測器優先。

威馬 W6 在支援停車場種類上也更多，包括地下、露天、停車樓…… 只要你能想到的停車場，威馬應該都支援學習泊車後完成自主泊車的功能。

3D 建模停車場 還會主動避障

車輛看過一遍駕駛員怎麼開到車位上之後，接下來就需要自行學習泊車的過程，並最終能夠自己復現。小鵬和威馬的技術路線仍有所不同，小鵬是邊看邊學，威馬是看完了再學。

總結來看，在學習過程中，車輛面臨最困難的問題是“我在哪”？在復現的過程中，車輛面臨最困難的問題是如何避開隨時可能出現的障礙物。

1、不依賴 GPS，兩種技術路線都能精準定位

在地下停車場，GPS 訊號中斷，車輛不知道自己所在的位置，無法根據位置變化畫出車輛的行駛軌跡。即便在 GPS 訊號良好的地面停車場，GPS 定位 10 米的精度也容易產生偏差，狹窄的停車場行車道內，極容易發生事故。

同時，GPS 的定位可以看作是車輛與地球的相對位置，不過記憶泊車並不需要這個位置資訊，只需要知道當前的位置與起點的相對位置就完全足夠了。

因此，小鵬 P7 通過 IMU 慣性測量單元，精準判斷車身姿態和運動方向，實時確認車輛的位置。最終，車輛能夠畫出一張精準的行車路線圖。

▲ 小鵬 P7 空間定位和記憶泊車

此外，小鵬採用語義地圖和匹配演算法，實現實時釐米級高精度定位。據介紹，語義地圖相當於車輛在感知過程中打下無數個座標形成地圖，並且車輛理解每一個座標代表什麼。每走過一次相同的場景，車輛也會驗證此前的演算法是否正確。也就是說，小鵬 P7 在停車場內走得次數越多，記憶泊車的精度也會越高。

通過這種方式的定位，並不是確定車輛在地球上的某個位置，只需要確定車輛與各個關鍵點的相對位置。因此，完全不需要依賴 GPS 訊號。

威馬 W6 的技術路線略有不同。根據威馬汽車的介紹，威馬 W6 採用了視覺定位的方式完成定位。

威馬究竟如何完成定位的，我們並沒有獲取完整的技術路線。不過，根據視覺定位的原理，我們也能略知一二。

在停車場內，有許多規律可循的場景，例如規則的車位線、停放整齊的車輛，除露天停車場外，還擁有承重柱、牆面等特徵物體。並且，這些物體的意義、位置都是恆定不變的。

▲ 威馬 W6 視覺定位實現自主學習泊車

最終，計算裝置能夠一幀一幀拼接出整個感知過程的語義特徵圖。同時，依靠輪速計推斷車輛位置，最終能夠畫出一張車輛執行的地圖。

值得注意的是，小鵬在“看”的過程中就順便把圖建成了，完全依靠小鵬搭載的英偉達 Xavier 自動駕駛晶片，算力能夠達到 30TOPS。

威馬則是看的時候先記下所有的感知資料，上傳到 Apollo 雲端伺服器，它的雲端算力最高能達到 100 萬 TOPS 級別，為所有威馬 W6 提供雲端算力。如果遇到沒有網路的情況，威馬 W6 能依靠威馬和 Apollo 共同合作開發的 ACU-Advanced 車載計算平臺完成本地計算。

2、自己跑一遍，還能避開隨時出現的障礙物

學習完成後，就需要自己出來跑跑了。

回到起點，點選開始泊車，兩輛車都能開始泊車動作。順利的話，整個駕駛過程和人類駕駛幾乎完全相同。實際體驗中，威馬 W6 同一路線多開兩次，操作會越來越順滑；小鵬 P7 表現始終穩定，嚴格遵循學習路線駕駛。

不過，如果停車場內突然出現了其他車輛、行人，甚至不知道哪來的障礙物，那應該怎麼辦呢？

此時，就要用上車輛自身的避障能力了，這又是一大難點。

如果遇到行人，兩款車都會主動停車禮讓行人，這個習慣好評。

▲ 小鵬 P7 記憶泊車過程主動禮讓行人

如果遇到正在行駛的車輛，此時小鵬 P7 的毫末波雷達終於有用武之地了。毫米波雷達能夠感知前方車輛的速度、加速度，以及與本車的距離，從而判斷等待或者避讓。

在最終泊車階段，也會利用超聲波雷達感知近距離的障礙物。

威馬 W6 則主要依託攝像頭 + 超聲波雷達共同識別的方案進行避障。

▲ 威馬 HAVP 車內視角

據介紹，針對行人、車輛、錐桶等常見障礙物，威馬 W6 會通過視覺方面的特徵識別，車輛即可感知障礙物的存在，並進行避讓；針對箱子、沙石等不常見的障礙物，威馬 W6 依託超聲波雷達，感知障礙物。發現障礙物後，車輛會根據障礙物的當前距離進行決策，並在合適的距離自動剎停、避讓。

結語：學習泊車有更廣闊應用前景

雖然學習泊車是量產自動駕駛技術的一項重大進步，不過目前二者的體驗仍有一定侷限。例如沒有固定車位的情況下這套系統可用性會有所降低，但小鵬會在未來推出非固定車位的記憶泊車，威馬預計在今年年底推出無人高精地圖泊車（PAVP），解決這一痛點。

而面向未來出行場景，學習泊車功能還有更廣闊的應用場景。其中一個是將學習泊車升級為 L4 級 AVP 無人自主泊車，讓車輛學習一遍之後，允許駕駛員下車鎖門立場，而不是一直看著車倒進車庫，這已經被納入威馬學習泊車功能未來發展方向之一。

另一個應用場景則是連線城市道路，在城市內實現真正的點對點 L2 級自動駕駛。目前，特斯拉、蔚來、小鵬、理想、華為等多家車企都宣佈了城市道路自動駕駛的規劃，量產近在咫尺。

已經實現的結構化道路（高速路 + 城市快速路）自動導航輔助駕駛，即將量產的城市道路自動導航輔助駕駛，加上已經實現的停車場內學習泊車，三者相加就是城市道路點對點 L2 級自動駕駛，相信這也是眾多車主所期待的一項 L2 級自動駕駛能力。