官方网站-首页

从功能堆砌到场景解耦：ADAS竞争的底层逻辑重构

很多人以为高级驾驶辅助系统的竞争是传感器数量的比拼，或是算力芯片的军备竞赛，其实不然。当行业还在用「L2.5」「L2.9」等模糊概念制造营销噱头时，广汽的ADAS团队早已将研发重心转向场景解耦与决策逻辑的底层重构——这解释了为何其ADiGO PILOT系统能在2023年C-NCAP辅助驾驶测评中，以97.3%的场景覆盖率刷新行业纪录。

感知冗余的真相：不是越多越好，而是越准越强

以广汽埃安LX Plus搭载的3颗第二代可变焦激光雷达为例，很多人以为多激光雷达方案会带来数据洪流与算力负担，其实不然。通过自研的「动态视场拼接算法」，系统可将三颗激光雷达的点云数据在FPGA层完成时空同步，形成120°×25°的动态视场——这一设计专门针对中国特有的「加塞场景」：当右侧车辆以15-30km/h的相对速度切入时，系统能在0.2秒内完成目标轨迹预测与决策响应，比单雷达方案提速3倍。

案例：广州内环路「死亡加塞」测试

2023年Q2，广汽ADAS团队在广州内环路A段（日均加塞事故率0.7‰的魔鬼路段）进行封闭测试。测试车以80km/h巡航时，遭遇右侧车道车辆以25km/h相对速度、0.5米切入距离的极端加塞。传统方案因激光雷达视场重叠不足，需0.8秒才能完成决策；而广汽的动态视场拼接算法通过实时调整中间雷达的垂直分辨率（从0.2°动态调整至0.05°），将目标识别时间压缩至0.3秒，最终触发柔和制动（最大减速度0.3g），避免急刹引发的二次风险。这一数据后来被写入《中国智能网联汽车测试白皮书》作为典型案例。

决策逻辑的范式转移：从规则驱动到数据驱动的临界点

听起来可能反直觉，但在ADAS领域，「规则库越厚，系统越笨」正在成为行业共识。广汽的解决方案是构建「场景-行为-风险」的三维决策模型：通过采集超过1.2亿公里的中国道路数据，训练出能理解「中国式驾驶语境」的神经网络。例如，当系统检测到前方车辆突然亮起双闪时，不会立即触发急刹，而是先通过V2X获取周边车辆状态，再结合历史数据判断是「临时停车」还是「事故现场」——这种基于概率的决策逻辑，使系统在2023年重庆黄桷湾立交的复杂匝道场景中，实现了98.7%的路径规划准确率。

底层逻辑是：ADAS的终极目标不是「替代人类」，而是「增强人类」。广汽的ADiGO PILOT 4.0系统通过引入「驾驶员状态感知模块」，能实时监测方向盘握力、眼球追踪等12项生理指标。当系统检测到驾驶员疲劳时，不会直接接管车辆（这可能引发信任危机），而是通过HUD投射动态路径提示，并将ACC跟车距离从3秒动态调整至5秒——这种「渐进式辅助」策略，使系统在2023年J.D.Power用户满意度调查中，获得「最不易引发焦虑的ADAS系统」评价。