摘要：
目前国内一般直接将高速NOA成为“L2+”；因此，复杂度更高的城区NOA，就自然的映射到了“L2++”。
一、概述：
特斯拉Autopilot系统首创了NOA这种淡化脱手/脱眼/脱脑（驾驶自动化程度）逻辑的功能，致力于与导航结合后，完成从A点到B点的全程进行辅助驾驶（L2，不脱手）的能力，功能实用性大大增加。
鉴于ICA、LCC这种功能也是L2，为了体现特斯拉NOA良好的高速和城区的变道、匝道汇入汇出、复杂场景通行能力，用“L2+”来形容特斯拉NOA的先进性，也是被行业接受的。但是这个L2+，并不是在脱手/脱眼/脱脑这个维度体现的。
补：一般L几与XXX-off的对应关系是
-
无L，没有智驾功能；
-
L0，无控制（只报警提醒、提示），Warning；
-
L1，单向控制（纵向，或横向），Single-direction control；
-
L2，横纵向控制，不脱手，Hands-on;【横纵向都具备后，就开始拼是否脱手/脱眼/脱脑了】
-
L2+，横纵向控制，脱手，Hands-off；
-
L3，横纵向控制，脱眼，Eyes-off；
-
L4，横纵向控制，脱脑，Minds-off；
-
L5，横纵向控制，无人，Driver-off；车辆不再为驾驶员提供底盘控制接口（如制动踏板、油门踏板、方向盘等人类直接控制车辆的装置）；
另，国内也有不少厂商习惯用场景复杂度来定义功能。目前国内一般直接将高速NOA成为“L2+”；因此，复杂度更高的城区NOA，就自然的映射到了“L2++”。
二、系统介绍：
根据相关信息，对基于HW3.0的Autopilot系统方案统计如下：【注：特斯拉OTA很快，信息经常变，只能大致参考下】
| Item | Description | Comment |
|---|---|---|
| 功能：SAE驾驶自动化程度 | “L2++”级 | 高速、城区、停车场等多场景通行/变道能力很强 |
| 功能：驾驶自动化程度描述 | 不脱手 | EAP脱手间隔与车速相关； 车速在60-80kph时候，约45s-65s之间； 低速最长时间可达3分钟； |
| 功能：功能描述 | NOA | 基于导航的辅助驾驶 |
| 功能：车速区间 | 0-130kph； | 全速域 |
| 功能：电子围栏 | EAP：高速NOA； FSD：城区NOA；HW3.0的主要价值在于FSD功能 | 特斯拉能力的体现，主要在电子围栏指标上。场景泛化能力很强，功能开启后的通行能力也很强 |
| 功能：变道约束 | 支持变道 | 细分场景方面：汇入、汇出、匝道同行等 |
| 功能：路口通行 | 支持十字路口通行 | 高速和城区，最大的区别有两个：路口通行，以及VRU的处理。FSD的路口的通行能力很强；典型能力：无保护左转、高速车流的汇入 |
| 功能：DDT后援任务用户有效性 | 需要驾驶员随时接管 | |
| 功能：环境条件 | 不支持下雨下雪等恶劣天气； | 无车道线时，可利用路沿检测保证车辆正常行驶（而不退出）； |
| 功能：前置条件 | ICA（或叫LCC）已开启； | 满足条件后，系统通过HMI提示用户可以开启NOA功能，用户确认后进入NOA功能 |
| 功能：感知系统(OEDR) | 8V | 传感器布置位置见图1所示 |
| 功能：接管(Takeover) | 需要驾驶员随时接管车辆； | |
| 功能：降级(Degradation) | 未知 | |
| 功能：MRM | 未知 | |
| 功能：HMI | a. 系统入口：方向盘按键； b. 状态提示：仪表（如果有）+中控屏提示 + 蜂鸣声+语音提醒； | |
| 功能：DSSAD | 未知 | |
| 功能：OTA | 支持 | |
| 功能：操作系统 | Safety Linux | |
| 功能：数据上传（及车端触发器） | 支持 | |
| 功能：其他 | ||
| 系统：系统类型 | 集中式系统 | 特斯拉为中央&区集中式EEA； 智驾系统ECU为HW3.0域控，集中式计算 |
| 系统：智能传感器种类与数量 | 无 | 集中式计算，无分布式智能传感器 |
| 系统：控制器个数与种类 | 集中式系统，AutoPilot ECU with HW3.0；使用自家FSD SOC； | |
| 系统：软件服务-RTK | 无 | |
| 系统：软件服务-数字地图 | 无 | 依赖SD map给route，剩下的全交给视觉系统 |
| 系统：软件服务-车联网服务(V2C) | 有，4G(LTE) | |
| 系统：软件服务-V2V&V2I服务 | 无 | |
| 系统：Fail Operational方案 | 无 | |
| 系统：Fail Operational-电源 | 无 | |
| 系统：Fail Operational-通信 | 无 | |
| 系统：Fail Operational-制动系统 | 无 | |
| 系统：Fail Operational-转向系统 | 无 | |
| 系统：Fail Operational-计算&感知 | SOC层面的部分冗余，非ECU层面 | 两个FSD SOC在某些功能&算法上，进行冗余； |
| 系统：其他 | ||
| 传感器：摄像头-前视主摄像头 | 有 | AR0136/AR0138-1.2MP-RCCB-HFOV52° |
| 传感器：摄像头-前视宽角摄像头 | 有 | AR0136/AR0138-1.2MP-RCCB-HFOV120° |
| 传感器：摄像头-前视窄角摄像头 | 有 | AR0136/AR0138-1.2MP-RCCB-HFOV28° |
| 传感器：摄像头-前视双目摄像头 | 无 | |
| 传感器：摄像头-侧前摄像头(x2) | 有 | AR0136/AR0138-1.2MP-RCCB-HFOV90° |
| 传感器：摄像头-侧后摄像头(x2) | 有 | AR0136/AR0138-1.2MP-RCCB-HFOV80° |
| 传感器：摄像头-后视摄像头 | 无 | |
| 传感器：摄像头-环视摄像头(x4) | 有，只有一个后鱼眼摄像头 | OV10635-1MP-RGGB-HFOV140° |
| 传感器：Radar-前向主雷达 | 有，后又取消 | 基于纯视觉。HW4.0预计会重新安装4D radar |
| 传感器：Radar-侧前角雷达(x2) | 无 | |
| 传感器：Radar-侧后角雷达(x2) | 无 | |
| 传感器：Radar-后向雷达 | 无 | |
| 传感器：Lidar-前向主Lidar | 无 | |
| 传感器：Lidar-侧前角Lidar(x2) | 无 | |
| 传感器：Lidar-侧向补盲Lidar(x2) | 无 | |
| 传感器：超声波传感器(x12) | 有，后续会取消 | 基于视觉的占用网络算法来替代 |
| 传感器：IMU | 有 | |
| 传感器：GNSS | 有 | |
| 传感器：地面湿度传感器 | 无 | |
| 传感器：DMS摄像头 | 有 | 安装位置较为少见，单颗camera应该可以兼顾DMS+OMS的作用； |
| 传感器：后风挡麦克风 | 无 | |
| 传感器：地面湿度传感器 | 无 | |
| 传感器：其他 | ||
| 主控制器：控制器描述 | HW3.0，双SOC + MCU方案 | |
| 主控制器：散热方式 | 液冷 | |
| 主控制器：功耗 | ＞72W | |
| 主控制器：MPU1子系统-MPU型号 | FSD chip | |
| 主控制器：MPU1子系统-MPU数量 | 2个 | |
| 主控制器：MPU1子系统-MPU内存规格 | LPDDR4 | |
| 主控制器：MPU1子系统-MPU内存容量 | 1GB | |
| 主控制器：MPU1子系统-MPU内存数量 | 8个，一个SOC接4个 | |
| 主控制器：MPU1子系统-MPU存储规格 | UFS | |
| 主控制器：MPU1子系统-MPU存储容量 | 32GB | |
| 主控制器：MPU1子系统-MPU存储数量 | 2个，一个SOC接一个 | |
| 主控制器：MPU2子系统-MPU型号 | 无 | |
| 主控制器：MPU2子系统-MPU数量 | 无 | |
| 主控制器：MPU2子系统-MPU内存规格 | 无 | |
| 主控制器：MPU2子系统-MPU内存容量 | 无 | |
| 主控制器：MPU2子系统-MPU内存数量 | 无 | |
| 主控制器：MPU2子系统-MPU存储规格 | 无 | |
| 主控制器：MPU2子系统-MPU存储容量 | 无 | |
| 主控制器：MPU2子系统-MPU存储数量 | 无 | |
| 主控制器：MCU子系统-MCU型号 | TC297 | |
| 主控制器：MCU子系统-Flash型号 | 未知 | |
| 主控制器：MCU子系统-Flash容量 | 300MB | |
| 主控制器：片间通信-PCIe Switch型号 | 无 | |
| 主控制器：片间通信-Ethernet Switch型号 | Marvell 88EA 6321 | |
| 主控制器：其他 | ||
| 冗余控制器 | 无 |
其中，针对上表中的图例，附在下方：
图1 传感器安装位置和FOV视角
三、部署车型和地区：
| Vehicle Type | Region | Geo-fencing | Comment |
| Model S/3/X/Y | 北美 | 城区；V11后统一了高速和城区道路，形成全场景FSD | 选装价格：15000美元； 或 订阅价格：199美元/月 |
四、总结：
按照上述维度评价Autopilot HW3.0不太适合。特斯拉主要是在算法上进展很快。从HW2.0/2.5升级到HW3.0以后，带来的FSD算法方案，应用了很多新AI技术，比如BEV多摄感知方案 + learning based 规控 + 4D标注等；目前又增加了占用网络技术，提升一般静态障碍物的检测能力。迭代速度很快。期待特斯拉在算法领域的持续创新。
另外，需要关注Camera-only系统的状态，是否能根据vision only系统迭代出L3级以上智驾系统。目前常见的说法，比如“人是靠视觉感知世界的，所以视觉系统理论上靠算法迭代也能做到自动驾驶”这类“朴素”的价值判断，并不太能让人信服。因为如果按照这种价值判断去“比喻”工程实践的话，人类就不需要仿生学了。具体地，飞机现在应该都是扇动翅膀的扑翼机，而不是固定翼飞机。因此，需要时刻关注算法创新的进展（这个才是能够证明可行的原因），以及特斯拉对其他传感器的增减尝试。但是，从整车层面看，如果vision only系统能够实现L3，那对智驾系统的推广，是极其有利的。
反过来看，基于4D radar或Lidar等主动性传感器为主的智驾系统（比如1V-5R-1L这种系统，可以保留前向视觉传感器），实现L2+和L3的可能性较小。奔驰的Drive Pilot系统的L3功能（TJP），目前是单车道场景，还可以handle，一旦涉及到频繁变道，比较担心基于Radar/Lidar等主动性传感器的能力（反过来说，也很期待以售卖4D Radar + Lidar部件的厂商，尽快能够推出基于Radar/Lidar为主传感器的高端智驾系统，来证明该技术路线的是可行的）。
来源 | 智能驾驶与人形机器人
