430
大家好，我是电动车公社的社长。
前段时间小鹏汽车做了一次软件OTA更新，主要来说更新了3部分：
Xmart OS（车载系统）体验上的升级；
NGP的升级；
更新了记忆泊车。
关于Xmart OS和NGP的升级不算大升级，简单过一下。
Xmart OS的升级主要是在体验上，比如导航卡片里有了车道显示和功耗显示，方向盘也可以直接去开关空调。这些我们日常需要的常用功能，现在都可以一眼看到并且更便捷地操作了。
Xmart OS最大的变化在于语音控制上。
在2020年10月24日时，小鹏推出了所见即可说的语音识别，而这一次最大的变化是，在部分第三方软件里也可以做到语音控制了。比如在优酷里，除了本身可以用语音进入优酷之外，还可以播放电影、调节音量大小、快进快退等等操作。
尽管目前支持语音的第三方软件还不多，但小鹏率先可以这么做，并且将很大一部分研发精力放在了智能化包括语音上，也就意味着，小鹏的车型有极大可能性成为市面上第一个真正不需要触控的车型。
过去，关于“到底屏幕是未来、还是语音是未来？”的争论一直没有休止，而何小鹏本人在上海车展时也明确表态，他认为的未来必然不是屏幕，“现在还有人这样争论，只能说明现在的语音还不够好用，小鹏正在努力。”
语音上的进步，不仅体现在Xmart OS的升级上，还体现在NGP的升级上。
过去NGP向左向右变道取决于车自己的算法，而更新完这个版本后，变道已经可以通过语音来控制了：
而且为了防止错误引导，在语音变道的功能上，小鹏在语音指令里增加了“请帮我向左/右变道”这样的请求敬语，这也算是避免了我们日常在车上和人聊天时的错误触发，毕竟日常生活中我们不太会用“请帮我”这样的敬语语气闲聊天。
这个功能目前来看似乎有点鸡肋，除了需要记住特殊的指令句式、用敬语向小P发出指令外，可能有人会觉得目前未进行版本迭代的NGP其实也可以进行自动变道，而完成这步操作，甚至只需要你用手拨一下转向灯。所以语音变道看上去毫无存在的意义，甚至还因为繁琐的指令，让体验变得更不好。
我倒是不这样认为。
目前的NGP虽然可以领航辅助，却也依然只是辅助驾驶的一部分，依然需要我们人工监测车的安全性，甚至做出干预。
但如果有一天，全自动驾驶的那一天真正意义上到来时，你可能是在车里坐着，也可能是躺着、趴着，如果你想要提高通行效率，想让车完成变道时，必然不可能还从椅子上爬起来打转向变道。
我想这才是语音控制在真正的智能化时代的终极形态——躺着即可完成一切操作。
除了这一点之外，NGP这次还增加了雪糕筒的监测和应对、以及远离大型车的功能。
虽然Xmart OS和NGP不算大升级，但每一小步都是自动驾驶的一大步。
接下来重点聊一下记忆泊车。
小鹏在泊车上一直做得是业内有名的，2019年夏天我第一次使用G3进行泊车，当时给我的感觉非常惊艳，不仅用起来很简单，不需要像别的车一样去找它的触点，而且干脆、利落，甚至比很多新手司机强很多倍。
而这次的记忆泊车，则是在这基础上又进了一步。
简单来说，记忆泊车就是：当你进入停车场后，在任意的某个位置（比如入口处）开始让车记录你的行驶轨迹，直到你找到你的车位后停下来、终止记录。当你下次再进入这个停车场时，车可以按照你之前的轨迹，自动行驶到你的车位上将车停好。
目前记忆泊车可以记住单个停车场内1000米内的泊车路线，最多能记100个停车场，而且数据保存在车端，不会进行联网上传。这个量级的存储，满足我们日常使用完全没有问题。
关于这次的记忆泊车，官方PPT上有一行小字写的是：首个可量产且不依赖于停车场改造的“最后一公里”泊车功能。
我们一群媒体在现场看到这行小字就笑出了声，官方倒是也没回避，甚至开启了自嘲模式，“是的，只要定语加得足够多，就肯定是第一。”
自嘲归自嘲，仔细看看这几个定语你就会发现用得非常到位且微妙：
威马之前推出W6的时候，PPT上是这么写的：
emm……小鹏这次在威马的定语中间加了一个词叫“不依赖于停车场改造”，这个词的微妙处在哪儿呢？可能需要先跟大家讲讲威马的W6:
W6推出时曾引起很大的舆论反响，“百万级算力”“L4级自动驾驶能力”都让整个车友圈轰动了一下，不过在轰动之余冷静下来看，你就会发现W6的百万级算力前有个定语叫“云端”，而L4级自动驾驶前有个定语叫“特定场景下”，而它的泊车也因此有了两种：一种是必须依赖云端学习的泊车，叫H-AVP；而另一种是必须依赖云端高精地图来实现的泊车，叫P-AVP。
而小鹏VPA的不同之处在于，与H-AVP相比不需要依赖云端计算，可以通过本地计算来实现；与P-AVP相比，则不需要依赖停车场的改造。
可能很多人会问，不采用威马正在用的停车场高精地图方式，那么用的是什么技术呢？在电动车公社专访的过程中，作为小鹏汽车前10号员工的自动驾驶中心产品开发高级总监肖志光反复提到的一个词是“语义地图”。
语义地图算是小鹏这次更新的记忆泊车的核心技术了，它主要包括视觉识别能力和语义地图定位技术。
从视觉识别上来说，主要的突破点是，过去传统的识别的是车辆、车位线这些元素，而停车场是一个非常复杂的低速场景，除了这些元素，还需要识别墙壁接地线、柱子、行人，甚至是购物车等等，而在以后还需要做到的是悬空物的识别，这些都是挑战和难点。
而从语义地图定位技术来说，相当于是在停车场里没有GPS信号、也没有高精地图，同时毫米波雷达在停车场复杂环境下也基本不可以用的前提下，使用摄像头视觉技术来实现厘米级的定位精度和记录，同时还要把行车轨迹进行记录，最后产生这样一个有物理意义的场景构建。
最关键的是语义地图相比其他方式，可以拼接、可以更新，同时存储所需的空间也更小。
而关于需要通过停车场改造来实现记忆泊车的技术路线，肖志光是这么认为的，他说，改造停车场也是为了想要得到室内的精准定位信息，但小鹏不这么做是因为考虑到改造停车场会增加推广难度，通过车端去解决可以更快被消费者接受。
而且在他看来，停车场技术路线和目前的技术路线并不冲突，“如果停车场改造完之后，有更多信息可以提供给我们，我们只需要按照协议做好停车场跟车的信息交互接口的解析，就可以获得停车场的信息，从而能提前知道停车场停车位的信息，在传感器没有监测到之前就可以规划好停车路径，有效率地停到空车位上，所以两个技术本质上没有冲突。”
到底好不好用，自己体验了才算数，所以我们在申请了“世界最大地下停车场”吉尼斯世界记录的、拥有6600多个停车位的北京荟萃中心停车场进行了测试，并用手机一镜到底进行了记录：
选择这个停车场一方面是因为它足够大、足够完成尽可能远距离的测试，另一方面是，停车场上面就是宜家和一个商场，也就是说这里除了会出现其他停车场会出现的对向来车、突然窜出来的车之外，还将可能出现慢速行驶的行人、小孩、购物车，以及各种可能出现的未知场景。
整体长达半天的测试里，除了上车之前必须通过的app上的测试之外，让我印象最深刻的是，在面对交叉路口时，我手里的P7会晃一下远光灯示意自己将通过；在拐角处，也会自动亮起转向灯，示意后车即将转弯。这种体现在细枝末节的“安全提示”还是到位了。
当然，这次我也体验到了一些问题：
比如目前进停车场进行完路线记录后，需要出停车场后再次进入、回到起点，才可进行记忆泊车。
关于这一点，专访中肖志光提到，这是产品设计问题不是技术问题，因为平时做测试的时候也会没有出停车场到起点就能开启记忆泊车。而这么设计的原因是，模拟的是用户上下班或者回家的场景，也就是说，在他们的假设里，用户一般不会马上使用这个功能。
除此之外，在记录路径的过程中不可以倒车超过1米，同时学习的路径也不可以重复。包括这样的场景也算重复路径：
（图二非重复路径，但因此处地下停车场路线不够方正、规范，或因为需要会车等情况，所以出现打方向情况，从而出现了路径重复）
而在我没体验到这部分的时候，我也确实是路线记忆失败导致重复了一遍。
在之后的专访中，我也将我的质疑抛给了肖志光，他给的回答是：这也算是产品设计问题，因为在一开始的目的是提升通行能力和效率，所以如果在车自主进行第二次记录泊车的时候，倒车或者停顿，体验都会变得非常差；而且大多数情况下，都会选择最近的路径到自家车位，所以对于不清楚自家停车场路线的情况也会比较少。随后肖志光笑笑说，后续可能也可以考虑到我们这些尝鲜用户去做一些优化。
目前，小鹏的泊车团队有150人左右，其中负责软件的有大约100人左右，而即使在有了P7和G3的成功的基础上，也依旧花了1-2年才将这个记忆泊车的技术落地。
这么大一个团队只做这一件事，也就意味着，企业需要承担非常大的成败风险，关于这一点肖志光在专访中也提到，“最有挑战的事儿其实也是这个，意味着资源要往这方面倾斜，人力要倾斜，费用也要倾斜，而且有很大的失败风险，所以有很多主机厂是很犹豫的。”
写 在 最 后
从2019年1月到今年4月底，小鹏一共进行了23次主要的OTA升级。不过，关于不断升级的泊车功能，我相信，在何小鹏的愿景里，最终的前进目标一定是自主泊车，简单来说就是，当你把车开到停车场门口时就可以下车了，车就像你的代客泊车小哥，你去忙你的，停车交给它。
而做到这一步的那一天，我相信真正意义上的全自动无人驾驶也基本到了。
为什么这么说？如果我们把我们日常的通勤进行步骤拆分，基本可以分成高速驾驶+城市驾驶+两端的停车场驾驶。
如果我们把这3部分代入到小鹏，高速驾驶部分交给正在逐步变强的NGP；停车场驾驶的开端是自动泊车，进阶版是记忆泊车，终极版是自主泊车；而城市驾驶，预计今年要交付的P5上就会实现。
不过可能有的用户和我们有同样的疑问，泊车有泊车的感知系统、行车有行车的感知系统，在未来完全打通的情况下，是否可能存在重构的风险？
这个问题我们也抛给了肖志光，他说，小鹏目前是把这三套系统用同一套硬件系统去做的，所以传感器和执行器的数据可以共享，这也是为什么小鹏目前可以在三个场景下同时发力的原因。而软件上之所以会有区分，是因为场景和需求不同，比如行车需要解决的是车辆和车道线的问题；停车需要解决的是十字路口、横穿车辆和行人、逆行车的问题。
也就意味着，到那一天，真正意义上的无人驾驶，也就是将泊车、行车、高速三者不断进行完善后的形态，那时候还需要打通的点可能只有一个了，三者之间的链接处，比如从停车场到城市驾驶之间，可能存在收费处，甚至可能需要交停车费、升起道闸等等。
等这些难点也都解决后，全自动无人驾驶也就来了。
说实话，还挺期待那一天的到来！
下载ECAD模型
