这次小米SU7高速NOA遇到的事故，围绕大家关心的几个问题，和大家讨论：

这次小米 SU7 高速 NOA 遇到的事故，围绕大家关心的几个问题，和大家讨论：

★激光雷达有真实作用吗？

对于很多障碍物的识别，夜间激光雷达的处理优势肯定占优。

这次发生的是没有激光雷达的版本，视觉感知压力肯定是巨大的。

特别是高速上这种超远距离、夜间、速度还比较快的前提，事故发生时还不是静止障碍车，而是一堆复杂的障碍物目标，目标体积可能还比较小，且复杂，对于摄像头识别有很大压力。

★除了摄像头，车身毫米波为什么没有发挥作用？

毫米波本身识别静止障碍物也有缺陷。

除了摄像头，另一个传感器毫米波也没发挥很好的作用。

毫米波本身分辨率不足，对相近的物体没法精准识别区分，也没法识别太远。

其次毫米波雷达本身缺乏高度信息，也就是分不清障碍物是广告牌还是真实的地面障碍物，所以毫米波有时候会对路面反射回来的静止物体做杂波过滤，过滤一些速度为零的信号，导致毫米波对这种远距离的障碍物，识别效果较差，没有起到实质效果。

★为什么系统反应较慢，最后才有刹车动作？

智驾的预测计算，也要有距离。

比如大脑要利用 10 帧或者 20 帧的时间来追踪、计算一个物体的速度，但这个累积实际有一个时间差，比如前 10 、20 帧的信息作为参考，但比如前面突然个静止车、或者障碍物速度显示为 0 时，这时候系统计算的平均值可能不一定 0 ，计算有延迟，没法瞬时做出对应的计算，这样控制可能没有合理的时间，也没法有效的刹停。

按照这次信息看，2 秒发生的预警，速度约为 97km/h，那这时候障碍物距离大概为 64 米，也就意味着 2s 前系统已经开始感知到这个障碍物了，但明显没有刹车距离。

★为什么 AEB 没有触发？

还是目标物的问题，先不说障碍物是否在视觉训练过的数据以内，AEB 的触发本身也会对小型、或者路边的静止物体做过滤，来避免误检的情况。所以路边这种路障很多时候不在 AEB 的启用范畴。

而且 AEB 的触发问题和这次 NOA 遇到的问题类似，本身视觉感知距离不足，加上没有达到 AEB 触发的条件， 2s 的时间没有足够的响应时间。

其次 AEB 的响应和驾驶员接管的逻辑会有冲突，这次人员有接管，AEB 有可能在驾驶员接管后会优先响应驾驶者的操作，可能不会再介入。

★这次为什么说不仅只是一个障碍物识别？

从这次小米官方透露的信息看，这次识别的不是普通的障碍物避让，是涉及到改道，并且是改道到到逆向车道。

这个识别可能不是简单的避障，或者偏移。而是涉及感知、避让、规划多个链路一起，计算链路更加复杂，完成改道对系统时间的要求要更高。

★标准版和高阶版除了激光雷达，还有哪些差异？

标准版和高阶版算法的研发，可能有代差。

标准版除了不带激光雷达外，在车企研发上，标准版和高阶版可能会有代差。

标准版一般能力上限只有高速、LCC 等，所以一般车企会切进 Max 版做高阶的研发，一般进入高阶后，就会和标准版架构慢慢形成两套架构，所以标准的算法也和高阶版的算法能力会有不同。