小鹏Robotaxi上路开启员工内测,何小鹏试了第一单
何小鹏在内部Robotaxi全员会上表示,Robotaxi是小鹏从“新能源汽车”迈向“机器人汽车”的重要一步,未来十年,所有具身智能载体,本质上都会成为机器人。
据悉,小鹏Robotaxi以小鹏GX为原型车,是国内首款以纯视觉方案打造的全栈自研前装量产Robotaxi,具备L4级自动驾驶能力。车辆搭载4颗自研图灵AI芯片,本地有效算力达全球最高的3000TOPS,智驾模型采用与量产车同源的图灵智驾VLA2.0,用一套模型打通L2-L4,凭借模型自身的泛化能力,可在不同城市、不同环境快速部署运营。
小鹏robotaxi。小鹏集团供图伴随高阶自动驾驶产业热度提升,工信部《智能网联汽车自动驾驶系统安全要求》强制性国标报批稿引发广泛讨论,网络上持续流传“L3、L4自动驾驶车辆必须搭载激光雷达”的传言。针对该说法,中国汽车标准化研究院总工程师孙航近日作出澄清,明确标准坚持划定安全底线、技术中立、不限定技术路线的原则,评判自动驾驶能力以最终安全表现为准,不会通过法规强制要求硬件配置,行业差距的核心不在于零部件堆砌,而是底层真实安全能力。
放眼国内当前行业发展,Robotaxi商业化试点正稳步推进,各地逐步从封闭道路测试转向公开道路收费运营。北京、上海、广州、深圳、武汉等数十座城市相继开放示范运营权限,部分区域已经允许撤除车内安全员开展常态化载客服务。不过行业仍处在早期探索阶段,多数运营范围局限于特定示范区,尚未实现全城无限制落地,成本高企、复杂路况通行效率、责任认定细则等难题依旧有待持续破解。随着各类L4车型陆续开展道路验证,叠加高阶自动驾驶国家标准持续完善,行业将迎来技术路线充分竞争、商业化模式持续打磨的阶段,Robotaxi也有望逐步从试验项目转变为常态化出行服务。
来源:北京日报客户端
相关推荐
-
人眼视觉仿生系统:从选型误区到生产损耗,底层逻辑才是破局关键
9人眼视觉仿生系统:底层逻辑决定产品上限在实际交付中,我们发现一个普遍现象:很多厂商宣称“人眼级动态范围”,但实际场景中,系统在逆光或强光切换时,仍会出现目标丢失或误检。问题出在哪?答案藏在底层逻辑里——人眼视觉仿生不是简单的参数堆砌,而是对视网膜神经元编码、视觉注意力机制、光响应动态平衡的深度复现。选型误区:被“标称数据”带偏的决策很多标称数据背后的真相是:实验室环境与生产现场的鸿沟。比如,某头部...
查看全文 -
人眼视觉仿生系统与协同效应:打破量产瓶颈的底层密码
3选型陷阱:参数表上的「完美」与量产现场的「残缺」在实际交付中,我们发现一个诡异现象:某头部车企采购的视觉仿生系统,标称动态范围达140dB,理论可覆盖人眼极限的99%场景,但量产车上路后,隧道出口的强光过曝率仍高达12%。问题出在哪?很多标称数据背后的真相是——实验室环境与量产车的光路设计存在本质差异。人眼视觉仿生系统的核心,从来不是「堆硬件参数」,而是光路-算法-硬件的协同效应。这里面的水很深:...
查看全文 -
人眼视觉仿生系统:疲劳阈值,智驾安全的关键变量
7人眼视觉仿生系统:疲劳阈值,智驾安全的关键变量在实际交付中,我们发现一个被行业忽视的真相:很多智驾系统标称的“全天候视觉能力”,在连续运行3小时后,目标识别准确率会下降17%。这背后,是人眼视觉仿生系统对疲劳阈值的控制逻辑存在根本性缺陷——系统没有真正理解“视觉疲劳”的生物机制,只是简单复制了人眼的静态参数。选型误区:参数堆砌≠疲劳抗性很多厂商在选型时,会陷入“高分辨率+高帧率=抗疲劳”的误区。听...
查看全文 -
工业园区与停车场管理:选型误区背后的真相
6选型误区:别让“参数”蒙蔽了双眼在实际交付中,我们发现工业园区和停车场管理的智能设备选型,往往陷入“唯参数论”的怪圈。很多标称数据背后的真相是:厂商用实验室环境下的最优值,掩盖了实际场景中的性能衰减。比如,某头部厂商宣称其地磁传感器检测精度达99.9%,但实际交付后,在金属结构密集的工业园区,误报率飙升至15%——金属干扰、电磁屏蔽、多径效应,这些底层物理问题,参数表上永远不会写。选型误区一:过度...
查看全文 -
智能驾驶场景闭环:从选型误区到隐性损耗的深度拆解
3场景闭环不是“数据堆砌”,而是“真实场景的精准映射”在实际交付中,我们发现很多企业把“场景闭环”简单等同于“数据采集+算法迭代”,甚至认为只要覆盖足够多的测试场景,就能实现闭环。但真相是:场景闭环的核心是“真实场景的精准映射”,而很多标称数据背后的真相是——采集的场景数据可能根本无法复现真实路况的极端情况,导致算法在实验室里表现优异,一到实际路况就“掉链子”。选型误区:高算力≠场景适配,传感器堆砌...
查看全文 -
高级驾驶辅助系统的防错机制:从选型误区到生产现场的隐性损耗
10高级驾驶辅助系统的防错机制:从选型误区到生产现场的隐性损耗在实际交付中,我们发现一个普遍现象:很多主机厂在选型高级驾驶辅助系统(ADAS)时,往往被供应商的“标称数据”吸引——比如毫米波雷达的探测距离、视觉算法的识别准确率。但真相是,这些数据大多是在实验室理想环境下测得的,到了真实道路场景,尤其是复杂城市路况,表现可能大打折扣。听起来可能反直觉,但防错机制的设计,才是决定ADAS系统可靠性的关键。...
查看全文

尊龙凯时