2022年12月，理想汽车推送了OTA 4.2版本，激光雷达正式作为其自研AEB的一部分感知输入，参与制动决策。在此之前，AEB主流感知方案为视觉+毫米波雷达，以摄像头像素、单双目细分。

以AEB为代表的主动安全系统的水准是高阶智能驾驶功能的安全边界。

激光雷达的加入能够在多大程度上为AEB“拓界”？高阶智能驾驶与主动安全之间还要分“你我”吗？中国车企又为何要“入侵”AEB这一国际T1（一级汽车零部件供应商）的固有疆土？

01 30米-50米-80米

传感器的丰富一直是AEB性能提升的核心动力。

2008年沃尔沃推出的首个AEB系统，采用毫米波雷达作为主传感器。

早期毫米波雷达探测点较少，对行人等“小障碍物”往往会漏检；雷达信号处理静态杂波滤除的特性，则使其对静态、微动目标无法很好的识别。

因此，由毫米波雷达作为核心传感器的AEB系统只能在30公里时速下被触发，而且为避免误触发，往往无法对小和静止的目标做出反应。

2015年前后，以摄像头为代表的感知传感器被越来越多的引入ADAS系统内。

单目摄像头+毫米波雷达的方案将AEB的触发速度上限提升到了60公里，并成为目前行业内的主流方案。

2022年，激光雷达量产上车为AEB扩展适用场景提供了硬件基础。

相比于视觉+毫米波雷达的方案，激光雷达能够直接提供准确的速度和距离信息，还可对大、小目标进行基础分类提升感知精度。由此，使AEB能够在更精准的距离点触发功能，减少误触发的同时，极大程度利用了车辆的制动极限。

目前，理想AD Max的视觉+激光雷达+毫米波雷达方案，将AEB的刹停车速上限提升到了80km/h，可以覆盖绝大多数城市行车场景。

此外，以斯巴鲁为代表的立体双目摄像头+毫米波雷达的方案也是AEB“家族”的重要一员。

立体双目摄像头可以通过几何算法计算出3D信息，同时也可应用机器学习，因此上限极高，被认为是有望取代激光雷达的一种技术路线。

目前，立体双目摄像头的成本在1000元之内，相比5000元/颗以上的激光雷达，具备很强的成本优势。但同时，由于从成像、元件、布置都需要高度对称，立体双目摄像头的工程难度较高。夜间的制动时速和针对大小目标的刹停时速，还略逊于激光雷达方案。

在覆盖城市工况之后，AEB的下一个重要方向是将触发上限进一步提升至120km/h，紧急情况下能够在2-3秒内，将车辆速度从120km/h降低到60甚至40km/h，为驾驶员争取更多的避让时间和空间，从而避免事故或减轻烈度。

02 加上激光雷达的AEB如何工作

都采用视觉+激光雷达+毫米波雷达，一辆车上的AEB和辅助驾驶功能还需要分“你我”吗？杨杰表示，以理想的AEB系统为例，功能在感知软件需求上与辅助驾驶功能还有一定的区别。

从任务目标来看，智能行车功能由驾驶员激活，在人类监控下工作。需要“看”得远，120公里时速下至少要看到150-200米外开外，并对“视野”内的目标进行主次、属性上的分类，且形成时空的连续性。

但AEB是在车辆上电即启动，属于硬实时的系统（系统必须满足任务对截止时间的要求，否则可能出现难以预测的结果），要看得准、反应快。需要考虑80米之内任意可能产生碰撞风险的障碍物，也一定程度上参考车道线等路况语义信息，判断大曲率弯道等“特殊障碍物”。

在置信方面，白天光线较好时， AEB系统以视觉为主，激光雷达和毫米波雷达参与感知融合；夜间等光线不好时，则以激光雷达为主，其他感知器进行融合校验；

在感知算法层面， 目前理想的AEB与辅助驾驶功能采用同一个神经网络感知模型，但在后处理阶段，会根据不同的功能需求进行针对性的优化。

但决策算法部分，理想的辅助驾驶功能和AEB则是分属两个不同的团队在做。

AEB所面对的场景是在事故发生前2-3秒内做出决策，决策是否制动，请求全力制动，而非行车所面临的博弈场景。

杨杰表示，在这样极限的时间和明确任务的背景下，神经网络和逻辑判断算法的效果并不会有本质上的差别，因此AEB在决策层使用逻辑判断的算法。

在硬件层面，理想的AEB和辅助驾驶功能都属于智能驾驶域，但AEB主要部署在具有高可靠性、实时性和安全性的MCU（微控制单元）上，以保证功能运行的稳定性和实时性，为用户行车提供有效的安全保障。

03 迭代之战

在MCU之外，理想AD Max版车型的Orin上也运行着一套AEB系统，包括了感知、融合、决策三个模块在内的影子软件，只是“截断”了系统和执行器之间的联系，作为MCU上那套系统的“影子”存在。

“影子模式”是理想自研AEB的核心基础之一，也成为理想等新势力与国际T1在AEB领域“一战”的基础。

AEB发端于欧洲，是博世、大陆、安波福等T1的优势战场。凭借百万量级的销售规模和全球市场分布，国际头部T1，掌握了上亿级紧急制动场景数据，成为其技术的核心壁垒。

但也正是因为数据壁垒高，并采用一款产品适配全球的产品策略，国际T1对需求变化更多、更快的中国市场往往响应不足。

“我们一开始上线辅助驾驶系统的时候，出现一些AEB误触、事故中AEB制动表现不及预期的情况。从用户安全角度，我们希望能够尽快迭代优化，但发现和供应商沟通困难重重，周期很漫长，到最后只能是不了了之。”

“不断优化驾驶服务功能是希望更多用户使用。但如果安全能力跟不上，伴随使用率和使用里程的攀升的还有事故风险概率。所以做好辅助驾驶功能的同时，必须要把主动安全做上来。”杨杰这样解释理想自研AEB的核心逻辑。

智能驾驶系统的赛点是数据、算法、算力，但主动安全拼的则是迭代速度。

“每一个AEB新增功能场景，从软件开发、测试验证到最后推送终端，对于AEB而言，都是一次全新的迭代。”

在试验场地里面开发AEB适用的新增功能场景，从技术角度来说相对容易。

但要将‘新能力’在真实环境和路况中量产，保持系统性能的前提下又能尽可能地减少误触发，则是很难的一件事，需要数以百万甚至千万级的行车里程进行充分验证。

“目前供应商打包方案的迭代速度一般是以季度为单位，目前我们的自研AEB可以做到周级迭代。”杨杰表示。

国际头部T1基于全球百万级量产车获取数据，理想则通过影子模式来追赶。

相比于辅助驾驶功能需要驾驶员主动激活，AEB是上电即启动的全时工作状态，先天适合影子模式。跑在Orin里的AEB系统与驾驶员的操作进行实时比较，将判断相左的场景数据脱敏并打上标签，记录回收，成为宝贵的迭代数据库。

验证的部分则交给仿真闭环去做。

杨杰表示，理想AD的感知、融合、规控各模块实现了迭代解耦，既能够单独模块回灌验证，也可以全版本全链路地在仿真系统中进行验证。

此外，理想AD的每个车型都会有一个独立的路试小团队，在推送用户前搭载最新的系统版本进行长里程真实路试。

有人在这条路上成功过。

沃尔沃在2016年就开始宣传AES（自动紧急转向）功能，也就是在遇到紧急情况时，车辆可自行进行转向躲避。但直到现在还是需要驾驶员通过方向盘给到明确转向输入才响应。

后来者特斯拉则通过高速迭代，在2018年就推送了无需驾驶员转向输入，系统识别到危险后自动进行转向的功能。

在“影子模式+数据闭环”的基础之上，理想主动安全团队只用了2个季度的时间，就“用上”了激光雷达：让此前只能在EID交互上看到感知结果的激光雷达，作为感知输入源，参与到了AEB功能的制动决策当中。

目前不仅是理想汽车，小鹏、蔚来也已将自研AEB列入工作进程。去年李想宣布开源AEB系统之后，理想内部也已组建了工作组，调整AEB系统架构，使其成为更加平台化的软件系统。

随着AEB能力的提升，真正成为智驾的安全阀，智能驾驶成为收费的功能，就有了坚实的基础。