10月8日，蔚來面向使用者推出了Nio Pilot的新功能，NOP領航輔助；10月24日，小鵬也將在自己的科技日上釋出NGP，並且在內部立下了明年Q1必須大規模推送給使用者的軍令狀，這兩項功能與特斯拉導航輔助駕駛類似，都屬於高速導航輔助功能（Highway Pilot，簡稱HWP）。
類似的功能其他車企也在迅速跟進，導航輔助功能一時間成了行業熱點。這項功能的推出對於車企和使用者來說真的有意義嗎？還是大家其實只是在跟風特斯拉？本文將進行一番探討。特斯拉的NOA與蔚來的NOP在功能上基本一致，自動超車、自動進出高速匝道、根據導航資訊進行高速路切換等。蔚來的NOP在使用範圍上相比目前版本的NOA更大，涵蓋了城市高速路段，而特斯拉NOA目前只能在收費高速上使用。
如果主要通勤場景侷限在城市內，NOA的使用頻率相對較低。
特斯拉NOA與NOP的實現
2017年1月，特斯拉推出自主研發的AP2。0，2018年10月，特斯拉在AP2。0的硬體基礎上面向用戶推出NOA功能，這項功能的主旨是根據導航資訊令車輛自動駛入和駛出高速公路匝道，並且能夠超越慢車。 這裡讓我們來重溫一下AP2。0的硬體配備，8個車外攝像頭，1個前向毫米波雷達，12個超聲波雷達，以及算力144Tops的計算平臺（Hardware3。0）。基於這套硬體，AP能夠對車輛周圍環境進行全向檢測與識別，包括道路資訊與目標資料。
基礎AP是以車道保持為核心的“轉向輔助”功能，即在車道線明顯的情況下，使車輛保持居中行駛。在側後方目標識別能力的保證下，特斯拉開發出“打燈自動變道”功能，再加上前車速度與側向安全判斷，全自動變道就出現了。此時，AP距離NOA僅有一步之遙，那就是地圖資訊的加持，因為自動上下匝道的資訊都依賴地圖資料提供。與一般廠家不同，特斯拉使用定製化的地圖方案。以中國區為例，特斯拉向百度手機地圖部門定製了一張ADAS地圖，裡面的資料維度由特斯拉定義，百度提供。基於這張ADAS地圖，NOA可以獲得進行開啟範圍定義（ODD）和道路資訊，其精度雖然比不上真正意義上的高精地圖（HDMap），但對於特斯拉這種強視覺感知能力的自動駕駛方案來說，也算夠用。
蔚來NOP的實現方式基本與特斯拉NOA一致，都是基於L2級ADAS在地圖資料的支援下進行功能拓展，區別在於蔚來使用了來自百度的高精地圖，在資料精度與維度上位元斯拉的定製地圖更高。而且，NOP的高精地圖涵蓋了城市快速路，適用範圍比目前僅支援收費高速路的NOA更大。除了涵蓋範圍的差別，高精地圖的資料在執行層面也帶來更好的使用者體驗，比如前方道路的曲率資料可以提前讓ADAS系統降速，以更貼合人類駕駛的習慣過彎。而沒有使用高精地圖的NOA，在面對類似情況時只能進行視覺範圍內的判斷，從而導致執行操作上非常粗暴，甚至錯過匝道入口。
導航輔助駕駛距離L3還有多遠？
無論是NOA還是NOP，在功能定義上與高速L3已經沒有差別，差別在於硬體系統的冗餘和對高精地圖的應用能力差異。首先是硬體上的冗餘，L3要求執行機構在介面上具備冗餘能力，比如特斯拉Model 3的轉向機安裝有2個相同的介面。其實是計算硬體的冗餘，用兩顆相同的晶片進行互相驗證的計算，確保計算不會出錯。在硬體冗餘的基礎上，L3與現階段導航輔助駕駛真正的差異點就是高精地圖了，高精地圖的應用有兩種方式，一種是隻用地圖資料來規劃路徑與動作預判，第二種是將高精地圖與計算機視覺融合，實現高精定位。
燈杆、車道線、建築物邊緣、交通指示牌等元素都可用於視覺高精定位無論是NOA還是NOP，以及一些其他廠家號稱是L3級ADAS的產品，目前為止都停留在第一層，即基於GNSS定位資訊來匹配高精地圖上的資料，這就有點殺雞用牛刀的意思了。因為高精地圖的資料精度通常在橫向分米級，縱向亞米級，如果高精度的資料資訊，與之匹配參照的位置資訊卻是定位精度十米級的GNSS，浪費了高精地圖的資料精度與維度。
那麼直接用高精度的GPS裝置來實現定位是不是可行？在測試環境下可行，因為高精度GPS的採購價格可以滿足測試需求，但用作量產車型使用，目前不存在可能性，價格對於量產車來說過於昂貴。因此基於低成本硬體與一定開發成本的軟體高精定位方案就顯得至關重要了，硬體足夠便宜才能保證每一臺車都用得起，軟體開發的成本則可以被產量攤薄。
在目前已知的技術環境下，SLAM （simultaneous localization and mapping）被認為是一個切實可行的辦法，但這意味著自動駕駛團隊需要同時具備視覺演算法、視覺建圖、定位融合等研發能力，要求不可謂不高。
導航輔助駕駛真的有意義嗎?
前面提到，在功能層面，導航輔助駕駛與L3已經沒有太大差異，區別在於對地圖資料的應用而導致的使用者體驗差異。
所以這就已經決定導航輔助駕駛功能的開發是有意義的，包括但不限於功能與場景驗證、使用者體驗迭代、地圖資料的功能驗證、資料收集與迭代等，做成了導航輔助駕駛，離L3就不再遙遠。
因為L3需要的基礎能力與資料都在導航輔助駕駛的應用中可以進行驗證，甚至可以說在核心層面兩者差距就是高精定位能力。
而基於視覺結果與高精地圖的高精定位能力對於目前已經交付使用的導航輔助駕駛來說，理論上都是具備升級空間的，前提是你的感知演算法完全握在自己手中，而恰好平臺算力又有富裕。
存在升級空間就意味著現階段的開發都不會被浪費，選擇先期入場的車企又能先人一步獲得大量的實際使用者資料來持續改進產品，為真正意義上的L3夯實地基。
這就相當於導航輔助駕駛是你吃的1到4個饅頭，而L3則是第五個饅頭，要吃飽必須5個饅頭都吃，只吃第五個是不可能吃飽的。
