即学即用，威马x百度Apollo的这套无人泊车系统到底会有多大的潜力？

“到达目的地之后，把车辆停在停车场的入口，车会在无人状态下自动驶入停车场内，寻找并泊入可停靠的车位；用车的时候，通过手机远程一键式操作，车辆以无人状态下自动驶出停车场，来到用户的面前。”这项无人式的代客泊车正在从 Demo 走向现实。

近日，造车新势力威马的第三款量产 SUV W6 在湖北黄冈生产基地正式下线，和新车共同量产的还有威马与百度 Apollo 共同研发的一项停车“黑科技”：云端智能无人泊车系统，简称 Cloud AVP。该技术可以帮助 W6 实现无人干预情况下的自动驾驶、躲避障碍物、车位智能搜索和自主泊入、泊出等功能，甚至可以通过手机遥控实现一键停车和召唤。整个停车过程分为有人和无人两种场景，利用手机操作时，车辆可完全实现无人化的自动驾驶。

先说硬件部分，W6 全车配备了 24 个传感器，其中包含 5 个 77GHz 毫米波雷达、7 个摄像头及 12 个超声波雷达，另外还搭载了一枚自带 5G 传输的高通 8155 车机芯片。

传统印象里的 AVP 代客泊车非常依赖停车场场端的基础建设，需要为其配备大量的传感器与车辆进行通讯，是一项极为“烧钱”的工程——比如之前奔驰S级在斯图加特的进行L4级自动泊车，就更加依靠场端建设。（延伸阅读：首款L4级自动泊车量产车型，全新一代奔驰S级在斯图加特实现无人泊车）

相比而言，威马和百度的这套东西就“轻”了很多，正如“Cloud AVP”其名，它们采用的是一种单车智能＋云端算力支持的解决方案。

什么意思？看了我的实际体验，你就会知道这是怎么回事。

人类持续进化能够走到今天，一项关键能力是学习，再难的题目反反复复做几遍也就不难了。停车本就是一件“公式化”的事情，如果让车辆提前知道接下来要走的路，那是不是就能变得简单许多了呢？在我看来，Cloud AVP 就是一种非常“讨巧”的方案。

上车之后，你会在中控屏上找到一个“学习型自主泊车”（H-AVP）的入口，你可以从这个入口为车辆添加一条或者最多五条学习路径。也就是说，在车子成为“代客泊车”的“老司机”之前，他必须先熟悉熟悉路！提前把考题背了。

怎么个学习法并不复杂，其实就是让你先自主驾驶给车子做一遍示范。比如 A 是你的车位、B 是你经常上下车的接驳点、C 是停车场入口。你要做的就是让车辆提前走一遍 A-B、B-C、C-A 这三段。在你自主驾驶之前，你在车内先创建学习任务，然后你再以 15km/h 的限速人工把上述的路线跑一遍，目前从长度目前不能超过 100m（据说量产之后会增加这个距离）。行驶到 A、B、C 每一个节点的时候，你都需要停车稍待几分钟，让车辆完成学习，并将路径数据扔到云端去。

这个路径数据包含哪些东西呢？当然绝不仅仅是一个路线那么简单。其实在你自主驾驶的过程中，车子首先会记录你的车位信息，接着传感器会动态记录周遭的环境信息，并且完成建模，这些数据都会被实时记录下来上传云端，然后在车辆自动驾驶的时候去调用这些数据，等于车子提前画了一张“高精地图”，有点类似地图采集众包的意思。

在完成学习之后，车子就可以按照提前走过的路线完成停车作业了。在 A 点停车位泊入、泊出的动作好办，实际上就是自主泊车功能（APA)，传感器会自动识别车位，控制油门刹车完成操作。相对比较复杂的场景是怎么进停车场和从停车场出来这一段，停车场的路况复杂，行人横穿、过往会车都是比较常见的场景，这非常考验车辆“随机应变”的能力。

整体来说，本次演示环境相对比较理想，威马没有过多地设置复杂场景。对于有来车，有行人的情况下，车子的逻辑是停车让行，待移动障碍物远离之后再继续工作。让行人这事儿比较好办，我比较好奇的是，在狭窄的环境下，AVP 会怎么去避让车辆，毕竟原地等待往往会影响正常通行。老司机都知道，停车场会车的时候大家往往都是一种比较“拧巴”的姿势，通过反复操作尽可能地给对方挤出通行空间，类似这种场景，威马没有给到我们答案。

总得来说，在理想环境下，H-AVP 的表现还是非常靠谱的。手机召唤过程也非常简单，同样是提前学习路径，然后你一键在手机下发指令，但要注意，出于安全考虑车辆在无人状态下，你要时刻点击手机屏幕，手一停车子就会随即制动停车。需要强调的是，和现在市面上的一些“循迹倒车”逻辑有些类似，H-AVP 在行驶时会尽可能地还原学习的路径，也就是说你学习的时候压着线走，它自己执行的时候也会压线，不过停车时除外，即便你之前停歪了，车子到时会自主摆正。另外，整个停车过程时候的车速还是比较慢的，大概被限制在 10km/h 以下，而且现阶段所有的过程都必须在用户的视野监控范围内。

最后，我再总结一下学习型自主泊车的作业逻辑：

1. 人类驾驶，学习路线；

2. 学习过程中，车辆完成计算和推演，把数据上传到云端；

3. 传感器监测＋调用云端数据，实现停车场的自动驾驶；

4. 自主泊车功能完成车辆的泊入、泊出。

学习型自主泊车比较适合固定停车场的用户，学习一次基本就可以一劳永逸，即便你没有固定车位，它也可以。那么有人要问了到陌生停车场怎么办？我总不可能先提前学习一遍吧。这就需要提到接下来的进阶功能：云端高精地图泊车（P-AVP）。

顾名思义，P-AVP 就是提前拿到了高精地图数据，省去了学习的一步，上手即可自主停车。这个高精地图哪里来，一方面是供应商提供；（威马必然是百度）另一方面就是用户的日常数据去反哺云端，你可以把每一辆使用了 H-AVP 的威马看作是一部地图采集车，通过用户的不断使用，这些数据会持续不断地丰富更新，然后共享给其他用户。

威马的这次体验并没有完全戳中我的兴奋点，一句话——“考题太简单了”。我并不怀疑威马和百度的技术实力，但目前这套 AVP 泊车展现给我们的场景还太多单一，中国停车环境尤为复杂，如果本次演示代表了威马现阶段可量产的全部实力的话，这套产品显然还是没办法让所有人都满意的。

不过必须肯定的是威马在控制成本方面的努力，毕竟好的技术必须得合适的成本才能做到普惠大众。借助云端的能力，威马和百度把原本重场端建设的 AVP 做得足够轻量化，做到了以尽可能的低成本让消费者快速尝鲜新技术，同时还一定程度上弥补了单车智能的不足。

但是问题来了，缺乏场端建设完全依赖高精地图，在面对复杂场景，这套 AVP 究竟还有多少威力？时间仓促，我期待威马下次能够给到更丰富的测试场景。