不同于其他城市道路的规范化测试，AutoX今日（8月23日）公布了一段城中村的自动驾驶测试视频。在一些可能令人类驾驶员感到棘手的场景中，测试车辆在37分钟内实现了零干预驾驶，且全程没有安全员和远程遥控，实现了真正的“纯无人”自动驾驶。

此次测试选在出行量较大的傍晚时段进行。测试车辆配备了第五代系统Gen5，包括激光雷达、4D毫米波雷达、摄像头和微波雷达等多种传感器，主要行驶在城中村的支路和次主路上，路况复杂多变。

根据视频内容，测试车辆在无车辆保护和车内无安全员的情况下，自主完成了所有驾驶任务，未出现失控或报警情况。

尽管视频中未展示周边环境的三维模型，也没有提供车速、加速度等详细信息，但观众依然可以对这套系统有一个初步的了解。

场景一：穿越无序混行路况

城中村内行人、非机动车、汽车以及违法占道车辆的复杂环境，是其与城市道路的主要区别之一。在这次测试中，AutoX的测试车辆多次遭遇无序混行的情况，甚至在人群中穿行，但在自动驾驶系统的操控下均顺利通过。

这种交通参与者众多且无序的环境，对自动驾驶系统提出了极高的挑战。与城市道路相比，后者虽然同样面临混行问题，但主要考虑的是周边车辆。相比之下，城中村需要同时感知更多的交通参与者，且他们的行为模式更加难以预测，增加了决策难度。从根本上说，自动驾驶系统必须对每个交通参与者的行动进行预判，这其实是一种复杂的博弈过程，但这种博弈的概率并不相同。例如，城市道路中的车辆行为通常较为规范，可以依据交通规则和道路条件进行预测；而在城中村，行人和非机动车的行为则难以找到规律，这使得系统不得不变得更加保守。

在视频中，AutoX的测试车辆在城中村行驶时显得格外谨慎，一旦识别到影响通行的行人，会立即刹车并保持较大的安全距离。然而，在城中村前后的城市道路上，测试车辆的表现则更加自信，无论是跟车还是通过无红绿灯的路口，都没有太多犹豫。

场景二：应对非常规道路环境

城中村内，各种难以预知的非常规道路环境也是自动驾驶的一大难题。AutoX的测试车辆遇到了许多非标准的道路情况，如临时帐篷占据车道、障碍物设置、非标准道路等，但都顺利通过。

当测试车辆进入城中村时，发现自己的车道被临时帐篷占据，但它并没有犹豫，而是果断跨越了允许借道的黄虚线，在与行人和非机动车的互动中顺利通过。在此过程中，道路不规则、标线不清、出口狭窄等问题并未给测试车辆带来额外的操作负担，它几乎没有任何多余的动作，径直通过了这一路段。

在遇到路边违停车辆时，测试车辆并没有坚持自己的行车路线，而是在遵守交通法规的前提下，变道完成超越。只是在回归自己车道时，受到对向车辆的影响，选择了保守让行后通过。

场景三：无标线道路

测试车辆还遇到了一段完全没有道路标志的情况，突然出现一片空地连接两侧道路。尽管如此，测试车辆仍然成功找到了合适的路线。

场景四：无保护路口

城中村内的无保护路口也是另一个难点，这里不仅缺乏红绿灯，路口布局也不合理，车辆视线受限，交通参与者的感知和判断难度增加。AutoX在测试期间较好地解决了这些问题，在无红绿灯保护的情况下，多次完成了直行、左转、右转等动作。

一次左转过程中，测试车辆不仅要应对行人、非机动车等多方干扰，左侧还有两台三轮车遮挡视线。但测试车辆仅在短暂减速后，便顺利完成了无保护左转。另一次左转过程中，测试车辆识别到后方驶来的电动车速度过快，且路线重叠，因此提前减速让行。从电动车的速度来看，如果没有减速让行，双方可能发生事故。

场景五：单车道会车

城中村由于停车位不足，许多汽车选择违规停靠在路边，导致仅有一条车道可供通行。这种情况下，会车问题成为自动驾驶系统的一大挑战。如何判断谁应让车、如何顺利找到让车点、如何在非标准路线上行驶，都是需要解决的问题。

在测试中，AutoX的测试车辆多次遇到类似情况。第一次与对向车辆交汇时，测试车辆认为自己享有路权，不仅没有退缩，还通过远近灯光切换提示对方，最终对方让车顺利通过。在另一次单车道交汇中，双方车辆距离出口较远，测试车辆选择连续两次倒车，腾出足够的空间，两辆车相互绕行成功通过。

场景六：突发车辆

遇到突然出现的车辆时，AutoX的测试车辆处理得相当成熟，不会轻易被打乱节奏。它通常会保持原定路线和速度，让对方先行。如果无法避免，也会缓慢减速，而不是急刹车。

如果只是普通的交汇，如并入并出、路口相遇等，当AutoX享有路权时，在对方不影响自己前进路线的情况下，基本不会看到避让或明显减速。

视觉与雷达融合方案

AutoX的测试车辆能够实现在城中村环境下的自动驾驶，得益于第五代系统Gen5的强大硬件配置。这套系统采用了视觉与雷达的融合方案，全车共有28个8百万像素的摄像头，每帧像素总和超过2.2亿。雷达部分更是出色，车顶装有两个128线激光雷达，周围四个64线盲区激光雷达，以及八个能识别高度信息的4D毫米波雷达。这种配置程度堪称豪华。

这次在非标准城中村完成的自动驾驶，很大程度上依赖于雷达布局带来的感知能力，这是纯视觉方案现阶段难以通过机器学习实现的。此外，AutoX的方案并非简单的“堆料”，随着传感器数量的增加，海量数据的解析任务和不同传感器数据的融合判断，对自动驾驶系统的软硬件能力提出了更高的要求，难度系数实际上大幅增加。为此，AutoX自主研发了核心计算平台XCU，该平台采用英特尔CPU+英伟达GPU+赛灵思FPGA架构，整体算力达到2200Tops，完全满足L4/L5级别的自动驾驶需求。