今天集度 ROBO 1 正式对外公布概念车车头细节，包括贯穿的 LED 灯带、ISC 交互大灯、轮眉上的 ADAS 指示灯等等，更为重要的是前舱上的两颗“对称”前向激光雷达。

上次我们看到概念车版本是像“跳灯”一样支持翻转，此次官方透露概念车和最终量产版本会有差异，实际效果会在 ROBODAY 上再公布。

一、双融合激光雷达能带来什么？

目前我们看到主流的方案有理想 L9 、蔚来   ET7   以及 飞凡 R7 上采用的头顶式单颗主激光雷达方案，还有小鹏 P5 、小鹏 G9 以及智己 L7 可升级的两颗激光雷达方案，还有像极狐阿尔法 S HI 版、机甲龙、威马 M7 、路特斯 ELETRE 上采用的多角度布局方案。

采用两颗激光雷达上车的案例其实有很多，但此次集度布局的亮点在于将两颗前向激光雷达做融合，所以实际上融合出来的效果是“一颗激光雷达”，这也是我们此次讨论的一个重点。

1、更大视场角的覆盖。

首先双融合激光雷达在集度上的效果有点像我们双目视觉、眼睛的效果。

当我们遮住一只眼睛时，我们的视角所能覆盖的场景会降低，同时立体判断、距离判断会失效 。

双融合激光雷达也类似，将两个激光雷达做“对称”式的标定对齐，可以把 AT128 的水平 120 度的 FOV 提高到 180 度的覆盖，覆盖的范围会更广。

这样的好处是可以更好覆盖车身两侧的盲区，如果我们采用一颗主激光雷达方案会无法探测到左右侧的盲区，这也是为什么小鹏要单独采用两颗补盲激光雷达的原因。

这些盲区包括比如我们行驶在城区街道中，沿边停了很多社会车辆，这时候足够广的角度能够帮我们检测到一些“准备”鬼探头的行人或两轮车。

另外盲区还有在我们被其他人加塞时，能够带来更早的“感知”效果，在我们下匝道时需要“加塞别人”时，这时候激光雷达也能够发挥一定的作用。

2、点云信息更丰富

还是沿用我们刚刚提及到的双目视觉效果，双目除了提供视差带来的立体效果，同时还能带来更丰富的视觉信息。

集度官方介绍到在车辆正前方 60 度 FOV 的区域内，双激光雷达的地点云信息可做到加倍重叠，能够这个区间的目标物所“反馈”回来的信号更强。

这样的效果和我们的眼睛相似，人眼的中心视觉的空间分辨率相比人眼的边界更高。

禾赛 AT128 在 10% 反射率状态下的探测距离为 200 米，的点频数为每秒能够发射出 153.6 万个激光点，高点频还是得益于激光雷达的激光器数量， AT128 的发射端共有 128 个激光器，也就是同时会有 128 束激光同时扫描。

当然集度采用的双融合激光雷达可能会遇到和双目视觉共同的难题，也就是如何确保两颗激光雷达一直保持相互对称，不会因为震动、外力带来的“视觉偏移”，一旦偏移可能会带来感知偏差，可能这也是集度选择布局在车前盖的原因，不容易受到外力干预。

3、冗余备份

当然两颗激光雷达也能够起到互为冗余的作用，特别在更为高阶的智能驾驶阶段，一旦单个激光雷达失效，可能会对整个系统带来瘫痪，引发诸多安全问题。

二、集度为什么采用双融合激光雷达？

我们看到，不同车企对激光雷达的宣传点不同，更多是突出激光雷达的特色，但我们需要回归到基本问题，就是车企为什么要用激光雷达。

比如小鹏的两颗侧向激光雷达是想辅佐于城市 NGP 下的盲区场景，而蔚来高性能激光雷达更贴合自身定位，满足自身 NAD 的性能需求等等。

结合激光雷达行业，我们可以拆分两个方向思考，第一方面是车企端，思考集度智能驾驶背后的逻辑，另一方面是基于当前激光雷达的市场思考。

1、集度：视觉和激光雷达双独立方案

和目前主流采用的多传感器融合一路的方案不同，集度汽车负责人王伟宝强调，集度会采用主视觉方案，同时摄像头以及激光雷达方案两条路径并行，两个方案独立运用在智能驾驶系统里，两者可以互为冗余，协同工作。

这样的技术路径和 Mobileye 略为类似。

Mobileye  认为在成本、性能以及安全三大指标中考虑，智能驾驶需要多路系统相互独立，避免对某些传感器产生依赖，同时大范围降低成本。

比如 Mobileye 就有两个子系统，一个是基于纯视觉驱动，另一个是基于覆盖 360 度的激光雷达、毫米波雷达驱动，各自冗余同时独立发挥作用。

所以我们这也从侧面看到集度将会采用侧重摄像头的技术方案。

在 Apollo Lite 的纯视觉感知技术路线中，Apollo Lite 诞生了两个技术成果，一个是将百度多年的 Robotaxi 技术路线量产化，也就是舍弃了包括激光雷达等在内的智能驾驶硬件，降低成本，另一个是百度落地 ANP ，包括 城市领航辅助系统 ANP 以及泊车 AVP 。

微妙的是， Apollo Lite 技术本身不是将摄像头和激光雷达列为“不共戴天”的关系，不是排它，而是将两者保留了第一性。

我们知道 L4 架构的激光雷达和乘用车采用的激光雷达方案不同，不同激光雷达厂商产生的激光雷达数据不同，所以要继承百度 L4 架构，ANP 方案只能在“视觉”单一方向发力，才能让 L4 架构产生延续性。

这样纯视觉方案让系统包袱更轻，通过视觉算法的优化、车规级计算平台的适配，也带来成本更低的方案，另外百度 L4 和集度就可以通过“视觉方案”共享一套技术驱动系统。

王伟宝也提到目前 SIMU Car 的研发步入了 2.0 阶段，而在 1.0 的阶段，集度的智能驾驶系统就是基于纯视觉驱动方案，实现了城市和高速域的贯通。在 2.0 阶段才正式融入了 激光雷达 方案。

这样才能够让视觉方案和激光雷达方案相互验证，相互独立。

王伟宝曾把集度 SIMU Car 的研发划分为三个阶段：

• SIMU Car 1.0 是小学阶段，主要专注在算法逻辑、架构设计、基础功能模块开发，软件跟底盘的连调，智能驾驶基于纯视觉方案；
• SIMU Car 2.0 中学阶段，也就是现阶段会实现面向 L4 电子电气架构 JET、点到点的自动驾驶能力的量产；
• SIMU Car 3.0 大学阶段，也就是在年底进入量产前交付的最后测试阶段，主要是提高整个智能驾驶每个专项的能力。

2、激光雷达行业思考：不同技术路线组合带来不同的效果

现阶段处于激光雷达百花齐放阶段，目前市场并没有绝对的技术路线，车企这时候需要对激光雷达的应用作出思考。所以我们也看到了不同车企对某个激光雷达的应用不同，组合形式也不同。

一颗、两颗甚至多颗的组合实际带来的功能和实际效果也不同。可以肯定的是目前激光雷达市场还没有如摄像头、毫米波雷达市场的成熟，所以才会诞生出相同的激光雷达会出现不同的“组合形式”。

除了车企选择上，其实目前百花齐发的激光雷达路线中每种方案都有各自的优缺点，例如目前主流 mens 扫描方案，其因为在成本、性能和尺寸上能够有一定的权衡被目前大范围采用。

当然激光雷达除了扫描模块，激光雷达的接收端和发射端也有不同的技术路线，通过这三者的不同组合激光雷达厂商会诞生不同的技术路线。

可以预见的是激光雷达传感器不是高阶自动驾驶的唯一传感器，但也是必不可少的。

但话又说回来，其实目前可提供给车企选择的激光雷达方案非常少，即使今年是前装量产的元年，但远远没有达到大规模量产的阶段。

所以目前更多车企考虑性价比、高性能方案的同时，也不会对激光雷达产生过大的依赖性，还是把激光雷达融入在视觉具有“缺陷”的场景中，比如黑夜、盲区、小物体检测、高速场景等等，所以不同的布局也可以看到车企对激光雷达的实际需求。

三、总结

对比当前主流的视觉路线，集度的“先天优势”在于能够背靠百度在 L4 无人车的技术框架下，落地可独立的视觉方案，同时可以对量产落地的乘用车上做新的定义，加快研发效率，在交付后集度的智能驾驶更新频率是周更。

这样在利用激光雷达上车后就有更多的“主动性”，而百度自身作为地图供应商，本身能够对高精地图做测绘更新。

当然新的环境中，更为重要的是集度如何在人机交互中定义好的功能体验，另外 L4 无人车技术向乘用车落地当前依旧面临不小挑战，商业化本事考虑的不仅仅只是传感器本身。

集度透露原计划于 4 月举办的 ROBODAY ，因疫情原因将延期举办。目前首款量产车型 ROBO 1 将于 2023 年上市交付，旗下第二款量产车将有望在今年年底的广州车展发布。