#技术巡猎# #小鹏汽车# 移动装置控制方法---“车会自己倒车”，终于来了。还记得特斯拉是如何封神的么？FSD自行倒车，满屏牛逼。而今的XP，这个专利，就是这个事情。这也是智驾里最后的一个问题---高速NOA、城市NOA、红绿灯识别、自动变道，听起来都很高级，但真正容易骂车的场景，往往是在地库、窄巷、侧方车位、断头路、园区急弯这些地方，在这些地方不揉库你是解决不了课题的，而要倒车，你就得退出智驾。

这项专利要的，就是让车学会这种“揉车”的能力。
它会先根据车辆周围的环境感知数据，判断当前是什么场景；再根据场景和环境生成目标路径，并在车机交互界面上展示；然后把这条路径转换成倒退、前进等行驶指令，最后控制车辆执行，也就是复杂极限场景下难以实现倒车脱困。

它要先判断，自己到底卡在什么场景里。
是侧方车位被前后车夹住了？
是U型窄路一次掉不过头？
是地库急弯角度太小？
还是双向窄路会车，需要自己往后退一点让别人先过？

这些场景对智驾来说叫“高几何复杂度环境”。
也可以说就是车身大、空间小、障碍多、容错低。
高速上留给系统的是几十米、几百米；地库里留给系统的可能就几十厘米。
高速智驾，就像是考试做大题，低速脱困呢？更像是在格子纸上用铅笔描边，手一抖就出界了。

这类能力最难的是前后动作要连续。

传统辅助驾驶的问题在于，行车归行车，泊车归泊车。
你在路上开，是一套系统；你进车位，是另一套系统。
小鹏这个专利的前提，是打通行车和泊车，传感器、算力、感知、规划、控制都尽量复用，而不是进入低速窄空间就重新切模式。如此，车才能在“开”和“挪”之间自然切换，该往前就往前，该倒退就倒退，该停就停，这里面有几个关键点。

第一，车要先“看懂局面”。
专利里提到会用摄像头、雷达等传感器获取周围信息，再形成类似上帝视角的BEV鸟瞰图，哪里是墙，哪里是柱子，哪里有车，哪里有行人，自己车头朝哪、车尾离障碍物还有多远，都标出来。目的是为了避免“只看一边”。人倒车时会看后视镜、环视、车头距离，还要脑补车身摆动轨迹，车也一样。

第二，车要知道“该怎么揉”。
专利里的目标路径不是一条单纯往后的线，而是包括至少一个倒退路段和至少一个前进路段。也就是说，它设计的动作天然就是“退一下、进一下、再退一下、再进一下”这种组合。每个倒退路段有倒退目标点，每个前进路段有前进目标点。这就很接近人类老司机的思路了，不是为了倒车而倒车，而是为了把车身姿态调整到下一个更好走的位置。每一次后退，它都是在给下一次前进创造角度。

第三，它不是只靠规则，也不是完全靠AI。
专利里一边提到基于交通规则和几何约束生成候选路径，另一边又提到用E2E模型生成多条概率路径，然后再进行安全校验和成本评估。可以理解成两个司机在车里商量：一个是老教练，保守、守规矩、知道哪里不能走；另一个是老司机，有经验、会随机应变、知道怎么揉得更好，两个结合起来，才是真正可量产的方案。

这些路径都会在交互界面上展示，倒车时也会显示倒退影像或者提示信息，比如车到倒退目标点还有多远。要知道低速脱困这种场景，其实我们最怕的不是慢，而是不知道它想干什么。车机上把路径、刹停点、距离提示清楚以后，你就有了信任它的理由了。

以及控制挡位、速度、方向盘角度、刹车时机，还要在倒退和前进之间无缝衔接。
低速场景确实是个非常残酷的场景，速度不快，但精度要求极高---你知道它意味着什么，也知道能做这件事以后，又意味着什么。