来自 科技2026-08-12 12:29:41
很多人以为ADAS系统的安全性完全取决于硬件冗余度，其实不然。当行业仍在堆砌激光雷达数量时，广汽已通过多模态感知融合算法实现传感器失效时的动态权重再分配——在2023年C-NCAP最新测试中，其ADiGO PILOT系统在单目摄像头被强光致盲的极端工况下，仍能依靠毫米波雷达与超声波雷达的时空同步数据，完成0.3秒内的紧急避障决策。
传统ISO 26262功能安全标准已无法覆盖ADAS在开放道路的复杂场景。广汽研发团队发现，预期功能安全（SOTIF）的触发条件往往藏在人类驾驶行为的模糊边界中。例如在广州内环路A出口的连续弯道场景，系统需同时处理：1）导航地图精度误差（±3m）；2）前车急刹的制动波传播延迟；3）右侧摩托车道的突防风险。通过构建数字孪生测试场，广汽将此类场景的决策树分支从12种扩展至47种，使系统在模糊边界的误触发率降低82%。
这座5层立体交通枢纽的匝道曲率半径仅25米，且存在12%的坡度变化。传统ADAS系统在此场景的失效模式集中在：1）GNSS信号丢失导致定位漂移；2）视觉特征点稀疏引发目标跟踪中断。广汽的解决方案是：在匝道入口500米处激活高精地图+IMU的紧耦合定位模式，同时通过动态感兴趣区域（ROI）算法将视觉处理资源向弯道内侧倾斜。实测数据显示，系统在该场景的横向控制精度达到±0.15m，超越人类驾驶员平均水平（±0.3m）。
听起来可能反直觉，但广汽的工程团队发现：ADAS的真正瓶颈不是传感器性能，而是数据闭环的迭代效率。通过部署车端-云端协同的影子模式，系统每日可处理1.2PB的边缘场景数据，使Corner Case的识别速度比行业平均水平快3倍。这种技术路线选择，本质上是将ADAS的竞争从硬件军备竞赛，转向软件定义汽车的数据资产运营。
