沒想到今天小米釋出會，直接放出了自動駕駛的階段性成果；整體進度比我想象中要快啊，這必須得好好分析一波。（請搭配原視訊觀看本文，效果更佳）
先說結論：
1、在自動駕駛技術上，小米目前展示的狀态，沒有領先業界的超前突破。
2、總體水準處于ROBO Taxi類改裝車的上等。
2、但是考慮到測試車的就位時間，在進度上的狂飙突進還是非常厲害的。
改裝車研判
視訊中出現了兩種小米自動駕駛測試車，傳感器布置形式相對原始——在車頂上裝了個“大帽子”，把雷射雷達、攝像頭啥的裝在上面。
這是ROBO Taxi類型“自動駕駛公司”慣用的改裝類型，也比較适合小米這種暫時沒有原型車的狀态。
這樣做的好處，就是給傳感器最大的感覺空間；缺點呢，就是家用車不允許這種制造模式，傳感器必然融入整車工業設計，是以這個狀态到整車，還需要有很長的工程整合、繁瑣測試。
說人話就是：我們目前無法從自動駕駛測試車的狀态，去猜測小米24年新車的工業設計、傳感器布置等資訊。
CNOA狀态研判
視訊第一段，為城區領航輔助狀态，即所謂CNOA（City Navigate on Autopilot）；也就是大家最想要的狀态：打開車載地圖導航，選中目的地，汽車全自動開過去。
因為進度第一，是以小米的CNOA必然強依賴高精地圖；注意觀察右下角的可視化效果，路面的3D點雲異常穩定，不太可能是實時模組化，推測為高精地圖的視覺重建。
但是小米的感覺部分寫的真不錯，請注意這裡的可視化效果，對其他車流的識别重建，都沒有發生可感覺的劇烈抖動。
說明車輛的感覺系統非常穩定，能夠精準的抓住目标，而且3D重建的可視化平滑算法做的到位；而且模型比較優雅，流暢度目測也是很不錯的，我喜歡。
還注意套在3D模型上的三維框框，這也是基操了；之前某車廠的自動駕駛示範視訊，對目辨別别是二維框框，業界同行很是嘲笑了一番。
避讓大型車和加塞車Cut in，正常操作，小米測試車感覺條件遠超家用車，能做到不稀奇，做不到才是問題。
NOA的标志性操作——自我決策上匝道和主動變道。
這裡小米的規控做的不錯，變道政策不是死闆的看前車距離，而是看相對速度；左車道盡管還沒超過自己的車道，但是系統觀測到它相對速度更快，就馬上變道，提高通行效率。
這個政策還是比較聰明的，但是視訊加速太快，看不出來變道控制的順滑程度。
風險避讓，正常操作；大家玩命更新感覺系統，搞出來Lidar+環視+毫米波的多層感覺，就是幹這個的。
無保護掉頭，這是個高難場景，需要感覺系統全力工作，同時決策系統要兼顧通行效率和安全性——不能拐的太慢，不然你這輩子都掉不過來；不能拐的太快，不然要出事。
得益于車頂極其優越的觀測位置，測試車的感覺系統提供了360度全方位的資訊，這個掉頭比較順滑。
但如果裝在小米的量産車上，Lidar最多隻能提供前半球觀測資訊，毫米波也有一堆死角，這種場景就得純靠環繞視覺感覺了；這就是我前面所說，小米需要在量産車上解決的工程問題。
有紅綠燈的可視化（右下角），但是不知道是V2X發回的資訊（跑在武漢自動駕駛示範路段），還是純靠視覺識别的資訊。
如果是後者，那麼小米的技術狀态還是可以的。
避讓公共汽車（大車），基操了
這段很有意思，注意看可視化資訊，小米測試車已經建立了完善的行人、兩輪車識别模型。能識别、能避讓、能3D重建，進度不錯。
複雜多路況左轉，不過有紅綠燈，難度中等吧。
這段很有意思：得益于位置優越的感覺系統，小米測試車第一時間發現了被SUV遮擋的電動車。
這個識别非常迅速，決策繼續往前開也非常果斷，不知道量産車還能否達到如此驚豔的水準。
行人避讓，基操。
環島行駛，CNOA的基操。
我朝馬路自有國情在此！超繁忙路段，人車交雜，小米測試車表現得很穩，規控做的不錯。
無保護右轉這裡，我起初以為出現了個常見Bug——也就是識别到了紅圈的老大哥，沒及時停下來，都開到人前面才停下。
後來發現不是，是檢測到左前方的粉色電動車，必須避讓，安全性的預判算法寫的真不戳。
CNOA狀态結論
小米測試車的CNOA總體看起來比較順滑，是典型的城區高精地圖強依賴路線，而且因為傳感器全部放在車頂，是以感覺條件非常優越。
能做到這個水準的廠商很多，ROBO Taxi （就是那些所謂的“L4自動駕駛創業公司”）一抓一大把。
小米比較優秀的地方在于：他們時間很緊，500天以内拿出來這一套東西來。
感覺、決策、控制算法看起來成熟度還行，能跑到這個程度，值得肯定了。
小米的挑戰在于：工程化量産的過程中，傳感器特别是雷射雷達，必然與整車設計高度融合，因而感覺空間會大大受限。
Lidar會從現在的360度無死角，變成隻能最多隻能看到前半球270度（1前2側布局），甚至不到180度（車頂前向單Lidar布局）；是以對環繞視覺的感覺算法提出了非常嚴苛的要求，期待小米量産車給一個滿意的答案。
AVP自動泊車研判
第二部分是AVP無人泊車，即如圖所示——站在車庫門口點下手機，汽車自動泊入預定車位。
因為車庫環境較為簡單，且時速較低，是以這輛測試車幹脆以無人駕駛形态往前開。
自動下陡坡我還覺得挺驚豔的，感覺系統這麼強？
不過看第二張圖，emmm，還是預先建圖的——就是說車裡已經有車庫的高精地圖了，難度要低不少。
這張圖會更明顯一點，車輛還完全下坡，左邊還有遮擋，車庫的可視化效果已經出來了（右下角）。
不過感覺系統寫的還行，識别車輛的速度挺快。
這張會更明顯：出庫車輛越線就識别到了，還有兩個空車位也準确識别；就算有高精地圖加持，感覺系統不行那也是白搭。
90°急彎，方向盤拉出了一個巨大的角度，控制算法挺給力；但是畢竟試驗車，量産車的情況無法從視訊推斷。
繞行雪糕筒，AVP基操
倒車入庫，基操
機械臂自動充電，想得很好，實踐非常困難：汽車的充電口位置不統一，前後左右都有分布，光是機器人跑來跑去的算法就夠你喝一壺的。
而且很多車的充電口蓋并非電動彈出，你要怎麼打開呢？就算是能電動彈出的，你又怎麼激活彈出程式呢？
更何況國标充電口标準寫的非常哈批，水準低下，鎖止機構異常導緻充電槍鎖死那都是基操勿六；萬一鎖死，還得車主大費周折緊急解鎖，甚至還解不下來...
總之，如果想用機械臂形式做第三方公共自動充電，不太現實，長期來看這還是個非常重人工的活。
不過如果是富B裝自己家用，那當我沒說，現階段插拔充電槍确實不夠優雅...有機器人代勞會好很多。
AVP狀态結論
相比CNOA狀态，自動泊車的AVP狀态驚喜較少；主要是你們提前建圖了喂，沒看到實時感覺算法有太大的發揮空間。
最後總結
小米展示的8分鐘視訊，完整的展示了工程改裝測試車的狀态，也是涵蓋了目前輔助駕駛最大的3個場景碎片——“城區-高速（環路）-車庫”。
如我之前所說，想從這個狀态推斷量産車非常困難；小米最大的目的，應該還是建立下公衆信心，表達自己有意願、也有能力站在高階輔助駕駛第一梯隊。
目前展示出來的能力，并沒有很強的前瞻性突破；但還是那句話——你考慮考慮時間呢？
而且人家也志不在此，作為新晉車廠，先把測試車跑起來才是最重要的。
從正式開始組建團隊，到今天展示測試車狀态，我覺得小米汽車ADAS進度還挺快的，比我預想得要快；我以為23年上半年才會開始展示，24年下半年開始僞裝車測試。
目測量産車依然是第一梯隊感覺硬體：前半球Lidar+環繞視覺+毫米波的2層半架構；我比較感興趣的是計算平台用哪家，那時候老黃單片1000T算力的Atlan應該出來了，但是地平線J6和高通下一代Ride也會登場。
其他的就不猜了，資訊太少，先到這裡吧。