Robotaxi要的不是"大概在哪",而是"在第几条车道"
Robotaxi在城区跑,最先被追问的往往不是算力够不够、激光雷达看多远,而是:车知道自己在哪里,知道得有多准?
这个答案决定了无人车敢不敢在没有安全员的情况下并入主路、敢不敢在路口做左转博弈、敢不敢让乘客在路边下车。普通导航的误差在几米到十几米之间,对人够用,对一台无人车来说,却可能把隔壁车道认成自己的车道,把辅路当成主路。
![]()
城区是GNSS最不友好的环境:高楼反射带来的多路径、隧道与地下通道的遮挡、高架桥下抬头只见混凝土。千寻位置依托全球10000多座GNSS地基/星基增强站,PPP-RTK在不依赖本地基站近距离部署的前提下,就能把定位精度稳定推进到厘米级区间。车辆从城东开到城西、从城区开到郊区,定位不会因为"出了某个覆盖圈"而掉档。
从芯片到模组:一套能上车的PPP-RTK链路
要让厘米级定位真正上车,光有服务不够,还要有能扛住车规环境的硬件。
千寻位置FindAUTO Ultra PPP-RTK方案,把服务侧能力与车端硬件打通:定位精度覆盖2cm-30cm区间,完好性达到10⁻⁷/h,即每运行一千万小时才可能出现一次有危险但未告警的情况。
芯片层面,千寻位置BG1101支持片上RTK,128通道,输出频率10Hz,功耗约100mW。10Hz意味着每100毫秒刷新一次位置,时速60公里时两次定位之间车辆移动约1.7米,足以让控制模块及时修正轨迹;低功耗则直接关系到域控制器的散热与整车能耗预算。
模组层面,千寻位置MC282A把GNSS与IMU组合,GNSS提供全球绝对坐标、误差不累积,但怕遮挡、更新慢;IMU不依赖外部信号、短时精度高,但误差会随时间漂移。组合后,用GNSS持续校准IMU的漂移,在隧道、地库等GNSS失效时靠IMU继续推算,实现“无缝”定位。
城区实测数据:99.99%可用性意味着什么
参数好看不等于路上好用。Robotaxi的验证,最终要落到具体路况。
千寻位置FindAUTO智能驾驶方案城区实测中,空旷/低矮楼场景RM5小于5米;高架下、高楼旁场景RM5小于10米。这组数据覆盖的正是Robotaxi最容易出问题的几类场景:空旷低矮楼群、高楼密集的城区与遮挡严重的桥下空间。
此外,服务可用性达到99.99%,这对规模化运营的Robotaxi车队来说,这直接决定调度系统能否按计划派单,也决定乘客端体验是否稳定。
更值得关注的是规模。千寻位置FindAUTO智能驾驶方案已在量产车型上累计上车500万+台,意味着它通过了真实车规环境的长期检验,而不是实验室里的短时跑分。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.