為了更新FSD，馬斯克繼“交通信號燈和停車標誌自動檢測功能”之後，又拋出了壹個彩蛋：今年年內，特斯拉將實現“逆向智能召喚”。
也就是說，到時候特斯拉汽車不光能在停車場“接客”，還能在車主下車後自己找車位。
自Autopilot?10.0系統更新以來，“智能召喚”就被不少特吹拿出來炫技，但也有不少車主覺得雞肋，“逆向智能召喚”反而顯得更實用。簡單來說，這項技術能夠支持駕駛員通過在手機APP端發出指令，遠程“遙控”車輛完成停車或駛出車位的動作。
整個過程不需要人類參與，是壹個非常典型的限定範圍內低速無人駕駛應用場景。如今，該功能也將作為年內FSD核心自動駕駛軟件升級的重要組成部分推送到用戶手中。
有意思的是，就是這樣壹個實現“泊車自由”的功能，特斯拉再次站在了傳統車企的對立面。
還是那個特斯拉
自主泊車的原理大概是這樣的——
自動駕駛車輛通過預先建好的停車場高精度地圖，可以獲取該停車場所有的車位信息。車輛在行駛過程中，融合環視感知以及超聲波雷達感知的結果，對車位空閑狀態作出識別，自動判斷所經過的車位是否可泊入。
在真實停車場景中，往往會出現各種情況。由於不是結構化道路，車輛要面對復雜的人流、車流，如行人穿行、車輛占道、路口錯車、突然出車等。這就要求壹個系統必須擁有處理復雜場景的能力，能夠實時捕捉周圍車輛狀態和障礙物動態。
整件事的難點在於，自動駕駛車輛需要判斷出車位的寬度，依賴高精地圖進行實時定位與車位識別。
“3D建模將改變智能汽車的遊戲規則。”
對於自家功能的技術實現路徑，馬斯克信誓旦旦。按照他的說法，“逆向智能召喚”的邏輯是利用Autopilot標配的8個攝像頭（3+2+2+1）獲取車輛道路信息，通過3D建模繪制途徑路程。
換句話說，特斯拉將突破第三方導航數據的限制，憑借市面上跑的數十萬輛汽車，自己收集停車場數據。“特斯拉這種銷量級別的車廠，依靠數據快速叠代是非常厲害的。”壹位L4自動駕駛公司的技術負責人對車雲菌說道。
當壹臺特斯拉汽車使用Smart?Summon功能（智能召喚）在停車場中完成導航，其產生的所有駕駛數據都將提交並存儲在特斯拉雲端的服務器上，與GPS點位數據庫結合。走過這條路的車越多，數據樣本量越大，Smart?Summon的路線算法就越精細，進而完善車主的使用體驗。
相比昂貴的激光雷達建圖，特斯拉依舊選擇了視覺為主的方案來實現自動化繪圖，並且不需要任何場端改造就能完成這件事兒。
年輕選手：車端就夠了
“只有不依賴場端，才能讓方案適應更多的停車場。”
這壹次，小鵬依舊站隊特斯拉。從這家新造車企最新曝光的前向泊車視頻來看，團隊同樣選擇了單車智能的路徑。小鵬自動駕駛產品負責人黃鑫表示：“首先妳得讓車智能起來，才能去看路和環境是否智能。而不是依靠大量的基礎設施改造，把車變成壹個被遙控的角色。”
在這隊人看來，場端改造技術上看起來相當美好，商業模式卻是個悖論，量產可能性極低。“場端改造的成本誰來掏呢？車廠買單最終也是消費者買單。”
這種產品邏輯也無限接近於L4級自動駕駛玩家的方案。在Momenta的測試車上，車雲菌直接看到了整個實時建圖過程，車輛通過深度學習算法提取視覺語義特征，使用SLAM技術自動生成基於語義的高精度地圖。
這種車端與雲端結合的自動建圖能力，被視作方案規模化量產的關鍵，核心在於通過這種方式能夠進行低成本的復制。只不過，創業公司沒有特斯拉市場鋪量的優勢，先期只能將大部分工作交給團隊的專業建圖車隊。
傳統玩家：不能忘了場端
然而，在行業主流玩家眼中，整個停車系統不應該僅僅涉及到車端，還需要進行場端和雲端的關聯改造。
吉利汽車集團副總裁&CTO馮擎峰去年也拿出了壹套自動泊車系統，其基於現有量產傳感器配置，利用V2X技術，借助“雲端”、“路端”、“停車場端”的輔助設施，以此100%實現自主泊車。吉利的思路是，由於利用了V2X技術，大量傳感器可以通過在路端、停車場端部署，這樣可以降低汽車上傳感器的成本。
也就是說，這個名為“爬行者”的智能系統要融合汽車、網聯、基礎設施、政府和運營商的新生態的技術入口之壹，基於L3級車端硬件的低成本技術路線助力，實現產品的快速落地。當時集團的規劃是2021年量產，並實現全產品線配備，目前為止仍未有最新進展公布。
不只是吉利，“奔馳+博世”這個ACE組合的方案中，同樣需要車端與場端進行硬件匹配。
車雲菌之前也有機會實地體驗了壹把，發現在停車場內以及外部環境中，主要的硬件包括場地內的攝像頭、本地服務器、互聯服務器（比如手機）和進行信息交互的雲端後臺。對於車輛來說，需要配備的是制動系統（包含ESP）、電子駐車（EPB）、電動助力轉向（包含EPS）、電子自動檔桿、遠程車輛啟停這些功能，並未在自身傳感器上進行改動或加裝。
不過畢竟老牌大廠，突出壹個不差錢。在整個地下車庫的區域內，每隔幾米就會有壹個博世的激光雷達出現，而且進行了冗余設置，對範圍內的區域重疊覆蓋，即使有個別雷達失效也依然可以保證場地的正常使用。博世方面也承認，由於激光雷達的成本依然較高，後續大規模推廣時還得將其換成普通雷達或攝像頭等成本更低的硬件。目前具體方案尚未最終確定。
在車廠之外，科技巨頭百度也表示支持這種車、雲、圖、場四端融合的方法。
按照百度Apollo的產品設計，車端負責中、近距離內環境感知、軌跡規劃和車輛控制；雲端用於接收車/場端環境感知信息，融合計算全局導航路線發送到車端，完成全局調度功能；圖端則提供高精地圖服務；場端最後完成塗裝改造，提供中、遠距離環境感知能力，以補強車端感知能力。
眼下Apollo?Valet?Parking首要進行的仍舊是車端改造工作。百度找到了威馬，打算將Valet?Parking軟硬壹體解決方案放在年底新推出的SUV上推向市場。
車雲小結
兩種路線孰優孰劣，我們暫且不做判斷。AVP，自動代客泊車，也就是特斯拉口中的“逆向智能召喚”的落地優先級倒是可見壹斑。
在功能上，AVP屬於泊車輔助系統、ADAS（高級自動駕駛輔助系統）功能的升級；在技術上，則屬於低速L4級自動駕駛。
從自動駕駛角度而言，封閉圍欄內的低速行駛是業界公認的可以優先實現大規模商業化落地的場景，且暫時不會遇到法律法規的阻礙，AVP功能也就成了實現L4級自動駕駛的必經之路。
順應技術整體商業化進程，自主泊車將是最先打通C端消費者與未來無人駕駛***享出行（Robo-taxi）行業的重要渠道。
道理放到特斯拉身上也壹樣。這些新功能的最終目標都是實現馬斯克口中的全自動駕駛能力，以及組建壹支自動駕駛出租車車隊的計劃。畢竟這位CEO早就公開承諾，要在今年為robotaxi準備好所有功能。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。