无图化不是无空间数据：自动驾驶底层逻辑与具身智能实践

1. 被误读的“无图化”：一场关于自动驾驶底层逻辑的认知纠偏

“无图化”这个词，最近两年在自动驾驶圈子里被提及的频率极高。但凡有新车发布、技术沟通会，或者哪家供应商拿到了新一轮融资，几乎都会把“无图化方案”当作核心卖点来宣讲。听得多了，不少刚入行的朋友就形成了一种直觉：好像只要把高精地图扔掉，车就能自己跑遍全国，甚至有人觉得高精地图就是自动驾驶的“拐杖”，扔得越早越先进。

我一开始也差点被这套叙事带偏。直到自己真正上手跑过几个城市的城区辅助驾驶，又跟做地图和做感知的同行聊过几轮之后，才意识到事情远没有这么简单。“无图化”被误读的地方，不在于它是不是趋势，而在于很多人把“不依赖高精地图”直接等同于“不需要任何空间数据”。这两件事差得很远。

打个比方，你开车去一个从没去过的城市，手机导航能告诉你大概怎么走，但具体到某个路口该走哪条车道、哪个匝道口有分岔、哪个转盘是几出口，光靠一个粗略的导航是远远不够的。高精地图做的事情，相当于提前把这条路“背”下来，精确到厘米级。而“无图化”要做的是，让车像人一样，靠眼睛看、靠脑子判断，现场理解这条路。但人也不是凭空理解的，人靠的是对道路结构、交通规则、常见场景的长期经验积累，这本身就是一种“隐性的空间数据”。

所以这篇文章想聊清楚几件事：无图化到底在“无”什么、它真正依赖的底层能力是什么、空间数据和世界模型在其中扮演什么角色、以及为什么具身智能的兴起反而让这件事变得更清晰了。如果你正在学习自动驾驶、具身智能，或者只是对这套技术叙事感兴趣，希望这篇从一线视角出发的拆解能帮你少走一些弯路。

2. 无图化到底在“无”什么：拆解高精地图的真实角色

2.1 高精地图不是一张图，而是一套先验知识库

很多人对高精地图的理解停留在“比普通导航地图更精细”这个层面，这个说法对，但不够准确。普通导航地图的核心是拓扑关系——哪条路连着哪条路，用来做路径规划。而高精地图的核心是几何与语义的先验信息，它包含车道线的精确位置、曲率、坡度、交通标志标线的位置和类型、路口的连接关系、甚至路面的材质和摩擦系数估计。

这套东西的价值在于，它把一部分“感知”和“决策”的工作提前离线做好了。车在路上跑的时候，不需要从零开始识别每一条车道线，只需要把实时感知结果和高精地图做匹配，就能快速定位自己在哪条车道、前方两百米是什么结构。这在算力有限、感知算法不够成熟的阶段，是极其高效的工程妥协。

我早期参与过一个园区级的低速自动驾驶项目，那时候激光雷达加高精地图的方案确实好用，因为园区道路固定，地图建一次能用很久，车上的计算压力很小。但一旦把场景换到开放城市道路，问题就来了：修路、改道、临时施工，地图更新永远追不上现实变化。这就是“无图化”被提出来的直接动因。

2.2 “无图”不等于“无空间数据”，这是最大的认知陷阱

现在说回那个核心误读。很多宣传口径里的“无图”，指的是不依赖预先采集和制作的高精地图，但它绝对不意味着车辆不需要任何形式的空间数据。恰恰相反，无图方案对实时空间感知和在线建图的能力要求更高了。

车在路上跑，它需要实时回答几个问题：我在哪条车道？这条车道的边界在哪？前方路口的几何结构是什么？周围车辆和行人的相对位置和运动趋势如何？这些问题的答案，本质上都是空间数据，只不过它们不是提前存在硬盘里的，而是传感器实时采集、算法实时构建出来的。

你可以把高精地图方案理解成“开卷考试”，答案提前给你了，你照着抄就行。无图方案是“闭卷考试”，你得现场推导。但闭卷考试不代表你不需要知识，你需要的知识反而更多——你得懂道路设计的规律、懂交通参与者的行为模式、懂如何从稀疏的传感器信号里重建出可靠的三维空间。

注意：如果你在学习自动驾驶时，把“无图化”简单理解为“不需要地图数据”，那后续在理解BEV感知、Occupancy网络、在线局部建图这些技术时，会非常吃力。先把这个概念掰正，后面会顺很多。

2.3 为什么车企和供应商都在推无图化

既然无图化更难，为什么大家还要推？这里面有技术原因，也有商业原因。

技术上的原因是，高精地图的覆盖范围和更新频率始终是个瓶颈。中国有超过五百万公里的道路，其中大量是乡村道路、临时道路、园区内部道路，这些地方根本不可能做到高精地图的全覆盖和日级更新。如果自动驾驶只能在有高精地图的城市用，那它的可用范围就非常有限。

商业上的原因更直接。高精地图的采集和制作成本极高，需要专门的采集车、专业的地图制作团队、以及持续的更新维护。对于车企来说，如果每卖一辆车都要分摊地图成本，这个账很难算平。而且地图资质在国内是受严格监管的，不是谁都能做。所以“无图化”在商业上是一种解绑，让车企可以把命运掌握在自己手里。

但这里有个容易被忽略的点：无图化不是一蹴而就的，它是一个渐进的过程。很多宣称“无图”的方案，实际上还在用一些轻量级的先验信息，比如路网拓扑、粗略的车道数、路口的大致形状。这些信息不像高精地图那么重，但也不是完全没有。所以更准确的说法是“轻图化”或者“去高精地图化”，而不是绝对的“无图”。

3. 空间数据：无图方案真正的生命线

3.1 从BEV到Occupancy，空间数据是怎么被构建出来的

无图方案的核心任务之一，就是实时构建车辆周围的空间表示。目前主流的技术路线是BEV（Bird‘s Eye View，鸟瞰图）感知加Occupancy网络。

BEV的思路是把多个传感器的数据——摄像头、激光雷达、毫米波雷达——统一投影到一个俯视的二维平面上，在这个平面上做特征融合和目标检测。这样做的好处是，不同传感器的数据在同一个空间坐标系下对齐了，融合起来更自然，而且输出的结果直接就是车辆周围的空间布局，方便下游的规划控制模块使用。

Occupancy网络则更进一步。它不再只关注“有没有目标”，而是把空间划分成一个个小体素，判断每个体素是否被占用。这就好比把车辆周围的空间切成一格一格的豆腐块，每一格要么是空的，要么被什么东西占着。这样做的好处是，它能处理那些不属于标准目标类别的障碍物，比如掉落的货物、异形车辆、施工路障。传统目标检测只能识别训练过的类别，Occupancy网络则能告诉你“这里有东西，别撞上去”，而不需要知道那具体是什么。

我实测过几个采用Occupancy方案的车型，在施工路段的表現确实比纯目标检测的方案要稳。尤其是那种用锥桶围出来的临时车道，目标检测很容易漏检或者误检，但Occupancy网络能比较稳定地识别出可行驶区域的边界。

3.2 在线局部建图：无图方案里的“隐形地图”

无图方案虽然不依赖预先制作的高精地图，但它在运行过程中会实时构建一个局部地图，有时候也叫在线建图或者局部语义地图。这个局部地图的覆盖范围通常是车辆前方几百米到一公里左右，包含了车道线、路沿、路口结构、交通标志等语义信息。

这个局部地图是动态更新的。车往前开，新的感知数据进来，地图就往前延伸；车后面的数据就可以丢弃了，节省存储和计算资源。你可以把它理解成车辆在行驶过程中不断“绘制”自己前方的路况草图，这张草图只服务于当前这段行程。

这里有个关键的技术难点：时序一致性。因为感知是在不断进行的，每一帧都会产生新的空间数据，如果不对这些数据进行时序上的融合和优化，局部地图就会抖动、错位。比如车道线的位置在相邻两帧之间跳来跳去，下游的规划模块就没法用了。所以在线局部建图通常需要配合SLAM（同步定位与建图）技术，以及一些后端优化手段，保证地图在时间维度上的平滑和一致。

3.3 空间数据的质量决定无图方案的上限

我个人的体会是，无图方案的表现好坏，很大程度上取决于空间数据的质量。而空间数据的质量又取决于几个因素：

• 传感器的配置和标定精度：摄像头、激光雷达、毫米波雷达之间的外参标定如果不够准，融合出来的BEV空间就会扭曲，车道线位置会偏，障碍物距离会错。
• 感知算法的鲁棒性：在逆光、大雨、夜间等恶劣条件下，感知性能会下降，空间数据的质量也会随之下降。
• 时序融合的稳定性：单帧感知总会有噪声和漏检，必须靠时序信息来平滑和补全。

我见过一些方案，在天气好的时候表现不错，但一到雨天或者夜间，车道保持就开始画龙，根本原因就是空间数据的质量下降了。所以无图方案不是简单地“扔掉地图”，而是把对地图的依赖转移到了对实时空间感知的依赖上，这个转移对技术的要求不是降低了，而是提高了。

4. 世界模型与具身智能：无图化的下一站

4.1 世界模型在自动驾驶里到底解决什么问题

世界模型这个词最近很热，但很多人对它到底是什么、在自动驾驶里怎么用，其实并不清楚。简单来说，世界模型是让系统学会预测未来。给定当前的空间状态和车辆的动作，世界模型能预测接下来几秒内周围环境会怎么变化。

这对自动驾驶非常重要。因为驾驶本质上是一个不断预测和决策的过程。你看到前方有个行人站在路边，你需要预测他会不会突然横穿马路；你看到旁边车道的车打了转向灯，你需要预测它会不会并进来。这些预测如果只靠规则，很难覆盖所有情况。世界模型通过学习大量的驾驶数据，能够对交通参与者的行为做出更符合现实的预测。

和传统的预测模块相比，世界模型的优势在于它是端到端学习的，不需要人工设计大量的规则和特征。它直接从数据中学习空间和时间的联合分布，能够捕捉到一些规则难以描述的复杂交互模式。

4.2 具身智能视角下的自动驾驶：从“看”到“做”的闭环

具身智能这个概念，核心是强调智能体与环境的交互。自动驾驶汽车本质上就是一个具身智能体——它有传感器（眼睛）、有计算平台（大脑）、有执行机构（手脚），它在真实环境中感知、决策、行动，并根据行动的结果调整后续行为。

从这个视角看，无图化其实是具身智能理念在自动驾驶中的一次实践。因为具身智能强调的就是不依赖预先构建的静态环境模型，而是通过与环境的实时交互来理解环境。高精地图相当于给智能体提供了一个静态的环境模型，而无图化则是让智能体自己去感知和理解环境。

这个转变的意义在于，它让自动驾驶系统更接近生物智能的工作方式。人开车的时候，并不会在脑子里存一张高精地图，而是靠眼睛看、靠经验判断。无图化方案试图复现的，正是这种能力。

4.3 从自动驾驶到具身智能机械臂：空间数据的通用价值

有意思的是，空间数据这套东西不只用在自动驾驶上。最近具身智能机械臂的研究里，空间感知和三维重建同样是核心问题。机械臂要抓取一个物体，它需要知道物体在三维空间中的位置、姿态、尺寸，这些信息本质上和自动驾驶里的空间数据是一回事。

所以如果你在学习自动驾驶的空间感知技术，比如BEV、Occupancy、点云处理，这些技能在具身智能领域同样适用。xbotics这类具身智能开源社区里，很多项目都在做类似的事情——从传感器数据中构建空间表示，然后基于这个表示做决策和控制。

这也是为什么我觉得“无图化”这个讨论有价值。它不只是自动驾驶领域的一个技术路线选择，它背后反映的是智能体如何理解空间、如何与环境交互这个更根本的问题。把这个问题想清楚了，无论是做自动驾驶还是做具身智能，都会更有方向感。

5. 实操层面：无图方案的学习路线与避坑指南

5.1 想入门无图方案，应该先学什么

如果你是在校学生或者刚转行，想往无图方案这个方向走，我建议的学习顺序是这样的：

1. 先打好计算机视觉和深度学习的基础。BEV感知、Occupancy网络这些都是建立在CNN、Transformer、注意力机制之上的。如果这些基础不牢，直接看论文会很吃力。
2. 然后学多传感器融合。无图方案的核心之一就是融合摄像头、激光雷达、毫米波雷达的数据。你需要理解不同传感器的特性、坐标系变换、时间同步、外参标定这些基础概念。
3. 接着学SLAM和在线建图。这部分涉及状态估计、因子图优化、回环检测等内容。虽然无图方案不依赖预先建好的地图，但它在运行过程中需要在线建图和定位。
4. 最后学预测和规划。空间数据构建出来之后，怎么用它做决策，这是下游的事情。世界模型、行为预测、轨迹规划都属于这个范畴。

这个顺序不是绝对的，但大体上遵循从感知到决策的逻辑。我见过一些朋友一上来就想做端到端，结果因为基础不牢，调参调不动，最后不了了之。

5.2 几个容易踩的坑

第一个坑：把仿真环境的结果当成真实能力。很多开源数据集和仿真环境里的场景比较干净，感知算法跑出来的指标很好看。但一到真实道路上，光照变化、天气变化、传感器噪声，都会让性能大幅下降。所以做实验的时候，一定要留一部分真实数据做验证，不能只看仿真指标。

第二个坑：忽视标定的重要性。多传感器融合的前提是标定准确。如果摄像头和激光雷达之间的外参有偏差，融合出来的BEV空间就是错的。我见过一个项目，车道线检测一直不稳定，查了很久才发现是标定参数有问题。所以标定这件事，怎么强调都不为过。

第三个坑：低估时序融合的难度。单帧感知看起来简单，但要把多帧数据融合好，保证时序一致性，难度是另一个量级。尤其是车辆运动速度快的时候，帧间的位移大，匹配和融合都更困难。

第四个坑：忽略计算资源的限制。无图方案对算力的要求比高精地图方案更高，因为感知和建图都是实时进行的。在嵌入式平台上部署的时候，模型的大小、推理速度、内存占用都是硬约束。学术研究里可以跑很大的模型，但量产车上不行。

5.3 常见问题速查表

这张表里的问题，大部分我都实际遇到过。排查的时候，我的经验是先查标定，再查数据，最后查算法。因为标定和数据的问题往往更基础，也更容易被忽视。算法的问题反而相对好定位，因为你可以通过可视化中间结果来判断是哪一步出了问题。

6. 关于数据集和测试的一点个人经验

6.1 自动驾驶数据集怎么选、怎么用

现在开源的自动驾驶数据集不少，但每个数据集的侧重点不一样。有的偏重高速公路场景，有的偏重城市道路，有的传感器配置丰富，有的标注精细。选择数据集的时候，要根据你的任务来定。

如果你做BEV感知，那需要选有环视摄像头和激光雷达的数据集，而且要有精细的3D标注。如果你做Occupancy，那需要选有体素级标注的数据集，这类数据集相对少一些。如果你做预测，那需要选有时序标注的数据集，能追踪目标的历史轨迹。

用数据集的时候，我建议先做小规模过拟合测试。拿几十帧数据，让你的模型去拟合，看能不能把训练损失降到很低。如果连小规模数据都拟合不了，说明模型结构或者训练流程有问题，这时候调超参没用，得回去查代码。

6.2 测试环节的注意事项

自动驾驶的测试，仿真和实车要结合。仿真适合做大规模的场景遍历和边界测试，实车适合做真实环境下的性能验证。两者不能互相替代。

实车测试的时候，安全是第一位的。我参与过的测试，都会配安全员，而且会提前规划好测试路线和应急预案。测试过程中要记录详细的数据，包括传感器原始数据、感知结果、车辆状态、驾驶员干预情况。这些数据是后续分析和迭代的基础。

还有一个容易被忽视的点：测试场景的覆盖度。不能只在晴天白天测试，雨天、夜间、逆光、隧道出入口这些场景都要覆盖。很多问题只有在特定场景下才会暴露出来。

7. 回到那个标题：为什么说“无图化”是最大的误读

写到这里，我想回到最开始的那个判断。“无图化”之所以是最大的误读，是因为它用一个简单的词，掩盖了背后复杂的技术现实。

它让人以为自动驾驶可以脱离对空间数据的依赖，但实际上，无图方案对空间数据的要求更高了，只是数据的来源从离线变成了在线，从预先制作变成了实时构建。它让人以为高精地图是可有可无的，但实际上，在很多场景下，轻量级的先验信息仍然在发挥作用。它让人以为无图化是一个非此即彼的选择，但实际上，从高精地图到无图，中间有很长的过渡地带。

我个人的体会是，与其纠结“有图”还是“无图”，不如把注意力放在更本质的问题上：车辆如何准确、鲁棒地理解它周围的三维空间？这个问题解决了，用不用高精地图只是一个工程选择。这个问题解决不了，有没有高精地图都白搭。

空间数据、世界模型、具身智能，这些热词背后其实都指向同一个方向：让智能体具备实时理解空间、预测变化、做出决策的能力。自动驾驶只是这个方向上的一个应用场景，具身智能机械臂、机器人导航、AR/VR，都是同一棵技术树上的分支。把底层能力建好，上面长什么叶子，只是时间问题。

最后分享一个我自己的习惯：每次看到一个新的技术概念，我都会问自己三个问题——它解决了什么旧问题？它引入了什么新问题？它的边界在哪里？这三个问题问下来，大部分炒作和误读都会现出原形。“无图化”也不例外。