渲染建筑效果图的相关技术已经发展的相当成熟，那么AI在这个方向上可以有什么作为，能解决什么痛点呢？请看以下图表一：
以上是相同3D模型在相同机型下输出不同效果图尺寸的渲染耗时与高铁行驶距离对比，可以看到渲染耗时与效果图输出尺寸呈等比关系，渲染一张大图约等于从上海坐高铁到北京的时间。很明显，等待时间是这项任务里最大的痛点，那么能不能通过AI技术将大图渲染耗时从 缩减到 ，甚至 呢？针对这个痛点，有两条技术方案可以走：
方案1不是我们目前研究的方向，按下不表。
方案2的关键在于"接近无损"中的接近度，换成机器学习领域的术语，也就是loss。我们把这个方案称为建筑效果图的超渲染技术，其所利用的超分辨率技术是近几年AI领域非常火热的一个方向。那么我们是怎么睿智地洞察到有望解决这一痛点的如是技术呢？无心插柳柳成荫，全凭运气。这就牵涉到我们另外一个业务方向，户型图智能填色，这里不再赘述，有兴趣可以参考我们另一篇技术分享： 《AICAD进化之路 - 户型图智能填色》
为了实现小尺寸效果图的超分辨率技术，我们分析、选型了最近的两个论文及其实现 《Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels》 以及 《Meta-SR: A Magnification-Arbitrary Network for Super-Resolution》 ，分别简称DPSR和Meta-SR。
DPSR的特点是基于先验模糊核来解决图像放大之后的模糊问题，很适合效果图渲染过程中的插值会导致模糊这种情况。
Meta-SR的特点是可以支持任意尺寸放大图像，可以输出更灵活的目标图。
基于内部设计师团队提供的大量超大分辨率建筑效果图，我们预处理了1万张数据集来分别训练DPSR以及Meta-SR网络。根据PSNR和SSIM测试指标，我们的实验结果显示：DPSR在不同放大尺寸情况下效果均优于Meta-SR。因数据集领域化，与各个论文指标不在同一基准线，这里不再贴出具体测试指标。至此，我们选择DPSR作为超分辨率网络模型，并基于更大批量的建筑效果图数据集继续finetune网络参数。
总结来说，我们的建筑效果图超渲染技术是指基于超分辨率网络放大建筑效果图的尺寸，以大幅缓解渲染超大建筑效果图耗时过长的痛点。实际部署中，由于机器内存限制，超分辨率网络只能支持1024x1024以下的输入，为了解决这一问题，我们设计了一套拆分-超分辨率-混合贴缝的方案。
同时，超分辨率网络输出大图仍有模糊情况，对此我们引入了传统图像处理中的锐化算法以进一步提升大图清晰度。详细架构请看下图：
最后，我们对建筑效果图超渲染技术进行未来展望，总体计划分两个方向：
进化是贯穿整个地球生态系统的一条线，几乎所有地球上的物种之间都存在着一些联系，虽然很难相信，很多物种都来自于同一个祖先，而人类便是这条进化之路上的顶点。人类的发展已经远不是其它生物所能比拟的，人类创造出了辉煌的文明，是地球上毋庸置疑的绝对统治者，但是人类的进化之路已经走到尽头了吗？
人类的进化史
科学家认为，现代人类是由早期的智人进化而成的，而更久远之前则是森林古猿，古国继续向前追溯的话则会是哺乳动物、爬行动物等等。事实上，根据科学家的研究，人类从早期的智人到现代人类，经历了大概几十万年时间里，但两者并没有本质上的区别，也就是说，这几十万年，人类并未从本质上进化，只是外形有所改变。所以说，进化是需要大量时间来积累的，地球生命诞生至今已经过去了几十亿年，人类进化之路并未到尽头，只是需要大量的时间！
人类的崛起
如果不算那些传说中无法考证的文明，从古埃及文明算起，人类的崛起时间也只有短短的5000年左右，这期间人类虽然发生了翻天覆地的变化，但更多是体现在对自然环境的改造方面。仔细观察古人与我们的差别，我们可以发现，这些差异化主要集中在衣食住行等方面，也就是说，改变的是我们的思维，而我们本身并没改变！但从另一个角度上来讲，思维的改变本身应该也是进化！
人类进化的方向
从理论上来讲，人类是由其它物种进化而来的地球最高生命，人类的DNA中保留了大量其它物种的共性，如果我们能够开发或者进化，我们应该能够拥有这些物种独有的能力。例如，我们可以像海豚一样发射超声波并接收，我们可以拥有狗的听觉，猫的视觉等等。
人类也可以从另一条路出发，依托于机械的力量，甚至利用机械改造我们的身体，也许可以发展成像变形金刚那样的机械文明。
英伟达CEO黄仁勋曾提出“电动化”与“智能化”将对 汽车 产业带来颠覆性的变化，如今“电动化”的战场硝烟未止，“智能化”的战争便已经打响。
自动驾驶作为智能 汽车 的大脑，是实现“智能化”至为重要的一环，是 汽车 进化为智能体的必由之路，可以认为， 得自动驾驶者得“天下”。
在各路自动驾驶玩家中，国内的造车新势力是一股不容小觑的力量，目前以小鹏、蔚来、理想三家处于相对领先地位。
蔚小理均采用渐进式的路线，即从低等级的自动驾驶起步，逐步扩展功能和场景覆盖，最终进化为全场景的完全自动驾驶。
不过，蔚小理对于实现自动驾驶进化的思路以及速度存在差异，从整体上看，小鹏目前领先于其他两家，蔚来略领先于理想， 本文将尝试对这三家企业的自动驾驶进化之路进行解读。
01 小鹏
快速迭代保持领跑，重点深耕泊车场景
小鹏从创始之初就一直致力于做中国的自动驾驶第一，小鹏 汽车 董事长何小鹏在中国电动 汽车 百人会论坛上自豪地说道，小鹏在智能驾驶领域比绝大多数公司领先2-3年。
2018年12月 小鹏首次推出辅助驾驶系统Xpilot20 ，搭载于小鹏首款智能 汽车 G3，计算平台采用Mobileye EyeQ4芯片，感知硬件系统包含1个前视摄像头、4个环视摄像头、3个毫米波雷达和12个超声波雷达。
在当时，小鹏经过调研认为在自动驾驶最主要的三大系统行车、泊车与主动安全中，泊车系统的功能成熟度相对是比较低的。
自动驾驶产品开发部总监肖志光提出：“我们看到了其中很多用户痛点，之前的泊车系统经常识别不到车位，且 *** 作不便捷，那这些地方我们可以去攻关，真正解决用户的痛点。”
因此，除了落地基础的ADAS功能外， 小鹏选定智能泊车作为其自动驾驶进化之路的“制胜法宝”。
小鹏是国内最早 将视觉感知能力融入自动泊车 的车企，车辆可以通过摄像头识别周围的车位线等，与雷达系统的感知能力进行融合完成泊车，这使得小鹏可以实现垂直、水平、斜方位、无划线等所有泊车场景下的自动泊车和遥控泊车能力。
这项能力到目前仍然是领先于蔚来和理想的。
然而由于Mobileye比较封闭的特性，最重要的感知算法基本为“黑盒”，导致车企对于算法的开发自由度很低，也很难触及到用户使用过程中产生的数据，对于小鹏这种很早就计划要做全栈自研的车企，显然是无法满足其诉求的。
因此小鹏 决定改用英伟达的Xavier芯片作为计算平台 ，Xavier是英伟达2020年量产的首款高等级自动驾驶芯片，算力30Tops，远高于EyeQ4的25Tops，最关键的是英伟达的芯片是开放式的，车企在其提供的开发环境内较高的自主开发性并可以获得底层的感知数据。
摆脱了“黑盒”的束缚 ，小鹏开始施展拳脚，正式开启“全栈自研”之路。（注：这里说的“全栈自研”是指以此为方向，并不代表已完全落地，事实上，目前能做到全栈自研的公司只有特斯拉，国内车企可以实现部分自研）
2021年1月小鹏推出P7车型，搭载Xavier芯片，并新增3个前视摄像头、4个侧视摄像头、1个后视摄像头， 构建了360度全方位环绕感知能力 ，而蔚来和理想事实上直到今年才完成此项能力构建。
小鹏在P7车型中配备升级后的自动驾驶辅助系统Xpilot30，支持NGP高速领航辅助驾驶功能，即在高速场景下可以实现高精地图覆盖范围内的点到点自动驾驶， 由此小鹏已实现“泊车+高速”双场景覆盖 。
同年6月小鹏对其主打的自动泊车能力进行了大幅提升， 通过OTA推送了“VPA记忆泊车”功能 ，被官方称为是“首个量产且不依赖于停车场改造的最后一公里泊车功能”。
所谓VPA记忆泊车，是指系统可以自动记忆车主常用的停车路线，在不需要驾驶员干预的情况下，将车辆从设定路线的起点自动开往设定路线的终点， 是L3级自动驾驶功能 。
小鹏的VPA以视觉感知输入为主，通过视觉神经网络处理算法构建停车场的“语义地图”，包含停车场内的车道线、柱子等各种核心元素，将实时感知到的元素与记忆中的元素进行“匹配”，进而不断调整行车路线以接近记忆路线，直至完成泊入车位。
在拥有泊车和高速两大场景的高阶自动驾驶能力后， 小鹏继续发力城区场景 ，引入激光雷达传感器，与摄像头视觉感知融合，打造更具安全冗余的感知能力，释放城区场景NGP辅助驾驶能力，落地于小鹏P5车型。
至此， 小鹏自动驾驶能力已初步覆盖泊车、高速、城区三大核心场景。
小鹏的快速迭代之路仍在继续，今年2月，小鹏通过OTA进一步升级记忆泊车功能，新增跨楼层记忆泊车、记忆路线可分享、泊车过程中可沿途搜寻并泊入空闲车位等能力。
小鹏也因此 基本实现了“自动泊车”向“自主泊车”的进化。
为了更进一步打通各场景下的自动驾驶能力，小鹏将再次升级计算平台， 将Xavier芯片替换为英伟达最新的OrinX芯片 ，单颗芯片算力达到254TOPS，打造出Xpilot40， 实现真正意义上的全场景、点到点的导航自动驾驶 ，首次搭载最新软硬件系统的是小鹏最新款车型G9，将于今年6月正式发布。
整体来看，小鹏以智能泊车作为持续深耕的功能，这个选择是有效的，一方面国内泊车费时费力，是用户开车的痛点问题之一，另一方面停车场属于超低速场景，在自动驾驶能力还不够完善时相对风险较低， 小鹏在泊车域成功实现卡位 。
同时， 小鹏从一开始便提出要逐步全栈自研的思路，并以高频次快速迭代，是最早实现高速、泊车、城区全场景自动驾驶能力覆盖的车企。
小鹏的自动驾驶能力在国产造车新势力中目前是处于领先身位的，随着蔚来、理想的奋力追赶，如何持续保持领先优势是小鹏需要研究的课题。
02 蔚来
硬件能力高举高打，率先落地高速领航
蔚来是国产造车新势力的先行者 ，2017年12月便首次发布了 第一代自动驾驶系统NIO Pilot ，搭载于蔚来首款车型ES8，包括后来的ES6和EC6均使用这套辅助驾驶系统。
NIO Pilot的计算平台同样选用的Mobileye的Eye Q4，初代感知系统采用3个前视摄像头、4个环视摄像头、5个毫米波雷达及12个超声波雷达在内共计22个传感器组成，这个配置是要高于小鹏和理想的初代感知硬件。
2019年6月蔚来通过OTA推送了 NIO Pilot的第一次重大升级 ，新增了包含高速自动辅助驾驶、拥堵自动辅助驾驶、转向灯控制变道、道路交通标识识别、车道保持功能、前侧来车预警和自动泊车辅助系统在内的7项功能。
需要注意的是，这次升级的几项功能仍是L2级以下的低阶自动驾驶水平，包括其中的高速自动辅助驾驶，仅是在实现自适应巡航（ACC）的车速控制和车距保持功能的基础上，增加了车道保持的转向辅助功能。
蔚来真正实现较高水平的自动驾驶能力，是在2020年10月融入高精地图后， 释放的高速场景下点对点领航辅助驾驶功能 ，这个时间点要早于小鹏和理想，是 国内首家实现NOA高速领航落地的公司 。
对于蔚来自动驾驶能力的进化之路而言，这是一个重要的节点， 标志着蔚来开始迈向L3时代 ，与小鹏选择泊车场景作为切入点不同，蔚来率先选择切入的场景是高速。
随后蔚来 升级视觉融合全自动泊车功能 ，不过仅支持水平和垂直两类常见车位自动停靠，对于斜方位或者无划线的车位无能为力，属于L2级别，整体性能距离小鹏有较大差距。
第二代自动驾驶平台NT20的问世，是蔚来另一个重要节点。
2021年1月，在蔚来NIO DAY上，李斌发布了NT20以及基于此平台打造的 NAD自动驾驶系统 ，NAD的全称是NIO Autonomous Driving，从Assisted Driving（辅助驾驶）到Autonomus Driving（自动驾驶），表明了李斌对这套系统的定位。
李斌曾提到，以NT10搭载的硬件架构，其传感器和运算能力无法实现 L4 级自动驾驶，也不会宣布可以做到L3，他认为NT20作为蔚来研发的新一代技术平台，会是行业内最先进的量产自动驾驶技术。
NT20和NAD的落地标志着蔚来吹响加速向无人驾驶进军的冲锋号角 ，配备此系统的最新款车型ET7已于今年3月落地交付。
NAD系统在硬件层面延续了蔚来“高举高打”的特点 ，计算平台由Mobileye升级为更为开放的英伟达，共计搭载4颗英伟达Orin芯片，包括两颗主芯片、一颗备份芯片和一颗群体智能与个性训练专用芯片，整体构成蔚来超算平台NIO Adam，算力高达1016TOPS。
在感知层面， 蔚来打造Aquila超感系统 ，NAD在NIO Pilot基础上拿掉一个前视摄像头，但新增两个瞭望塔式侧前视、两个侧后视和一个后视，并且摄像头由180万像素升级为800万高清摄像头，构建360度全视角高清感知能力，同时新增一个激光雷达，作为视觉感知的冗余，整体称得上豪华。
同时值得注意的是， 蔚来在NAD中还额外增加了C-V2X感知模块 ，是国内第一个在新车搭载V2X的车企，V2X即车联网，用以实现人、车、路和云平台之间的连接与通讯，表明蔚来在发力单车智能同时，已经开始布局车路协同。
可以看到， 蔚来实现自动驾驶进化的一贯思路就是“硬件先行” ，无论是NT10，还是NT20，都配备了高冗余的硬件系统，基于高规格硬件系统，通过正向独立开发不断更新软件能力。
不过，高级别硬件能力固然可以更好地保障自动驾驶系统游刃有余地处理各类复杂任务，然而单靠硬件堆栈难以从根本上真正提升自动驾驶的能力， 再好的“装备”如果不是给到一个“技能”足够强大的角色，可能也难以“打赢 游戏 ” 。
NAD相比NIO Pilot不仅需要完成从高速到泊车、城市的全场景跨越，还需要完成从仅前视感知到360度环绕+激光雷达融合感知的跨越，且由于前期一直采用Mobileye封闭芯片，底层的数据积累不够充分，这些对于蔚来都是需要面对的挑战。
如何提升算力和数据的利用效率， 强化自动驾驶的“软实力” ，是蔚来需要加足马力提升的，好在蔚来具有厚实的研发基础，近日原小鹏自动驾驶产品总监黄鑫的加入，或许可以一窥蔚来要做出改变的决心。
03 理想
后起之秀先发制人，自研发力主动安全
相比小鹏和蔚来，理想的自动驾驶之路看起来是起步更晚的，李想曾自嘲说道是由于自己创业初期融资能力差导致没有充足的资金开展智能驾驶技术研究，这个局面在2020年理想 汽车 IPO之后才发生根本性转折。
但或许，理想的自动驾驶之路早就开始了。
2019年4月理想落地首款量产车理想One，同样是搭载拥有成熟ADAS方案的Mobileye EyeQ4芯片，配备1个前视摄像头、4个环视摄像头、1个毫米波雷达和12个超声波雷达，具有车速、车道控制等L2级以下自动驾驶功能，整体比较基础。
但理想有一个特点， 从一开始就标配辅助驾驶功能 ，是因为理想希望通过用户使用持续收集驾驶场景的数据，理想拥有乙级地图测绘资质，是造车新势力中第一家拥有合法收集数据资格的企业。
也就是说， 理想ONE一直在使用“影子模式”获取数据 。
数据对自动驾驶至关重要，自动驾驶底层是一种基于机器学习算法的技术，数据是算法建模与软件落地的基础，大量的数据采集是自动驾驶技术开发的前提。
可以说理想从采集数据开始就已经启动了自动驾驶之路，因此我对理想自动驾驶的定位是“后起之秀，先发制人”。
在拥有充分的数据和研发资金后，理想便抛弃了相对封闭的Mobileye芯片， 转向与支持车企自主开发感知、控制算法的地平线J3合作 ，开启自研之路。
2021款理想ONE便是落地的车型，相比2020款，升级了前视摄像头的性能参数，新增4个毫米波雷达，并首次融入高精地图。
自研方向除了必备的NOA导航辅助驾驶之外，理想还 选定了AEB作为自研的重点功能 ，AEB全称Autonomous Emergency Braking，即自动紧急制动系统， 是一种 汽车 “主动安全”技术 。
在传统 汽车 领域，AEB已经是一个较为成熟的功能，主要依靠雷达进行障碍物识别，通过测量距离碰撞发生的时间来判断是否选择自动制动，由于 汽车 在行驶过程中突然刹车也是有危险的，因此AEB要求性能非常稳定，既不能不刹车，也不能乱刹车。
那为什么理想要选择这样一个在自动驾驶系统里并不起眼且开发难度极高的功能作为自研突破点呢？
不考虑商业竞争的因素，或许源于李想对产品力的极致追求，安全性是衡量自动驾驶能力一个很重要的性能指标，AEB虽不起眼，但却是ADAS里 唯一一个在行车场景下随时待命的功能 ，对于自动驾驶的安全性能有非常重要的意义。
传统的AEB方案由于仅依靠毫米波雷达做探测，缺乏对物体的识别，容易出现误报的情况， 理想在自研过程中将视觉能力融合进来，采用“视觉+毫米波雷达”融合感知的AEB方案， 并利用积累的巨量真实驾驶数据进行算法训练，实现AEB功能的快速迭代和落地。
理想是全球第二个落地视觉融合方案AEB的车企，第一个是特斯拉。
2021年12月，理想正式交付自研完整版的AEB和覆盖高速场景的NOA功能，也 标志着理想在自动驾驶方向与小鹏和蔚来正式站在同一个赛道 。
进化之路仍在继续，2022年3月，理想发布新一款车型理想L9，硬件能力全面升级，感知层面采用高性能摄像头作为主要感知来源，配备6颗800万像素和5颗200万像素摄像头，实现360度全方位感知，同时配备激光雷达作为感知冗余，计算平台也同样采用算力更强大的英伟达Orin方案，搭载两颗OrinX芯片，总算力达到508Tops。
同时 理想推出自动驾驶系统AD Max ，采用全栈自研的感知、决策、规划和控制软件，基于这一代系统，理想将逐步覆盖高速、泊车、城区的全场景导航自动驾驶能力。
理想作为后来者，以主动安全为主要发力点切入自动驾驶初见成效 ，不过AEB毕竟是个低频功能，而且用户其实并不希望有需要用到AEB的场景，自动驾驶要想真正给用户体验带来“质”的变化，在行车域和泊车域的功能是重头戏，理想需要加速这些方面的能力落地。
面对实力强劲的竞争对手，理想仍然道阻且长。
04 有什么共性？
三家新势力在各自制定的路线上实现自动驾驶的快速进化，虽然路线有所差异，但大的方向还是存在一些共性：
数据驱动的底层思想
数据对自动驾驶的重要性不言而喻， 算法为数据服务，算力为算法服务 ，数据是自动驾驶能力的“源泉”。
小鹏 汽车 董事长何小鹏说：“我们致力于全栈自研，坚持数据驱动并不断创新，这是小鹏 汽车 业务的基石。”
理想 汽车 CTO王凯说：“车企想做到头部，一定要做数据驱动的 科技 企业。”
蔚来联合创始人秦力洪说：“原生数字化企业不是个时髦，是个必须。”
从这些变态可以看出三家企业均 将“数据驱动”作为打造自动驾驶和智能 汽车 的一个基本底层思想 。
数据驱动的关键是要构建数据闭环，包括数据采集、数据标注、数据训练、数据仿真等模块在内，共同形成由数据驱动开发和功能迭代的闭环系统，小鹏、蔚来和理想均在此发力。
未来自动驾驶的产品竞争，高效的数据闭环将成为有力的武器。
冗余配置的工程思维
人体作为一个复杂系统，冗余配置是很常见的一种形态，例如双肺和双肾，其中一个坏掉后不影响人体的正常运转。
冗余配置，是指重复配置系统的某些部件，当系统发生故障时，冗余部件介入并承担故障部件的工作，由此减少系统的故障时间。
对于自动驾驶的工程落地，蔚小理也运用了冗余配置的工程思维，在相关链路中的感知、计算、执行系统等环节都做了充分的冗余配置。
感知层面，小鹏、蔚来和理想均同时搭载摄像头、毫米波雷达、超声波雷达等多类型传感器，并将同时配备激光雷达，不同传感器的能力各有优势且有重叠部分，构造出“具有冗余感知能力”的自动驾驶感知系统。
算力层面，蔚来配备四颗芯片，一颗作为冗余备份，小鹏和理想配备双芯片互为冗余，三家的自动驾驶算力均达到500Tops以上，蔚来更是达到1000Tops+，强大的算力应用于目前的自动驾驶能力有充分的冗余空间。
执行层面，针对转向控制系统、驻车制动系统、动力输出系统蔚小理也都做了相应的冗余设计，确保自动驾驶控制信号正常执行。
安全是自动驾驶第一要义，冗余为安全护航。
应用场景层面的渐进式
实现全无人驾驶的路线有渐进式和跨越式两种，一般意义上的渐进式是指自动驾驶能力上从L1-L5逐步实现。
还有一种视角是在应用场景层面的渐进，也就是说，先在部分场景落地相对高阶的自动驾驶，然后不断扩大应用场景，最终实现全场景的高阶自动驾驶。
小鹏优先在泊车场景落地L3级的记忆泊车，随后在高速和城市快速路场景落地L3级点到点导航辅助驾驶，主城区场景点到点导航辅助驾驶正在测试中，预计今年中旬会正式落地。
蔚来和理想目前已落地高速场景导航自动驾驶，并且都宣布会在最新一代自动驾驶系统中逐步落地全场景导航辅助驾驶功能。
从泊车、高速、城市快速路、主城区，到更广泛的场景实现多域融通， 自动驾驶将逐步渗透，量变终会引发质变 。
软硬件全栈自研的趋势
从Mobileye到英伟达，车企选择合作的芯片由封闭走向开放，核心原因是车企希望在数据和算法层面掌握更多自主权，随着硬件能力逐渐趋同，智能化的竞争最终是软件及软硬耦合能力的竞争， 车企掌握数据和算法的自主权，更有利于实现快速迭代，打造差异化功能体验和产品服务 。
目前蔚来、小鹏和理想均已先后启动软件和算法的全栈自研之路，同时对于自动驾驶核心硬件的自研也正摩拳擦掌。
早在2020年，蔚来便传出要自主研发自动驾驶计算芯片的消息，后来因为遭遇财务危机，芯片自研的计划暂时被搁置，2021年据36氪报道，小鹏 汽车 也已开始涉足核心芯片的自研，而理想因为近期才宣布软件自研，硬件自研还需时日，理想对外的说法中也没有否认过要自研芯片的可能性。
要最大限度发挥自研技术的价值， 软硬件一体化自研或许是必由之路 ，国外的特斯拉便是这方面的先驱。
05 写在最后
自动驾驶的赛道日渐拥挤，越来越多的玩家意识到自动驾驶 的重要性，蔚小理由于介入更早，在认知、技术、数据、经验等多个维度都已具备一定的领先优势和技术壁垒。
从全球来看，造车新势力的自动驾驶能力，国外特斯拉一枝独秀，处于霸主地位，国内以蔚小理处于第一梯队，能力各具千秋，逐步形成阶段性的“一超多强”竞争格局。
然而，自动驾驶的竞争并不会停止，在蔚小理相互之间持续竞争之外，随着后续苹果、小米、集度等新玩家的加入，以及传统车企对自动驾驶能力的追赶，竞争会愈演愈烈。
竞争会加速进化，在以蔚小理为代表的造车新势力的推进下，期待 全自动驾驶时代可以提前到来。
来源于公众号：禾隐记（hejunnote)
《霓虹深渊》安卓和苹果数据是不互通的。
由于系统的服务器不同，所以在数据上是不能实现两者互通的。虽然说系统的账号数据不互通，但是不会影响两个平台玩家正常联机的。
《霓虹深渊》是一款由Veewo Games开发的横版平台动作游戏，于2020年7月14日登陆PC、Xbox 和PS4等平台。在《霓虹深渊》游戏中玩家可以根据喜好自由选择地牢的进化之路。玩家的每一次冒险都会拓展游戏的内容，玩家的每一次选择都会影响游戏的规则。
游戏设定：泰坦集团毁掉了韦德的家庭，也夺去了哈迪斯的大部分力量。为了复仇，哈迪斯组建了“Grim Squad”团队。哈迪斯邀请韦德加入小队，在机关重重的地牢中展开他们的复仇。玩家将作为韦德，开始第一段在地牢中的冒险。
霓虹深渊的评价
对比同类游戏，《霓虹深渊》整体内容已较为丰富和完善。不过游戏在手雷、钥匙等资源的获取安排上仍欠妥当，这导致每局游戏中道具、q械的获取过于不稳定。至于战斗方面，怪物的行动设计虽然欠缺一些特色，但利用各种高级武器轰杀它们仍能带来一定的爽快感。总体而言，该作值得喜爱此类题材的玩家尝试。
《霓虹深渊》的整体性非常好，并且在整体框架内，它又做好了每个系统自身的内容，而真正让这款游戏焕发活力的原因，还是它局部的每个细节和整体的关联非常紧密。
在现代 汽车 系统及模块电子化的趋势下，电子控制执行系统的渗透率不断提升；随着电动车发展，由于传统发动机的消失，传动、转向、制动的动力源与执行方式发生了根本性的转变，电动控制执行系统则是成为了基本配置；进入自动驾驶时代，控制系统收集来自感知层的大量传感器的信息，将其处理分析，感知周围环境，规划驾驶线路，最终通过线控执行系统 *** 纵车辆。
传统纯机械转向系统几乎被替代，由机械液压助力转向系统（HPS），升级至电子液压助力转向系统（EHPS）之后，由电力驱动的电动助力转向系统（EPS）逐步占据主流。随着 汽车 电子化程度不断加深，转向系统电子化渗透率加速，电动助力转向逐步占据主流，而未来自动驾驶时代的到来，进而进入线控转向。
1、机械液压助力转向系统（HPS）
机械液压助力转向，利用人体转动方向盘的力与发动机机械能结合，并结合液压对施力的放大效果，推动转向拉杆，完成转向动作。机械式液压助力系统主要包括齿轮齿条转向结构和液压系统(液压助力泵、液压缸、活塞等)两部分。工作原理是通过液压泵(由发动机皮带带动)提供油压推动活塞，进而产生辅助力推动转向拉杆，辅助车轮转向。
首先位于转向机上的机械阀体（可随转向柱转动），在方向盘没有转动时，阀体保持原位，活塞两侧的油压相同，处于平衡状态。当方向盘转动时，转向控制阀就会相应的打开或关闭，一侧油液不经过液压缸而直接回流至储油罐，另一侧油液继续注入液压缸内，这样活塞两侧就会产生压差而被推动，进而产生辅助力推动转向拉杆，使转向更加轻松。
机械液压助力技术成熟稳定，完全机械结构不依赖电子设备，可靠性高，路感清晰，方便驾驶员判断转向角度，因此应用十分广泛。但其缺点也很明显，结构较复杂，占用空间大，设计、制造和维护成本都较高。而且单纯的机械式液压助力系统助力力度不可调节，很难兼顾低速和高速行驶时对指向精度的不同需求，更不能满足自动驾驶需求。
2、电子液压助力转向系统（EHPS）
电子式液压助力与机械式液压助力的区别主要是油泵的驱动方式不同，机械式液压助力的液压泵直接是通过发动机皮带驱动的，而电子式液压助力利用 ECU检测方向盘的转向角度，并由电力驱动电子泵对液压缸施力，可以将方向盘设计得很“轻”，方便驾驶员使用。
电子液压助力的电子泵，不用依靠发动机本身的动力带动，而且电子泵是由电子系统控制的，不需要转向时，电子泵关闭，进一步减少能耗。电子液压助力转向系统的电子控制单元，利用对车速传感器、转向角度传感器等传感器的信息处理，可以通过改变电子泵的流量来改变转向助力的力度大小。
3、电动助力转向系统（ EPS）
电动助力转向系统（EPS）主要由方向盘传感器、控制单元和助力电机构成，由于可以避免液压助力系统的液压泵、液压管路、转向柱阀体等结构，设计和构造简单。
EPS 工作原理是在方向盘转动时，方向盘传感器将转动信号传到控制单元，控制单元通过计算给电机提供适当的电压，驱动电机输出的扭矩，再经减速器降转速提扭矩后推动转向拉杆，提供转向助力。
EPS主要优点是不含任何机械结构，设计和构造简便，助力与发动机转速无关，能够让方向盘在低速时更轻盈，高速时更稳定。缺点是需要长期保留机械装置，以保证冗余度，否则万一电子设备失效容易造成不良后果。
此外，根据辅助马达的位置有四种形式的 EPS。它们是柱辅助型（C-EPS），齿轮辅助型（P-EPS）和齿条辅助型（R-EPS）。
柱辅助型C-EPS的助力电机安装于转向管柱上，在转向管柱下面连接的是一个机械式的转向机，电机助力转矩作用于转向管柱上。C- EPS 系统优点是：结构紧凑，其电机、减速机构、传感器及控制器等常一体化设计，布置在驾驶舱内，工作环境较好，不占用发动机舱的空间，方便发动机舱布置，成本较低。缺点是驱动电机的助力要通过转向管柱和转向齿轮传递到转向机上转向管柱部件受力较大，可提供的助力大小受到限制；另外由于电机和减速机构布置在驾驶舱内，更易引起驾驶舱内产生噪声；由于减速机构等安装在方向盘上，不利于转向轴的吸能结构设计。因此，C-EPS 适用于中小型乘用车。
齿轮辅助型P-EPS助力电机和减速机构布置在转向齿轮上，驱动电机的输出力矩通过蜗轮蜗杆减速机构传递到转向齿轮上。P-EPS助力扭矩直接作用于转向齿轮上，因此可以提供较大的转向助力，助力效果较为迅速准确。助力电机和减速机构布置在发动机舱，有利于降低驾驶舱噪声水平。P-EPS 的缺点是：其电机和传感器等部件安装在发动机舱，器件的耐热与防水等环境要求高，成本较高。因此，P-EPS适用于需求助力较大的中型乘用车。
齿条式R-EPS，助力电机和减速机构布置在转向齿条上，电机助力扭矩作用于转向齿条上。R-EPS 助力扭矩直接作用于转向齿条上，因此可以提供更大的转向助力，助力效果也最为迅速准确。助力电机和减速机构布置在发动机舱，有利于降低驾驶舱噪声水平。R-EPS 缺点是：其电机和传感器等部件安装在发动机舱，器件的耐热与防水等环境要求高，成本较高。因此，R-EPS 适用于需求助力较大的大中型乘用车。
4、线控转向（SBW）
线控转向就是取消了转向盘与转向轮之间的机械连接，取而代之由路感反馈总成、转向执行总成、控制器以及相关传感器组成。单纯使用传感器获得方向盘旋转角度数据，然后ECU 将其折算为具体的驱动力数据，用电机推动转向机转动车轮。
可以说线控转向完全摆脱了传统转向的各种限制，不但可以设计 汽车 转向的力传递特性，而且可以设计 汽车 转向的角传递特性，给 汽车 的转向特性设计带来更大的可发挥空间，更方便与自动驾驶其他子系统（如感知、动力、底盘等）实现集成，在改善 汽车 主动安全性能、驾驶特性、 *** 纵性以及驾驶员路感方面具有优势，是自动驾驶 汽车 实现路径跟踪与避障避险必要的关键技术。
2014 款英菲尼迪 Q50 是第一款装配线控转向的量产车。为了保证冗余性，它有 3 个 ECU，同时还有一套机械转向系统。如果电子控制装置出现问题，则驾驶员可以恢复机械控制。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）