在智能汽车赛道愈发拥挤的当下，辅助驾驶系统已成为各大车企竞争的核心战场。消费者对于车辆智能水平的期待，不再仅仅停留在基础的定速巡航层面，而是渴望一套能在复杂路况下真正“分忧”、甚至“独当一面”的辅助驾驶解决方案。正是在这样的市场需求下，9月28日，上汽通用别克正式推出了旗下重磅车型——至境L7 (配置|询价)，而这款新车最引人瞩目的亮点，无疑是其搭载的名为“逍遥智行”的高阶辅助驾驶系统。
辅助驾驶系统的性能，首先依赖于强大的感知硬件作为基础。毕竟，只有“看得清、听得远”，系统才能做出精准的决策和控制。上汽通用别克至境L7在感知硬件的配备上，可谓下足了功夫，全车共计搭载了28个感知设备，这些设备如同车辆的“眼睛”和“耳朵”，共同构建起一套全方位、无死角的感知网络，为后续的算法决策提供了海量且精准的环境数据支撑。
其中，12个超声波雷达主要负责近距离感知，其探测范围虽然相对较近，但在低速场景下表现尤为关键，比如泊车时对周边障碍物的精准识别、行车时与相邻车辆的近距离距离测量等。这些超声波雷达分布在车辆的前后保险杠以及车身侧面，能够实时反馈车辆与周边物体的距离信息，精度可达厘米级，确保车辆在低速移动时不会发生剐蹭。
如此豪华的感知硬件配置，使得上汽通用别克至境L7能够实时获取360度无死角、远中近全覆盖的环境信息，无论是近处的障碍物、远处的车辆，还是复杂路况下的交通参与者，都能被系统精准捕捉，为后续的软件算法决策和车辆控制打下了坚实的基础。
如果说感知硬件是辅助驾驶系统的“四肢”，那么软件算法就是系统的“大脑”。上汽通用别克至境L7的“逍遥智行”辅助驾驶系统，在软件层面搭载了由Momenta提供的MomentaR6飞轮大模型，这套基于强化学习技术的算法体系，彻底改变了传统辅助驾驶系统的决策逻辑，让车辆具备了更强的自适应能力和泛化能力。
传统的辅助驾驶系统大多采用规则式算法，即工程师通过预设大量的规则来应对不同的路况。例如，当前方车辆距离小于50米时，系统自动减速；当侧方车道有车辆接近时，禁止并线等。这种算法虽然在简单、常规的路况下能够正常工作，但一旦遇到复杂、突发的场景，比如前方车辆突然急刹、行人横穿马路、道路施工区域临时变道等，预设的规则往往无法覆盖，系统很容易出现决策失误或无法应对的情况。
而MomentaR6飞轮大模型基于强化学习技术，采用了完全不同的决策思路。强化学习的核心思想是让系统通过不断与环境交互，从海量的驾驶数据中学习最优的驾驶策略。简单来说，系统就像一个不断学习的“驾驶员”，通过大量的模拟驾驶和实际道路数据积累，逐渐掌握不同路况下的驾驶技巧，学会根据实时的环境信息做出最合理的决策。
在数据积累方面，Momenta拥有庞大的驾驶数据采集网络，这些数据来自不同地区、不同气候、不同路况下的实际驾驶场景，涵盖了高速路、城市道路、乡村道路等多种道路类型，以及晴天、雨天、雪天、雾天等多种天气条件。通过对这些海量数据的分析和处理，MomentaR6飞轮大模型能够不断优化自身的决策算法，提高对复杂场景的适应能力。
在算法优化过程中，强化学习会设置一个“奖励机制”。当系统做出正确的决策，比如成功避让前方障碍物、平稳完成并线动作时，会获得相应的“奖励”；当系统做出错误的决策，比如出现急刹、偏离车道等情况时，则会受到“惩罚”。通过这种不断的“试错”和“学习”，系统能够逐渐调整自身的决策策略，朝着最优的方向不断进化。
与传统的规则式算法相比，基于强化学习的MomentaR6飞轮大模型具有以下几大优势：一是自适应能力更强，能够根据不同的路况、天气以及交通参与者的行为习惯，灵活调整决策策略，而不是机械地遵循预设规则；二是泛化能力更广，能够应对更多未被预设的复杂场景，减少系统“束手无策”的情况；三是持续进化能力，随着数据的不断积累和算法的不断优化，系统的决策能力会越来越强，不断提升辅助驾驶的安全性和舒适性。
正是凭借这套先进的软件算法，上汽通用别克至境L7的“逍遥智行”辅助驾驶系统才能在复杂多变的实际道路中，做出更贴合实际场景的驾驶决策，为用户带来更智能、更安全的驾驶体验。
辅助驾驶系统的真正实力，终究需要在实际道路中接受考验。为了全面检验上汽通用别克至境L7“逍遥智行”辅助驾驶系统在高速路况下的表现，我们选择了一条涵盖常规行驶、并线超车、匝道合流等多种场景的高速公路进行测试，模拟用户日常高速出行可能遇到的各种情况。
在高速正常行驶过程中，我们首先模拟了日常驾驶中最为常见的车辆并线场景。当车辆以110km/h的速度在中间车道平稳行驶时，前方相邻车道的一辆轿车突然开启转向灯，准备并入至境L7所在车道。此时，至境L7的“逍遥智行”系统通过前置摄像头、毫米波雷达以及侧视摄像头的协同感知，迅速识别到了前方车辆的并线意图以及两车之间的距离。
尽管前车并入后，两车之间的距离一度缩小到仅30米左右（小于常规安全跟车距离），但至境L7的“逍遥智行”系统并未出现急刹或过度制动的情况。相反，系统通过精准的车速控制，采取了平缓、线性的制动动作，将车速从110km/h逐步降低至90km/h，使两车之间的距离重新恢复到安全范围。整个制动过程十分柔和，车内乘坐者几乎感受不到明显的顿挫感，车身姿态也保持得非常平稳，舒适性得到了很好的保障。
随后，我们尝试让至境L7主动进行并线操作。当系统检测到前方车辆行驶速度较慢（约80km/h），而左侧车道车辆较少且距离较远时，我们通过拨动转向灯拨杆，激活了系统的并线辅助功能。系统立即对左侧车道的路况进行了全面扫描，确认安全后，开始控制车辆平稳地向左侧车道并线。在并线过程中，车辆的转向动作十分轻柔，方向盘的转动角度和速度都控制得恰到好处，没有出现突兀的转向或加速动作，车内驾乘者几乎感觉不到系统的介入，整个并线过程流畅自然，就像一位经验丰富的老司机在操作。
然而，就在至境L7即将完成并线动作时，同车道前方的一辆SUV突然做出了同方向并线的动作，此时两车之间的距离仅有约40米，情况十分紧急。这一突发情况对辅助驾驶系统的反应速度和决策准确性提出了极高的要求。令人惊喜的是，至境L7的“逍遥智行”系统在瞬间（不到0.5秒）便识别到了这一危险情况，并且迅速做出了紧急制动的决策。
在紧急制动过程中，系统并没有采取一脚到底的急刹方式，而是根据两车之间的距离和相对速度，精准控制制动力度，使车辆的减速度保持在一个相对平缓的范围内。即使在紧急制动状态下，系统依然保持了出色的控制精度，制动过程平稳有序，车身没有出现明显的前倾或侧倾，车内驾乘者也没有感受到强烈的冲击感。最终，车辆在距离前车约10米的位置平稳停下，有效避免了潜在的碰撞风险，同时也没有让车内驾乘者感到惊慌或不适。
当车辆行驶至城市高速路（快速路）路段时，路况变得更加复杂。这段快速路为双向六车道，车流密度较大，多车道、多车辆交织行驶，不时有车辆频繁并线、超车，对辅助驾驶系统的路况分析和决策能力提出了更高的要求。
在这种场景下，至境L7的“逍遥智行”系统展现出了与常规高速路况下不同的算法策略——更为激进的决策方式。系统通过前置摄像头和毫米波雷达，实时分析前后车辆的距离、左右车道车辆的行驶速度以及车流密度等信息，快速判断出最佳的并线时机和超车路线。
例如，当系统检测到前方车辆行驶速度较慢（约60km/h），而右侧车道的车辆虽然距离较近，但行驶速度较快（约90km/h），且两车之间存在一个短暂的安全超车窗口时，系统会迅速做出决策，通过拨动转向灯、轻微调整方向盘和适当加速的方式，果断执行并线、超车动作。整个过程流畅自然，一气呵成，从识别超车机会到完成超车动作，仅用了约5秒的时间，大大提高了行驶效率。
在超车过程中，系统对车速和车距的控制依然精准。在并线前，系统会提前加速，使车辆与右侧车道后方车辆保持足够的安全距离；在并线过程中，车辆的转向动作依然轻柔，不会让驾乘者感到不适；在完成超车后，系统会根据前方路况，平稳地将车速调整至合理范围，继续保持平稳行驶。整个过程中，系统的介入感依然很弱，车内驾乘者不会感觉到车辆有突兀的转向或加速动作，就像车辆在自主地“思考”和“行动”，让人十分放心。
高速路段中的匝道行驶，尤其是在多车道汇成一条车道的“合流”场景中，往往是辅助驾驶系统的一大难点。在这种场景下，车辆需要从匝道并入主路，而主路的车辆往往行驶速度较快，很容易出现车辆抢道、加塞等情况，稍有不慎就可能引发交通事故。
为了测试至境L7在这一场景下的表现，我们选择了一个典型的“Y”型匝道合流路段。该匝道为单向两车道，最终将汇入主路的单向三车道，在合流点前约500米处，匝道开始逐渐收窄，直至合流点处与主路合并为一条车道。
当至境L7驶入匝道后，系统立即通过前置摄像头、激光雷达和侧视毫米波雷达，对主路的车流情况进行了全面监测。系统能够准确识别出主路各车道车辆的行驶速度、距离以及行驶轨迹，同时还能判断出哪些车辆有让行意图，哪些车辆有抢道意图。
在距离合流点约300米处，系统检测到主路中间车道的车辆行驶速度较快（约100km/h），而最右侧车道的车辆行驶速度相对较慢（约80km/h），且最右侧车道前方有一辆货车，货车后方有一个约100米的安全车距。基于这些信息，系统迅速做出决策，提前调整本车的车速，将车速从匝道入口的60km/h逐步提升至80km/h，与主路最右侧车道车辆的行驶速度保持一致，为顺利并入目标车道预留出足够的空间和时间。
在接近合流点时，主路最右侧车道的一辆轿车突然减速，似乎有让行的意图。系统捕捉到这一信号后，立即抓住机会，轻微加速，平稳地将车辆并入主路最右侧车道。在合流过程中，系统始终保持着与周边车辆的安全距离，既没有与主路后方车辆发生距离过近的情况，也没有影响到主路其他车辆的正常行驶。整个合流过程从容有序，充分展现了“逍遥智行”系统在复杂匝道场景下的出色表现。
相比于高速路况，城区路况更加复杂多变。行人、非机动车随意穿行、无红绿灯路口、机非混行狭窄道路、突发障碍物等场景层出不穷，对辅助驾驶系统的感知精度、决策灵活性以及车辆控制能力提出了更高的要求。为了检验至境L7“逍遥智行”辅助驾驶系统在城区路况下的表现，我们选择了一条涵盖residentialarea（居民区）、商业区、学校周边道路等多种场景的城区路线进行测试。
在经过一个无红绿灯控制的十字路口时，路口有多名行人和非机动车在等待过马路，其中还有几位老人和小孩，行动速度较慢。此时，至境L7正以40km/h的速度接近路口，“逍遥智行”系统通过前置摄像头和激光雷达，迅速识别到了路口的行人与非机动车，并且立即采取了减速措施。
系统并没有一味地紧急停车，而是根据行人的移动速度和非机动车的行驶轨迹，实时判断通行时机。当系统检测到大部分行人已经走到马路中间，且非机动车没有立即启动的迹象时，系统将车速降低至10km/h，缓慢通过路口。在通过路口的过程中，系统始终密切关注着行人与非机动车的动态，一旦发现有行人或非机动车有继续前进的意图，便会进一步减速或停车，确保绝对安全。
整个过程中，系统的决策十分灵活，既没有因为过度谨慎而长时间停车，影响交通效率，也没有因为盲目通行而忽视行人与非机动车的安全，充分体现了“以人为本”的安全理念。车内驾乘者能够清晰地感受到系统对路况的精准判断和对安全的高度重视，从而更加放心地享受辅助驾驶带来的便利。
随后，我们驶入了一段机非混行的狭窄道路。这段道路宽度仅为5米左右，按照设计标准仅能容纳双向两车道通行，但由于周边居民区较多，道路两侧不仅有大量非机动车（电动车、自行车）穿行，还存在部分车辆违停的情况，导致实际可通行宽度进一步缩小，给车辆行驶带来了很大的挑战。
在这种复杂场景下，至境L7的“逍遥智行”系统展现出了出色的环境感知和路径规划能力。系统通过前置摄像头、激光雷达以及侧视摄像头，清晰识别出了违停车辆的位置（距离道路边缘约0.5米）、非机动车的行驶路线（部分非机动车在道路中间行驶）以及道路边缘的界限（道路两侧有明显的路缘石）。
基于这些精准的环境信息，系统迅速规划出了一条安全的行驶路径。在确保不会与非机动车发生剐蹭的前提下，系统巧妙地控制车辆向道路中间偏移约0.3米，同时适当减速，将车速从30km/h降低至20km/h，实现了安全的借道超车。在超车过程中，系统始终与违停车辆保持约0.8米的安全距离，与非机动车保持约1.5米的安全距离，避免了因距离过近而引发的剐蹭风险。
当遇到非机动车突然变道或行人横穿马路等突发情况时，系统也能迅速做出反应。例如，在行驶过程中，一位行人突然从路边的商铺门口走出，准备横穿马路，此时车辆与行人之间的距离仅有约20米。系统在瞬间识别到行人后，立即采取了紧急制动措施，将车辆在距离行人约3米的位置平稳停下。整个制动过程迅速而平稳，车内驾乘者没有感受到强烈的冲击感。
