萝卜快跑实现雨天自动驾驶感知距离翻倍提升
自动驾驶技术从实验室走向商业化运营，天气一直是最难克服的障碍之一。雨天、雾天、夜间低光照，这些场景中传感器性能急剧下降，感知距离大幅缩水，导致车辆决策滞后、安全裕度不足。近日，百度旗下的自动驾驶出行平台“萝卜快跑”宣布，在雨天场景下实现了感知距离翻倍的突破。这一进展意味着自动驾驶在复杂气象条件下的可用性迈上了新台阶。
雨天感知的技术痛点
传统自动驾驶主要依赖摄像头、激光雷达和毫米波雷达三种传感器。雨天中，摄像头因雨滴遮挡、光线散射，图像清晰度下降，目标识别距离通常缩短40%以上；激光雷达发出的激光束被雨滴反射、吸收，产生大量噪点，有效探测距离可能从200米跌至100米左右；毫米波雷达虽受雨水影响较小，但对静止目标、小目标的探测能力天然不足。三种传感器各自“失明”一段，融合后的感知能力断崖式下跌，车辆难以提前发现远处障碍物、积水区域或缓行车辆，必须降速或择机停车。
萝卜快跑的突破路径
萝卜快跑此次提升的核心在于“多传感器深度融合”与“算法自适应过滤”。团队没有单纯升级硬件，而是重新设计了感知架构：利用高精度固态激光雷达与800万像素双目相机的时空同步，将两者提取的特征在原始数据层直接对齐。雨滴在激光点云中表现为离散的短时噪点，在图像中则是模糊的透明斑点——传统做法是分别过滤，但会误删弱信号。新方案引入时序卷积网络，让模型学习不同传感器在雨天中的噪声模式差异，进而区分真实目标与雨滴干扰。同时，毫米波雷达的多普勒速度信息被用来反向校验视觉和激光数据，剔除静态雨雾反射。
实测数据显示，在中大雨条件下，系统对前方车辆、行人的稳定感知距离从原来的80米提升至160米以上，对收费站锥桶、路沿等小目标的检测率提高近70%。更重要的是，感知延迟并未增加，决策系统在毫秒级内就能对远处风险做出预判。
商业落地的实际价值
感知距离翻倍，最直接的好处是安全冗余提升。在60km/h车速下，80米感知距离留给车辆的制动时间不足4.8秒（含反应与执行），而160米则接近10秒，足以从容减速或变道。这意味着萝卜快跑在雨天可以维持接近正常天气的运营速度，减少绕行、临时靠边等低效行为。对于用户来说，雨天叫车不再是“赌运气”，车辆迟到的概率大幅下降。目前，萝卜快跑已在武汉、重庆等雨雾多发城市扩大服务范围，后续还将把这项技术适配到更多车型。
行业启示与未来方向
这次提升也揭示了一个趋势：当硬件性能接近物理极限时，软件与数据层面的“降噪”和“特征重建”成为突破口。其他自动驾驶企业同样在探索“雨感增强”算法，但萝卜快跑率先落地并公开量化指标，无疑为行业树立了标杆。当然，雨天感知能力仍受制于雨量等级——暴雨中激光雷达几乎失效，仍需依赖毫米波雷达与惯性导航短时支撑。未来，结合路侧感知单元的“车路协同”或许能补上最后一块短板。但无论如何，从“怕雨”到“驭雨”，萝卜快跑这一小步，已经是自动驾驶走向全天候出行的一大步。
