无图（Mapless） 技术在自动驾驶领域的十年演进（2015–2025），是一场从“依赖记忆”到“依赖直觉”的革命。

“无图”并非指完全没有地图，而是指摆脱对高精地图（HD Map）的强依赖，转而利用车载传感器实时感知并构建局部环境。这十年间，导航系统完成了从“查阅字典”到“实时阅读”的进化。

一、 演进三大阶段：从“按图索骥”到“即时理解”

1. 高精地图（HD Map）统治期 (2015–2021) —— “拐杖时代”

• 技术逻辑： 车辆依靠预先采集的厘米级地图进行定位。地图里包含了每一条车道线、每一个红绿灯的精确坐标。

• 特征：

• 强依赖： 感知系统只负责查漏补缺（看车看人），路怎么走全看地图。

• 局限： 采集成本极高（专业采集车）、更新慢（数月一次）。一旦遇到修路或地图未覆盖区域，自动驾驶就会立即“罢工”。

• 代表： 早期 Waymo、百度 Apollo、国内首批高速 NOA。

2. “重感知、轻地图”转型期 (2022–2023) —— “实时重构”

• 技术突破： BEV（鸟瞰图） 架构与 Transformer 模型的大规模应用。

• 逻辑变化： 车辆不再仅仅读取离线地图，而是像人眼一样，实时通过摄像头数据“脑补”出周围的道路拓扑结构。

• 特征：

• 在线建图（Map TR / VectorMapNet）： 将视觉信号直接转化为矢量化的车道线和路口结构。

• 轻图化： 仅保留基本的路网拓扑（如 SD 导航地图），精细的车道信息由实时感知生成。

• 意义： 自动驾驶开始具备进入城市复杂路口、无保护左转的能力。

3. 无图/端到端与世界模型时代 (2024–2025) —— “拟人化直觉”

• 2025 现状：

• 端到端（End-to-End）： 彻底取消显式的建图模块。像素直接输入，驾驶轨迹直接输出。系统通过数百万小时的人类驾驶视频学习到了“路该怎么走”的潜意识。

• 实时生成式地图（Generative Map）： 结合 NeRF 和 世界模型，系统能根据历史轨迹和当前感知，预测遮挡物后的道路走向。

• 代表： 特斯拉 FSD v12/v13、华为 ADS 3.0、小鹏端到端架构。

二、 核心技术对比表 (2015 vs 2025)

三、 2025 年的技术巅峰：eBPF 与感知链路审计

在 2025 年，“无图”方案不仅是算法的胜利，更是底层调度与安全审计的胜利：

1. eBPF 内核级感知保障：
   由于“无图”方案极其消耗算力（需要实时运行巨大的 Transformer 模型），系统引入了 eBPF 监控。

• 算力哨兵： eBPF 在内核层实时追踪感知任务的延迟。如果发现因系统后台更新导致 NPU 延迟超过 ，eBPF 会即刻拦截非关键进程，确保“实时建图”任务拥有最高优先级的 CPU/NPU 资源，防止车辆在高速行驶中产生“瞬间致盲”。

2. Occupancy（占据网络）的 4D 进化：
   2025 年的无图方案不仅看车道线，更利用 4D 占据流 识别所有非标障碍物（如散落的纸箱、倒下的护栏）。系统不再纠结“这是什么”，而是判断“那里有没有物理占据”，从而实现全场景的通用避障。
3. VLA（视觉-语言-动作）交互：
   无图导航现在能听懂模糊指令。你说“在前方的树荫下停一下”，系统不需要地图里标出“树荫”，而是通过视觉模型识别实时场景中的光影语义，并自主规划停靠路径。

四、 总结：从“有图可依”到“看路即走”

过去十年的演进，是将自动驾驶从一个**“需要专人打扫战场的精密实验”重塑为“能够适应混乱现实的鲁棒智能体”**。

• 2015 年： 车辆如果没有高精地图，就像盲人失去了盲道。
• 2025 年： 车辆像老司机一样，即使在从未去过的乡村小路，也能凭直觉和常识丝滑穿行。

NVIDIA DRIVE Labs 视频：展示无图导航如何实时预测道路几何

这段视频展示了 NVIDIA 最新的无图驾驶技术（RoadNet），它能够实时预测道路几何结构，解释了系统如何在摆脱高精地图依赖的情况下实现城市级的自主导航。