驭势科技CEO 吴甘沙：城市区域无人驾驶大规模商用有望在2030年左右

驭势科技CEO  吴甘沙

今天很荣幸跟大家分享一下我们对开放L4的想法，因为很长一段时间它一直飘在空中，我们怎么让它落地。我们认为它是一个“登月工程”，既然是“登月工程”我们不能整天说我们怎么造梯子，这个可能太短视了。其实开放到了L4来说挑战非常大，大家知道现在在行业里面有个领军的企业，就是Waymo。大家看这个蓝色的条是2017年的水准，美国的人类驾驶员每16万5千英里才出一次普通事故，9千万英里才出一次致命事故，所以领先还差得很远。另外方面2016年，就是这个黄色的Waymo是每5千公里一次干预，也就是说2016年到2017年只提升了10%。

给大家看一下左边那个是Waymo在跑它的无人驾驶出租车，总的一个感觉就人非常少，而且车车非常少。右边是我们去边在北京做L4的测试，这个时候车多很多了，而且它是人、车辆、自行车混合的场景。最关键像这样的一些城镇道路上面你不要期望其他车是遵守交通规则的，所以大家可以看到有时候你其实是很难保障路程，很多的车都会跑到你的车道来甚至对面的车开到你车道里来。这样的场景里毫无疑问商业化要复杂很多很多倍。所以这个大家可以看到Waymo在中国5500多英里，那在中国要差得更远。这个是五道口，右边是重庆的黄角树立交桥，有100多个出口入口。另外一个中国比较特殊情况就是所谓的安全次数可控了，无论这些东西是不是真存在，但是有一点是确定的，也就是说在中国你收集的数据是不能出国门的，因为国际车厂要解决中国的交通问题，你必须让你的工程师到中国来，也就是说你必须得在本地建立研发力量，通过开发、协作的创新来去解决这个问题。 

那另外一方面，大家知道Waymo已经有600多万公里的路测，这个东西是不是足够呢？完全不足够。大家看这是理论上做的推演，你真正要确保有95%的自信度，证明你的无人驾驶技术比人开得安全需要110亿英里，统计学上验证你的车是安全的，几乎是不可能完成的任务。

怎么去做呢？现在是我们有一些思路，第一个思路就是通过模拟仿真来去做，这模拟仿真要求，这个是我们上海的，希望能够建立照片极真实度的模拟仿真环境，无论是摄像头、雷达、超声波、定位等等都需要非常真实的这样的一个场景，另外一个其实是车辆的动力学、运动学，就这个方面你要有足够真实的这样一种验证。当然你在模拟环境的时候，你有不同的天气，你有一天不同的时间的光照的条件，那么在这种不同的天气和光照条件下，你的算法是不是足够的完善。你也可以在这个环境里面模拟有很多的场景，不同的车，有不同的行为。事实上我们可以给每一辆车它特定的性格，比如说它是比较开放的，或者它是遵守规格的，不遵守规格的，有的车装百度的，有的车装自己的自动驾驶的引擎，这样其实是你可以模拟充分复杂的环境，而且因为你的算力，你利用云计算算力是充足的，所以你一天可以在模拟器里面跑100万英里。

另外一个当然就是模拟并不能完全取代路测，所以现在希望能够建立飞轮效应。一开始我知道今天完全开放的L4是不可行的，不可商业化的，所以让它在一个封闭的环境里去跑。然后我一旦商业化了以后，我可以对它做开放的，这个一定要做到我们所谓叫不能在车上还有安全源。那么这样的一个下面可以使得我们获得更多的数据，可以帮助我们提升算法，提升好算法以后再到左边，把它放开，越来越接近开放到了L4，这是我们认为一个的飞轮效应。

我们不妨一点点看一下，哪些呢？我们把它分成三个维度。竖着的是可靠，给予一定的边界，这个边界内一定是可靠的通过安全、芯片层面的等等，你要保证它给定这么一个变节它一定是工作的。左下角这个维度是开放变化的，当超过是不是还是足够的能够安全的，而平着的那一个从安全+舒适性，再到安全+舒适性+社会性，社会性这辆车从外面看跟人开的差不多，在复杂的车流里有跟其他司机交互的能力，这是我们评价的三个维度，可靠性在每个维度都是最高的，非常高，比如说无人驾驶的物流对舒适性不需要。而物流这一块我们从大类上面来说，分成这三类，做成一个箱子，还有一个是平板车集装箱的，下面是一个拖很多车的。比如说我们在表拖很多车的就做了很多的实际应用场景，上面是我们在跟国际上最大的货运机场在合作，用这个拖很多车的来去送行李，送货物。下面是我们跟主机厂合作的可以拖很多的车，也可以在车间里拖很多的物料，这就是我们的一种方法。你甚至BRT有专用的车道。

这个在中国的雄安，左边那张图叫自动驾驶专用车道，要实现无人驾驶就不能靠物流了，这时候我们就找到了一些新的应用场景，自动代客泊车，它也不需要舒适性，但是它环境的开放程度就变得更高了。另外一方面就是高速的L2、L3，它因为高速公路更可预测，但要求舒适性。时间关系我只是给大家看一下我们的场景，L2是在我们上海的研发团队做的，这支团队主要是从德尔福泛亚出来的一支团队，按照无人模型开发的L2的，从收费站到收费站之间的能力。

另外一个就是自动代客泊车，在动的两张图都是我们在车厂真实的一个提车长里面，地下停车场，非常狭窄的车道进行测试。这是我们第一代的样品。第二代跟分时租赁的运营商合作的，这一代大家可以看到我们把激光雷达拿掉，真正是可量产，这个是在一个地下停车场做的一些测试，那么这个是我们接近量产的一个产品，这个产品就完整的演示了你提前下车，然后它自己开下停车场，去找停车位。它找停车位有三种模式，它是一个学习的过程，固定的停车场、停车位，这条路线开了几遍以后自己学会了。第二种它自己会发现空的停车位，车上有环视摄像头去发现空的停车位。第三种比如说会给你一个停车位，然后它自己就开过去了，在停车场里它可以无人驾驶。这是我们接近量产的产品。

这是我们跟分时租赁的供应商合作的，可以实现自动借车，自动还车，另外一个就是自动的编队的调度，从一个场站到另外一个场站去，去不同地方的需求。 

那么这里面就是需要一个非常准确的停车的功能，大家看这次这么一个车，右边是我们用户的一个手机，可以看自己的车开到什么状况了，是不是正在泊车，泊车过程中有没有出现问题。那么我们这么一个场景只是想给大家探究是因为有非常准确的基于视觉的定位技术，我连续做20次的泊车，20次的泊车它的误差是在7厘米，这个包括你的定位和控制误差，那么这样的一个很高的这么一个定位精度呢，能够确保就是你很小的停车位它也能够停得进去，7厘米。我们现在开始专门为这种车画停车位，确保它能够最大效率的利用停车场的空间，这是我们认为未来长是这么一个样子，车跟车之间可以排很紧，人下车了，不用再开门下车。

这里面必须要有这一个控制器，这是我们做的一个ALL-IN-One的控制器，几乎包括了所有功能，在电子电器层面要保障远程的监控等等，包括没有死角的安全，在这个安全层面其实我们也在跟电子科技大学的罗老师、李老师在合作。这个大家都比较熟悉了，无论是高低温、防水、振动、EMC、电池兼容性都要做各种各样的测试。左下角是我们的第一代，右下角是第二代比它第一代又小了一半，可以放座椅下面。这是我们的物流车，后面就变得非常的干净。 

最终我想说一下，就怎么来获得更多的数据。我们采取了一种所谓这种说法，什么说法呢？这个控制器里它跑两套算法，左边是产品算法，比如在停车场内部做无人驾驶，一旦这个车开出停车场，就变成有人驾驶了，那在有人驾驶的同时呢，传感器和控制器不能让它闲着，我在跑开放道路的L4的算法，我去做一个模拟的决策，我不反馈，只做决策，然后我把这个决策跟无人驾驶的决策做比较。如果说显著不同我就把这个数据传回来当然这里面怎么能够把数据传回来？你跟OEM、跟运营商应该有一个什么样的规格，怎么保证？这个我们里面也有一些特定的技术在里面。所以我不断的能够在开放道路上在人开的情况下，在做大量的L4的测试，那如果说我装了1000万台车，一台车跑110英里，我这更多的数据就来了，这就获得更多的方法。

我比刚才的一些专家稍微乐观一点，我们认为通过5年的时间基本上具备了进入城市区域做无人驾驶这么一个能力，基本具备，但真正的大规模的商用我认为确实还是要到2030年左右。

最后作为一家新创公司，我们也是非常期待跟在座很多伙伴能够实现同行和共创，事实上现在我们就在跟很多的主机厂，包括国内的自主品牌、合资品牌以及国际大厂合作，跟大家一起解决在中国特定的复杂道路场景下面来去实现L4的无人驾驶。谢谢大家！

敬请关注盖世汽车“2018青城山中国IC生态高峰论坛”直播专题：

PC：http://auto.gasgoo.com/NewsTopic/121.html121.htm

移动：http://m.gasgoo.com/news/topic/121

提示：本文根据发言整理，未经嘉宾审核，请勿转载！