隨著國家11部委聯(lián)合出臺了《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》，“車-云-路”協(xié)同方案正式成為了智能駕駛的“中國路徑”?？梢灶A見的是，重數(shù)據(jù)與強融合的發(fā)展方式，將成為“中國路徑”的核心策略。
近日邀請了覺非科技CEO李東旻，就智能駕駛“中國路徑”的演繹與發(fā)展進行了分享。以下為李東旻的演講實錄，新智駕進行了不改變原意的編輯：
智能駕駛產(chǎn)業(yè)的中國路徑，尤其是“車、云、路協(xié)同模式”的落地，可以說有非常廣闊的發(fā)展前景。
以下我會從4個方面來跟大家分享覺非科技的一些實踐經(jīng)驗。
首先，整個智能出行時代本身就有巨大的變革，如同 PC時代的網(wǎng)站爆發(fā)，智能出行時代正在崛起。智慧出行時代大大拓展了數(shù)據(jù)源邊界。
無論是車端數(shù)據(jù)，亦或是道路數(shù)據(jù)，都呈現(xiàn)指數(shù)級增長，本質(zhì)上智能出行帶來的是 LBS(基于位置的服務)數(shù)據(jù)的大爆發(fā)。
自動駕駛行業(yè)發(fā)展出的三種不同切入路徑
隨著這些數(shù)據(jù)的變化，過去全球范圍內(nèi)演進出了有三條不同的自動駕駛路徑。
第一個路徑是以單車算力提升為核心的，也稱之為硬件模式，或者單車智能模式，同時又可以根據(jù)傳感器數(shù)量稱之為5+1模式。所謂5+1就是五個硬件+一套軟件，這是L4級別無人駕駛的標配。從GPU到毫米波雷達、激光雷達、攝像頭、到綜合慣導設備。一套軟件就是自動駕駛標準化的三段論：感知、決策和控制這三套系統(tǒng)。
而以單車智能為主的，都是以硅谷為主導。它的推進方式是顛覆性的，并且這條路徑只關注L4以及L5的無人駕駛。
另一條路徑是以主機廠和一級供應商為代表的供應鏈主導的模式。它的核心是以銷售整車和設備為目標，整體采用漸進式的方式賦予汽車智能。
然而不管是“顛覆式”還是“漸進式”的發(fā)展路徑，汽車產(chǎn)業(yè)的底層結構都沒有發(fā)生質(zhì)的變化。
第三個模式是網(wǎng)聯(lián)智能的模式。這種模式對于這種基礎設施建設的要求非常高，但其實是最適合中國的技術路徑，也是最有可能實現(xiàn)智能出行規(guī)?；涞氐姆桨?。
那么這三條路徑分別演進出來的產(chǎn)品形態(tài)是什么樣子的?
這里我們不用L1或者L2這種技術化的表達語言，而是從市場落地的角度，來把現(xiàn)有的智能駕駛產(chǎn)品進行坐標系表達。以乘用車和商用車作為橫軸，縱軸用高速和低速來區(qū)分。
在縱軸上，可以從坐標系里看到，目前在商用車的高速場景里，以商用物流車輛加裝ADAS為主，商業(yè)模式是以銷售終端為主。還有快速公交線路甚至更高級別的智能駕駛技術，整體也是以整車售賣為主。 乘用車方面落地的產(chǎn)品數(shù)量相對較少，目前真正落地的是AVP產(chǎn)品。在高速場景里基本是特斯拉的Auto pilot一枝獨秀。
可以看到，基于單車智能的模式，在落地方面已經(jīng)到達了增長瓶頸。后續(xù)的每一點進展都需要消耗不成比例的計算資源和其他資源，這個稱之為第一增長曲線已經(jīng)接近結束了。 目前行業(yè)的機會在于第二增長曲線，也就是不依賴于硬件算力提升為代表的“車、云、路協(xié)同”方案正在逐漸興起。
此前，以硬件和傳感器為主的技術路徑，雖然過去也落地了一些產(chǎn)品，但也發(fā)生了非常多的問題。經(jīng)典的案例就是Uber自動駕駛撞人致死的案例。新聞報道里也有其自動駕駛系統(tǒng)決策的日志。
Uber的目標識別的模塊在不停的跳躍，在“其他”和“車輛”類別之間搖擺不定。可以看到系統(tǒng)識別的穩(wěn)定性和可靠性是非常差的。因此很不幸，在最后的1.2秒鐘，受害者還沒有被真正識別為一個行人，最終釀成慘劇。
可以看到，這種基于硬件和傳感器實時感知的自動駕駛路徑，它的可解釋性、可靠性是有待考量的。我們必須追問，訓練一個機器要訓練到什么樣的程度和水平，才能夠把性命托付給一個機器?
同時，這種無人駕駛酷炫外衣的背后，后備箱里面的這些風景其實并不是那么美觀。通常一輛無人駕駛的車輛后備箱里，需要3千瓦以上的電源支撐才能讓這些強算力的硬件正常運轉(zhuǎn)起來。
僅靠單車算力這種依賴電力消耗的模式，很有可能完全不足以支撐未來的商業(yè)化。除了后備箱，車輛旁邊可能還有一個計算機背景的護送員，護送員通常薪酬比較高，遠遠高過一個專車司機的薪水高。
基于后深度學習的覺非科技方案
因此從技術路徑來看，從單車智能模式發(fā)展到目前水平、產(chǎn)品化落地的情況來看，我們還有哪些其他方向可以去做?我們需要彌補在邏輯推理里面假設不成立帶來的問題，而這其實就是深度學習算法，這是在自動駕駛里面我們今天面臨的一些不足。
清華大學人工智能研究院的院長張鈸院士提出，整個自動駕駛的落地需要進入后深度學習時代。什么是后深度學習?就是說通過“車、云、路協(xié)同”的方式，將經(jīng)驗類的，具有較好穩(wěn)定性、可靠性的數(shù)據(jù)以及邊緣推理算法，再加實時感知數(shù)據(jù)聯(lián)合在一起，進行驅(qū)動，發(fā)展成解釋性比較強，可依賴的人工智能技術。
此前基于深度學習的人工智能的技術，可以輕而易舉通過人工構造的方式加以改變。比如一個阿爾卑斯山的照片加上了一些人工構造的底噪，最后機器算法就會識別為一條狗?？梢韵胂螅粋€基于實時感知的車輛，不管是激光雷達還是攝像頭，如果把路邊的一個限速牌識別成岔路口，這會帶來多么危險的后果。
所以從覺非科技的角度來看，不能完全甚至絕大部分依賴實時感知的傳感器，需要發(fā)展出來基于后深度學習時代的內(nèi)容，把一些穩(wěn)定性比較高的數(shù)據(jù)跟實時傳感器相融合實現(xiàn)更可靠的自動駕駛。
我們做過一個演示。后深度學習加上高精地圖，能夠讓一輛普通的車輛實現(xiàn)什么樣顛覆式變化?
一輛非常普通的車輛，沒有做過任何改裝，唯一的改變是在車輛后視鏡的下面架了一個手機，然后手機通過USB線連接到了后視鏡里面汽車的CAN總線上。通過這根USB線，實現(xiàn)了手機控制這輛普通汽車的所有感知過程。 這是需要用戶花4萬到5萬才能實現(xiàn)的高級輔助駕駛功能，包括沿車道行駛、高速公路并道等。
從技術角度而言，這是怎么實現(xiàn)的?我們在手機里面存儲了數(shù)據(jù)和感知算法，尤其是融合感知算法。脫離硬件本身，手機里面存儲的數(shù)據(jù)具備了一個零到無窮遠的超視距感知能力。我們把實時感知數(shù)據(jù)加上車道線的高精度地圖數(shù)據(jù)，同時把車輛本身的運行數(shù)據(jù)(慣導設備、GPS信號)實時狀態(tài)相融合，能夠就實現(xiàn)一個魯棒性和安全性都非常之高的解決方案。
就像給這輛車繪制了一個看不見的鐵軌，讓車沿著非常安全穩(wěn)定的鐵軌行使，不受惡意攻擊的影響。
覺非在這條路徑上面跟合作伙伴宇通客車一起合作了兩項方案。
第一個方案是AR交互系統(tǒng)，部署在一個L4級別的無人駕駛的小巴上。在車內(nèi)22寸的液晶屏上面，乘客能夠清晰地看到車輛是在怎么感知周圍環(huán)境的。 不論是公交車、行人、自行車還是其他的移動物體，都可以準確的在界面上顯示出來;同時也會向乘客展示車輛的行進方向、路徑規(guī)劃、目標物體的測距。
第二個方案是跟宇通合作的是比較創(chuàng)新的工作模式，面向快速公交車輛實現(xiàn)全場景的融合感知。全場景融合感知，就是在不論刮風下雨還是重度霧霾等異常惡劣天氣情況下，快速公交車都能夠?qū)崿F(xiàn)360度無死角的進行感知。
我們也會用到很多傳感器，基于這套感知硬件，我們把自己核心的技術比如道路的語義分割、圖像與激光點云融合在一起，形成一個典型的多傳感器融合技術。
多傳感器融合能力可以通過攝像頭對物體進行識別，也可以通過激光雷達對物體進行測距，但不依賴于某一個傳感器硬件。這是我們和宇通，在實踐車和路之間協(xié)同的融合感知方案。
很多朋友會說，未來中國車云路協(xié)同落地的時間點可能很慢。其實國內(nèi)在政策層面已經(jīng)制定了C-V2X的落地白皮書。到2025年，一半的新車將會具備C-V2X功能。現(xiàn)在每年2000多萬新車銷售，其中至少一半的車有這個功能，具備巨大的市場潛力。通過我們的路徑來改造車，能夠?qū)崿F(xiàn)比較好的車云路協(xié)同。
覺非科技的車云路協(xié)同
覺非的整體車云路協(xié)同軟硬件一體化架構，是經(jīng)過實踐總結出來的結果。這個架構最上層的部分是基礎設施。核心層面包括定位、通訊、路側設施三個基礎設施。
那么車路云之間怎么協(xié)同?
目前國內(nèi)在5g網(wǎng)絡層面已經(jīng)達到標準化，接下來要做的就是如何實現(xiàn)協(xié)議上車的過程。值得一提的是，C-V2X協(xié)議和5g協(xié)議所用的頻段都是5000赫茲以內(nèi)，也就是說車上裝載了5g接收芯片以后，自然就擁有了接收C-V2X協(xié)議的能力，也是連接路側單元的能力。
從定位維度來看，中國過去成規(guī)模體系的定位系統(tǒng)，除了衛(wèi)星、北斗衛(wèi)星以外就是路側的差分定位基站。目前國內(nèi)主要有兩個差分定位基站的提供方。老牌的是千尋，在全國布了2000多套基站。而新發(fā)展起來的就是中國移動，現(xiàn)在中國移動可能已經(jīng)成為了國內(nèi)第一大差分定位基站運營商，并且預計在2020年新建25萬個5G差分定位基站。
這些基礎設施架構、硬件架構，對于中國的車云路協(xié)同的落地是一個非常大的利好。 相當于從基礎設施層面解決了很多依賴性比較高，可靠性比較強的基礎設施。 這是基礎層。
從軟件層和硬件層來看，對于車上傳感器、天線、制動等硬件部分都是交給主機廠。而在軟件和云端部分，尤其是軟件感知、定位和規(guī)劃這三個部分，實際上這才是“車、云、路協(xié)同模式”能夠發(fā)揮真正價值的地方。覺非科技沿用的技術路線是可靠性比較高的高精地圖作為容器，把上層的多傳感器融合放在容器里面，統(tǒng)一計算實現(xiàn)可靠性更高的決策引擎。
覺非科技的定位，是面向整個智能出行產(chǎn)業(yè)打造一個數(shù)據(jù)引擎， 形成“雙輪驅(qū)動”的模式。一方面針對運營場景端，通過高精度數(shù)字化能力進行賦能。另一方面，針對智能終端，通過車端傳感器數(shù)據(jù)、路端傳感器數(shù)據(jù)與高精地圖數(shù)據(jù)進行有效的時空同步與融合，把知識驅(qū)動與數(shù)據(jù)驅(qū)動結合起來，提供可靠、精準的智能化解決方案，能夠有效保證自動駕駛車輛的安全性。
我們的數(shù)據(jù)引擎進入市場以后，解決了自動駕駛產(chǎn)業(yè)的很多痛點。比如感知在不完全依賴于激光雷達的前提下，做到激光雷達和攝像頭在亞毫秒之間的同步，彌補了單車智能模式的一些天然不足。
總結下來，覺非科技有4個技術上的優(yōu)勢，分別是數(shù)字化的道路引擎、多元數(shù)據(jù)歸一化引擎，跨平臺、跨終端的道路推理引擎，以及通過云端跟車端之間建立起來大數(shù)據(jù)分發(fā)引擎。
接下來給大家分享我們跟中國移動實現(xiàn)的車和基礎設施之間的差分定位效果。
當車輛在往道路中間并道時，行駛到車道中心。在高精度地圖上，可以看到車輛也在進行非常準確的行駛。車本身沒有加裝超過1萬元以上的激光雷達和感知設備，唯一裝的是中國移動地面差分定位基站的接收器，通過接收器上面運行的覺非提供的數(shù)據(jù)引擎算法，讓這輛車實現(xiàn)了厘米級別的高精度定位。
除了車路之間的協(xié)同，《智能汽車發(fā)展戰(zhàn)略》里也提到構建先進的基礎設施，然后重點推進大數(shù)據(jù)云控基礎平臺的建設。 為什么云控平臺這么重要?
云控平臺就是從云端形成數(shù)據(jù)全集，然后通過云來連接路上行駛的車輛。可以理解為，這些車輛是一個邊緣端運行的設備。邊緣端設備和云控數(shù)據(jù)平臺之間的互動形成融合模式，能夠面向多個智能終端、多個出行場景，提供全局的解決方案。
未來傳統(tǒng)車輛也會真正變成邊緣端設備。 車輛通過云控平臺連接以后，可以實現(xiàn)車輛實時在網(wǎng)，永不掉線?，F(xiàn)在每臺手機都有工信部聯(lián)網(wǎng)準入認證，相信不久的將來，隨著云控平臺的落地和5g網(wǎng)絡的連接，每一輛車也都會一個準入環(huán)節(jié)。
總結一下，我認為，從技術到量產(chǎn)落地需要具備的充要條件有四點。
第一點，在產(chǎn)業(yè)上一定要有需求，有痛點。過去很多的自動駕駛方案提供的大多是錦上添花的功能。消費者看乘用車的時候，最終還是要看安全。
第二點，在經(jīng)濟上面，不管是技術、硬件還是軟件，方案一定要可規(guī)?；渴?。一臺車和五臺車實現(xiàn)自動駕駛可以通過改裝方案。但實際上這種方式真正能帶來規(guī)模化嗎?并不能，它還涉及到很多供應鏈的供貨問題、原有生產(chǎn)線改造的問題，這是從供應鏈的角度來思考的。任何自動駕駛的技術在落地時一定要實現(xiàn)不同硬件的兼容。
第三點，在競爭層面，對于很多創(chuàng)業(yè)型公司來說，需要建立自己的競爭優(yōu)勢?；ヂ?lián)網(wǎng)時代一直在講閉環(huán)的迭代。閉環(huán)的迭代就是發(fā)布的技術、產(chǎn)品要能夠通過客戶用戶，將反饋和數(shù)據(jù)收集回來。
自動駕駛對于傳統(tǒng)主機廠模式的意義，是在于用軟件來定義硬件。因此這里面如何去建立閉環(huán)迭代，是需要精心設計和思考的。 有哪些合作能帶來數(shù)據(jù)閉環(huán)?因此除了數(shù)據(jù)閉環(huán)之外，還要考慮的是怎么建立產(chǎn)業(yè)聯(lián)盟。
最后一點是技術層面，一定要提供高可靠性的解決方案。篤定某一條路徑和一個硬件，實際上是一個風險非常高的選擇。盡管這可能給某家公司在短期里帶來一些硬件收入。 但從終局角度而言，如果無人駕駛成為規(guī)模化和普遍化，人、車、路協(xié)同成為現(xiàn)實之后，市場的商業(yè)邏輯還是不是靠硬件的方式來驅(qū)動?
因此從經(jīng)濟、產(chǎn)業(yè)、競爭和技術四個層面， 是實現(xiàn)技術到產(chǎn)品量產(chǎn)過程中需要思考的四個方面。
