Nullmax徐雷:实现自动驾驶要从本质上去看
2019-09-05 博客文章

在AI应用遍地开花的当下,各行业都发生着翻天覆地的变化,汽车和交通的变革与创新,正在无人驾驶与AI的发展带动下,朝着网联化、协同化的方向继续前行。高级别自动驾驶的落地应用,仍是行业内外关注的议题。

在2019世界人工智能大会的第二天,多位推动AI行业革新的商业、技术领袖汇聚无人驾驶高峰论坛,围绕高级自动驾驶的法规制定、运行监管、场景大数据库、生态建设等内容各抒己见,共话无人驾驶的新一轮发展。

在论坛上,Nullmax CEO徐雷与其他嘉宾一同探讨了无人驾驶的商业化前景和未来变革,并就车路协同、落地要素、中美自动驾驶差异化等话题进行了交流,以下为摘录自现场的观点和发言。

如何看待车路协同?

在谈论车路协同之前,不妨先谈一谈自动驾驶所需的能力。

自动驾驶的本质是让车在马路上行驶,完成载人载货,所以我们认为自动驾驶必然以场景来驱动开发。包括测试以及将来的商业化运用,也是如此。因此,很多企业都会在不同的气候、不同的道路、不同交通参与者等各种情况下,去进行大量的测试。

场景主要的构成就是车和路,此外也有一些其他因素,比如天气变化也会对车的能力、道路的质量带来一些变化。因此,我们进行了大量工作,用数学的方法、物理的方法,包括仿真的方法,去充分理解各种场景。

在这些场景中,有的可能是出现频率比较高的场景,有的是偶发的场景。我们会分析,在不同的场景下,车如果需要确保能够安全高效地行驶,它应该具备什么样的能力?事实上,不同的场景对车的感知能力、规划能力、控制能力会有不同的需求。

当分析清楚车需要具备什么样的能力之后,我们还需要思考如何才能实现无人驾驶大规模的商业化应用。正如我们一贯强调的,一定要找到最安全、最高效、最经济的方案,让车具备这样的能力的同时,还需要大家用得起。

本质上自动驾驶是一个系统,所需的这些能力有可能是车端具备的,也有可能是路端具备的。我们的看法是,一定要找到最合理的配置,将自动驾驶所需的这些能力合理分配到车和车以外的地方,如此才能够做到最安全、最高效、最经济。所以,车路协同是必不可少的。

我们在做的过程当中发现,单车智能其实已经可以让车具备在某些场景下自动驾驶的能力,而且已经能够为大家创造更安全、更舒适的驾乘体验。比如在结构化道路或者低速场景下,Nullmax的以视觉为主、多传感器融合的方案,只需要单车智能就能够符合自动驾驶对这个场景的能力要求。

而在做一些更复杂的场景时,比如Robo-Taxi,我们发现这些所需的能力中,有的能力可能从路端才能获取。它能让车比人开得更好,并且能让整个交通系统有更大的提高。

车路协同并不只是简单的V2X,车可以作为前端,路、云可以作为后端,形成一个协同化的系统,把车和聪明的道路、智慧的城市深入结合起来。比如,我们可以分析每个区域的出行模式,然后运用大数据、运筹学等方法去更好调度这些车辆,从而降低区域内车辆的空载率,提高运行效果。

无论是狭义的车路协同、V2X,还是更广义的车作为前端,路和云作为后端,都是为了让车具备自动驾驶所需的能力,打造最安全、最高效、最经济的方案,实现真正的商业化运营。

自动驾驶落地关键

可以从两个角度思考这个问题,首先是技术角度。

无人驾驶解决方案中,安全性是非常重要的。无论是功能安全、预期功能安全,还是信息安全,都需要全面兼顾。比如,天气、光照的变化可能会导致传感器能力的弱化,用户有可能会误操作,车可能会被黑客入侵,可运行范围怎么设定,如何应对道路上出现的不同物体。这些都是需要考虑的地方。特别是有了一个方案之后,要保证方案是安全的,还需要有合适的方法进行验证和确认,需要知晓多少的场景和里程才能证明方案是安全的。

在方案极度安全的情况下,也要保证车行驶的效率是非常高的,而不能说只是因为非常保守所以它极度安全,效率也非常重要。

自动驾驶解决方案在具备了这两点以后,成本也是非常重要的,一定要是非常多人可以用得起的方案。

所以安全性、高效性、经济性是非常重要的三个维度。

另外,也可以从非技术角度来谈一下这个问题。中国市场很大,无论是国家层面还是一些地方政府层面,都非常支持自动驾驶,与此同时,老百姓也非常想尝试新的车辆。不过,法律法规的成熟需要时间,特别是从过往的经历来看,法规的修改、新法案的成立确实需要很长的时间。

我们研究无人车,本质上是为了交通的变革,但有时候我个人也会思考将来会不会有其他交通方式出现,让无人车也被颠覆掉?从而实现更高效、更安全、更经济的交通出行方案。比如,相机、导航将来很可能不是被同行取代的,有可能是被iPhone或者新的手机取代掉了。

如何看待中美自动驾驶?

如刚开始讲到的,自动驾驶是由场景驱动的,中美两地的自动驾驶是存在一些差异的。比如,奔驰前几年就曾做过一个调研,在南非、澳大利亚、德国、中国、美国等地调研每个地方的出行需求。我个人也认为,中国和美国的道路特征,包括驾驶员行为、出行需求,是不一样的。

在美国的话,结构化道路的场景,比如高速,可能更多一些,所以美国有可能需要先解决结构化道路的驾驶;而在中国,可能是城市化道路的出行场景多一些。这些场景在中美两地可能会有不同的重要性。

此外,从场景驱动的需求和问题面临的挑战性也不太一样,比如前面所说的车路协同。我个人认为,在美国做单车智能比较多,原因之一可能是虽然美国的州立法比较强,但各个州对自动驾驶的态度不一样。如果从整体来看车和路的系统化,可能中国政府的组织能力、规划能力和投资能力比较强,在这方面能做得更好。

所以说,在自动驾驶方面中美两地面临的挑战和实际的需求是不一样的。像是自动驾驶的长尾问题也可能如此,比如某套方案在美国能解决60%的问题,但到中国也许只能解决一半不到。

当然,这里有很多共性的东西,比如某个人在中国会开车,到欧洲、美国同样也会开车。但是,如果要找到最好的方案,肯定还是需要结合问题本身的性质,要结合中国的特征。