如果無人駕駛要實(shí)現(xiàn)商業(yè)化，首先突破的領(lǐng)域會是什么？

馭勢科技給出的答案是，在封閉限定場景的低速無人駕駛車。

目前，馭勢科技已經(jīng)在廣州白云機(jī)場與杭州來福士廣場開始無人駕駛(地下車庫擺渡車)的商業(yè)化試運(yùn)營，未來，它還將與華夏幸福在城鎮(zhèn)新區(qū)半開放環(huán)境合作推進(jìn)運(yùn)營項(xiàng)目。據(jù)馭勢科技CEO吳甘沙介紹，馭勢將在今年年底實(shí)現(xiàn)產(chǎn)品量產(chǎn)，預(yù)計(jì)到2020年實(shí)現(xiàn)10萬輛規(guī)模的運(yùn)營車輛。

在3月31日-4月1日期間，你從白云機(jī)場遠(yuǎn)機(jī)位下飛機(jī)，去往P4航站樓，或是剛從杭州來福士地下停車場的電梯出來，去開自己那輛停得挺遠(yuǎn)的車，都可以搭載一輛馭勢科技的自動駕駛小車前往。

那么，為什么馭勢會選擇從封閉場景低速無人車開始切入呢？馭勢如何看待通用場景下(高速，80km/h以上)的無人駕駛，正值柯潔與AlphaGo烏鎮(zhèn)對戰(zhàn)，無人駕駛又能如何用到深度學(xué)習(xí)和人工智能呢？馭勢在商業(yè)化落地中又遇到了哪些挑戰(zhàn)，采用了什么手段解決？近日，作者專訪了馭勢科技CEO吳甘沙。

通用場景的無人駕駛還差些火候

當(dāng)加州已經(jīng)開放無人駕駛車路測申請，并有包括特斯拉、百度等在內(nèi)的20家企業(yè)已經(jīng)拿自己的車輛上路測試時(shí)，中國國內(nèi)還沒有這樣的適用法律出來。去年，長安與博世合作打造的一輛無人駕駛車，打算從重慶一路北上一千公里參加北京車展，但由于沒有相應(yīng)法規(guī)規(guī)范，中途被叫停。

直到現(xiàn)在，關(guān)于無人駕駛測試，仍沒有正式法規(guī)出臺，百度要測試那輛與奇瑞合作后改造的無人駕駛版EQ，也只能趁著夜色在中關(guān)村低調(diào)地跑一跑。

在吳甘沙看來，中國要出臺一個(gè)適用于無人車的公共道路測試規(guī)范，至少還需要一年時(shí)間。而面向自動(輔助)駕駛出臺制定底層基礎(chǔ)法律，還要1-2年時(shí)間，無人駕駛道路基本法可能就更長了，要3-5年。

除了法律法規(guī)，圍繞無人車的基礎(chǔ)設(shè)施建設(shè)、技術(shù)成熟度、無人車成本(包括最重要的激光雷達(dá)成本、整車價(jià)格等)、乃至社會接受度，都是影響無人車發(fā)展的因素。

但在這些林林總總的數(shù)據(jù)之中，吳甘沙所帶領(lǐng)的馭勢科技卻拆解出來一個(gè)新場景：激光雷達(dá)成本、V2X、高精度定位降到合理水平可能需要3年以上，不過將低速無人駕駛電動車的價(jià)格降到10到20萬左右，卻可能是在三年內(nèi)就能見到的事情。

“問起我周圍那些開特斯拉的朋友，他們對那套自動輔助駕駛系統(tǒng)(目前是L2級別)不是特別敢用。”吳甘沙說道，要社會層面接受高速公路上(開放道路)2-3級的自動駕駛，至少要需要3年時(shí)間，而與之對應(yīng)的，在限定場景下的低速無人駕駛卻能在1到2年內(nèi)為人所接受。

馭勢科技的無人駕駛落地嘗試

馭勢科技此前對低速無人車的應(yīng)用場景進(jìn)行了一番調(diào)研，發(fā)現(xiàn)即使是低速場景，要運(yùn)營起來也不簡單。

給政府做訂單自不必說，政府需求不是市場需求，使用頻次一般較低，同時(shí)維護(hù)成本可能更高昂一些，后期也沉淀不了多少商業(yè)價(jià)值；最初馭勢科技將目光瞄向了景區(qū)無人車，但幾番切磋下來，馭勢最終得出來一個(gè)結(jié)論：看上去很美的景區(qū)反而不是低速無人車的第一波需求。

對于景區(qū)來說，一到旺季，就會需要大量車輛(無人車)來運(yùn)送游客，在這種情況下，如何保證乘客的安全、并且能在短時(shí)間內(nèi)快速疏通游客成為景區(qū)的第一訴求，而這就要求成規(guī)模地部署無人車。馭勢的這輛車此前只在房山進(jìn)行過展示和訓(xùn)練，顯然，直接進(jìn)景區(qū)載客時(shí)機(jī)尚不成熟。

三月初，馭勢科技開始與廣州白云機(jī)場談機(jī)場擺渡事宜。這也是這輛車第一次經(jīng)歷長途運(yùn)輸、在外地進(jìn)行測試和部署，用時(shí)不到一個(gè)月，3月底，馭勢無人車在白云機(jī)場進(jìn)行了無人駕駛的試運(yùn)營，為期三天?！斑@也是馭勢進(jìn)行的首次真實(shí)現(xiàn)場運(yùn)營?！眳歉噬痴f道。

畢竟之前這輛車是針對景區(qū)設(shè)計(jì)，在到達(dá)白云機(jī)場前沒有進(jìn)行過實(shí)地適配，三月末，正趕上南方的梅雨季節(jié)，馭勢這輛無人車沒有車門，車內(nèi)的人員會被雨淋濕，馭勢又針對性進(jìn)行了防雨防濕設(shè)計(jì)，理順了現(xiàn)場的管理、保安、保險(xiǎn)等等。

這次試運(yùn)營算是秀肌肉，馭勢科技首席架構(gòu)師彭進(jìn)展介紹道，目前雙方已經(jīng)拓展了新場景，即進(jìn)行航站樓通道間的擺渡，這個(gè)場景相對前者來說更好，因?yàn)檫@個(gè)通道只是擺渡車運(yùn)行，沒有行人，場景更簡單。彭進(jìn)展算了一筆賬，通道的擺渡應(yīng)用頻次比較高，每天吞吐近萬人次，年吞吐量在300多萬人次，到時(shí)真正跑起來，投入10輛車，建立3班倒的司機(jī)隊(duì)伍，能產(chǎn)生可觀的收益。

對于馭勢來說，這是一個(gè)高端高頻高收益，同時(shí)又是低風(fēng)險(xiǎn)的場景。通過機(jī)場這一個(gè)B端，獲取的是機(jī)場人群這一高端客群。

凱德集團(tuán)是一個(gè)聽聞馭勢并主動找上門的客戶，需求是給杭州來福士購物中心做地下車庫擺渡。

目前，主流采用的定位方式是GPS定位，但GPS信號在樓宇遮擋的情況下就會迅速衰減，到了地下停車場，GPS就太弱了，必須找到一種新的定位方法，這里會用到的是SLAM(Simultaneous localization and mapping)，即能夠同時(shí)完成定位和地圖測繪。

據(jù)吳甘沙介紹，目前馭勢的方案采用視覺SLAM與激光雷達(dá)SLAM兩種方法，在具體實(shí)現(xiàn)路徑上，馭勢會先去獲取地下停車場的CAD圖，將視覺和激光雷達(dá)點(diǎn)云與CAD進(jìn)行匹配，在此基礎(chǔ)上進(jìn)行傳感器的多感知融合定位，另外，馭勢還在地下車庫中設(shè)置了很多二維碼，作為無人駕駛車參考的標(biāo)記，類似航路系統(tǒng)中的waypoint，即航途基準(zhǔn)點(diǎn)。

除了這些，地下車庫還有一些比較獨(dú)特、需要具體去解決的攻關(guān)難題。比如，地下停車場的燈光較為復(fù)雜，攝像頭方案常見的致盲等問題便是因?yàn)楣饩€突然變化，對此，馭勢的解決方案是以激光雷達(dá)輔助攝像頭，以傳感器融合的方式做多感知冗余。

此外，這個(gè)場景還涉及到人車混行，彭進(jìn)展介紹道，馭勢對此進(jìn)行了多次連續(xù)避障訓(xùn)練，同時(shí)由于加入了行人運(yùn)動軌跡預(yù)測、行為預(yù)測，所以車輛在實(shí)際行進(jìn)時(shí)會比較流暢，不會有頓挫感。馭勢還對地庫的矮小障礙物閃避進(jìn)行了模擬訓(xùn)練，用以應(yīng)對地庫中出現(xiàn)的兒童、動物等道路參與者。

空間狹小也是地庫中必須要解決的問題，這主要體現(xiàn)在地庫中轉(zhuǎn)彎半徑小，類似人類駕駛員在出入停車庫時(shí)應(yīng)對的螺旋形道路對無人車就是典型的挑戰(zhàn)，另外，馭勢科技還對整體的規(guī)劃控制問題進(jìn)行了優(yōu)化，比如面對減速帶的情況。整體來說，馭勢科技與來福士進(jìn)行配合，一天內(nèi)將無人擺渡車項(xiàng)目部署上線。

馭勢科技在深度學(xué)習(xí)方面的想法

吳甘沙坦言，從Demo到實(shí)際場景的運(yùn)營，其復(fù)雜度、機(jī)動性是上了一個(gè)臺階的。這就像從原來葉問對著詠春木人樁練習(xí)，到與少林18銅人對戰(zhàn)，由靜入動，在這種情況下，如何判斷態(tài)勢、評估他者(人或動態(tài)物體)的動機(jī)、預(yù)測其行為，并合理獲得路權(quán)至關(guān)重要。

比如，老司機(jī)在開車時(shí)會根據(jù)前方車速快慢決定是否超車、并線，目前，馭勢科技使用的是強(qiáng)化學(xué)習(xí)的方法模仿老司機(jī)，在100公里的時(shí)速下，可以在前車行駛過慢時(shí)進(jìn)行打燈并線、超車、之后再并線回到原來車道。

但使用大數(shù)據(jù)驅(qū)動深度學(xué)習(xí)也有命門：即機(jī)器很可能會出現(xiàn)訓(xùn)練集中毒、偏差——人舉著啞鈴的圖片作為數(shù)據(jù)輸入，不斷訓(xùn)練的結(jié)果是，機(jī)器會將這段舉著啞鈴的胳膊也當(dāng)成啞鈴的組成部分。

此外，深度學(xué)習(xí)最著名的命門，也是至今學(xué)術(shù)界和研發(fā)人員未解決的問題，就是人們并不明白系統(tǒng)是怎么工作的，其原理是一個(gè)黑盒子，不具有可解釋性。這個(gè)選擇為什么好、為什么差甚至一定程度上是隨機(jī)的。

比如，Christian Szegedy等人曾在ICLR2014發(fā)表的論文中提出了對抗樣本(Adversarial examples)的概念，即在數(shù)據(jù)集中通過故意添加細(xì)微的干擾所形成的輸入樣本，受干擾之后的輸入導(dǎo)致模型以高置信度會得出一個(gè)錯(cuò)誤的輸出。在他們的論文中，他們發(fā)現(xiàn)包括卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)在內(nèi)的深度學(xué)習(xí)模型對于對抗樣本都具有極高的脆弱性。

我們?nèi)搜劭梢暂p而易舉識別出來的圖像、物體，假以對抗樣本，機(jī)器通過深度學(xué)習(xí)卻完全識別不出來。

吳甘沙認(rèn)為，在開放動態(tài)環(huán)境下的無人駕駛需要更強(qiáng)壯的AI，要建立這樣一種AI，需要深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)兩種打法結(jié)合。強(qiáng)化學(xué)習(xí)追求可解釋的邏輯推理(理性思考)、強(qiáng)調(diào)常識、經(jīng)驗(yàn)、可以積累的背景知識，同時(shí)輔以遷移學(xué)習(xí)的舉一反三、基于貝葉斯的因果推理。

現(xiàn)在在開放道路無人駕駛做得最好的是谷歌Waymo，每5000千英里(合8000多公里)需要一次人類干預(yù)，特斯拉每3英里需要一次人類干預(yù)，而自動駕駛新秀Uber則每英里需要一次人類干預(yù)。但即使是做得最好的Waymo，也不及人類駕駛員的萬分之一，人類駕駛員每9000萬英里出一次小型事故。

一個(gè)很快的解決方案就是使用模擬、仿真，即基于大數(shù)據(jù)進(jìn)行快速建模，模擬天氣、光照、雨天等，用模擬、仿真+強(qiáng)化學(xué)習(xí)、以及生成性對抗網(wǎng)絡(luò)(用于中和上文提到的對抗樣本，進(jìn)行降噪，貼出為真、為假的標(biāo)簽)作無人駕駛中的深度學(xué)習(xí)。

這幾日柯潔在烏鎮(zhèn)連連敗給AlphaGo，人工智能將不可避免地成為無人駕駛領(lǐng)域的重要探索方向。馭勢目前正在與國內(nèi)外研究機(jī)構(gòu)合作研發(fā)駕駛AI，國際著名Tier 1供應(yīng)商博世也建立了自己的AI孵化器。

無人駕駛AlphaGo比肩人類駕駛員的那一天，或許就在不久后到來。

返回第一電動網(wǎng)首頁 >