久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

馭勢科技CEO吳甘沙

隨著國家智能駕駛相關(guān)政策法規(guī)逐漸成型、行業(yè)內(nèi)技術(shù)不斷完善，以及中國智能駕駛企業(yè)積極推動應(yīng)用落地的情況下，中國智能駕駛市場規(guī)模呈現(xiàn)出持續(xù)擴(kuò)大趨勢。據(jù)悉，2020年中國智能駕駛產(chǎn)業(yè)市場規(guī)模預(yù)計將達(dá)到1214億元人民幣，前景可期。

探索智能駕駛商業(yè)化之路

智能駕駛實現(xiàn)商業(yè)化需要在以下三個方面做出努力。首先需要前沿技術(shù)做支撐；其次是企業(yè)家精神，即創(chuàng)新、冒險、協(xié)作；最后是復(fù)雜系統(tǒng)的管理經(jīng)驗。汽車本身是一個非常復(fù)雜的系統(tǒng)，需要管理者具有豐富的管理經(jīng)驗。只有同時具備這三個條件，才可能實現(xiàn)智能駕駛的商業(yè)化。

馭勢科技于2016年3月開始探索、研究智能駕駛相關(guān)技術(shù)的發(fā)展，不斷加強(qiáng)與學(xué)術(shù)界的溝通交流，提升自身的創(chuàng)新水平和研發(fā)技術(shù)，目前已具有前沿的無人駕駛技術(shù)、人工智能技術(shù)、系統(tǒng)工程技術(shù)和汽車電子技術(shù)。首先，開發(fā)軟件，重構(gòu)智能駕駛的軟件系統(tǒng)，包括算法、中間件、操作系統(tǒng)，尤其是中間件。經(jīng)過深入考慮，馭勢科技放棄了如今廣為使用的ROS操作系統(tǒng)，改用美國軍方在武器中使用的輕量實時系統(tǒng)RCS。接著4月份，馭勢科技著手硬件的開發(fā)，包括攝像頭、控制器等。5月，算法開始在模擬器上進(jìn)行測試，同時開始半閉環(huán)測試（半閉環(huán)，即感知設(shè)備已經(jīng)在車上開始運(yùn)行，但還沒有控制車輛）。直到7、8月，研發(fā)出第一輛可以線控的車，并進(jìn)行了長時間的測試。并在此基礎(chǔ)上開始進(jìn)行全閉環(huán)測試，也就是真正的路測。在這個過程中，我們遇到了很多困難和挑戰(zhàn)，也獲得了諸多成長經(jīng)驗。

困惑之后來者的定位

當(dāng)前的智能駕駛，主要包括五類。第一類是駕駛輔助系統(tǒng)（driving assistant system），即人開汽車，機(jī)器起一定的輔助作用。第二類是自動輔助駕駛，像特斯拉的AutoPilot，它有兩個要素，（1）在封閉的結(jié)構(gòu)化的高速路上，機(jī)器持續(xù)地實現(xiàn)自動駕駛；（2）駕駛員仍然需要把注意力放在路上，甚至把手放在方向盤上。第三類是高度自動駕駛。指不再局限于封閉的高速公路，能夠開到大街小巷。駕駛員可以做其他事情，只要能夠在5秒內(nèi)重新回到?jīng)Q策化，這是比當(dāng)前輔助駕駛更有用的一種自動駕駛技術(shù)。第四類是限定場地的無人駕駛，能夠在城市區(qū)域里實現(xiàn)無人駕駛。沒有駕駛員，沒有方向盤、油門、剎車，限定在固定場景，最高時速在40公里以內(nèi)。第五類是全天候全區(qū)域的無人駕駛，我們相信在2030年，可能會出現(xiàn)。如圖1所示。

圖1 智能駕駛的分類

為此，馭勢科技也面臨著定位選擇。2016年，工信部發(fā)布的智能網(wǎng)聯(lián)汽車發(fā)展技術(shù)路線圖指出，到2020年，我國每年將有1500萬輛車具備駕駛輔助或者輔助駕駛系統(tǒng)，同時在目前的輔助駕駛形態(tài)中，技術(shù)還有很多可改進(jìn)的地方，國內(nèi)能夠有商業(yè)化技術(shù)的供應(yīng)商還很欠缺，因此我們決定將第二類輔助駕駛作為公司研發(fā)的切入點。

差異化發(fā)展策略

馭勢科技作為智能駕駛領(lǐng)域的新興企業(yè)，一直在探索屬于自己的差異化發(fā)展之路，主要表現(xiàn)在技術(shù)、服務(wù)、成本三個方面。

1 視覺識別技術(shù)

今年五月，一輛開啟了Autopilot自動駕駛功能的特斯拉Model S被卷入了一場嚴(yán)重的事故中，車內(nèi)的駕駛員在車禍中不幸身亡。這起事故發(fā)生在佛羅里達(dá)州中部的一段公路，當(dāng)時一輛拖拉機(jī)掛車正在橫穿高速公路，疾馳而來的特斯拉Model S迎頭撞上了掛車。自動駕駛的過程中多種傳感器失效、未能發(fā)現(xiàn)掛車，導(dǎo)致悲劇。

這場事故更加突出了自動駕駛在技術(shù)上存在一些缺陷。首先是視覺缺陷，事故發(fā)生時，正處于典型的逆光狀態(tài)，實際上從目前Autopilot的系統(tǒng)來看，它具備動態(tài)曝光和自動增益的能力，理論上在強(qiáng)逆光或微光情況下，仍舊能夠識別前車尾部。但是案發(fā)當(dāng)場，卡車是橫在路上的，它的截面并不符合這套視覺系統(tǒng)識別的特征，因此當(dāng)時的視覺系統(tǒng)是失效的。或許有人會問，毫米波雷達(dá)為什么沒有起作用？雷達(dá)在遠(yuǎn)距離發(fā)現(xiàn)了橫在路面上的一排反射點，但是為了避免誤剎車，它做了一個比較保守的分類，將障礙物分類為橫跨路面的一個交通標(biāo)志牌，并希望隨著距離的縮減能夠有更準(zhǔn)確的分類。但是，根據(jù)當(dāng)時的情況判斷，事故發(fā)生時毫米波雷達(dá)是放空的。

針對以上提及的視覺缺陷，首先可以改進(jìn)雷達(dá)的算法，這也是特斯拉正在做的。特拉斯通過與博世合作，挖掘更多的數(shù)據(jù)，得到六倍之多的object，每個object也有更多的信息，同時實現(xiàn)了將3D的雷達(dá)影像在時間維度對object進(jìn)行correlation，這樣可以更好地區(qū)分動態(tài)和靜態(tài)object，以及虛假反射。此外，還可以采取一種眾包的方式區(qū)別永久和臨時的障礙物。如果很多車經(jīng)過一個場景時，都判定前方有一個靜態(tài)障礙物，那么就可以斷定確實存在一個障礙物；如果并不是所有車都能判定有障礙物，那么就可以將其稱之為臨時障礙物。

其次，通過基于深度學(xué)習(xí)的視覺算法提升感知能力。相比起傳統(tǒng)的視覺算法，它能從不同距離、不同角度進(jìn)行識別，既可以識別奇形怪狀的車輛，也可以識別被遮擋的車輛。在此基礎(chǔ)上，馭勢科技又利用立體攝像頭做了一個視覺雷達(dá)，它能夠?qū)崟r識別出靜態(tài)、動態(tài)障礙物的點云，并實時用暖冷色調(diào)標(biāo)識其距離和相對速度。視覺雷達(dá)與深度學(xué)習(xí)相結(jié)合，就能有效避免特斯拉遇到的問題。對此，我們開始輔助駕駛系統(tǒng)的商業(yè)化。馭勢科技的這套視覺識別系統(tǒng)實現(xiàn)了100公里時速的高速輔助駕駛，并且具有自主超車能力，累計測試?yán)锍探咏?萬公里。

2 高質(zhì)量的服務(wù)

目前國內(nèi)很多車廠若想實現(xiàn)輔助駕駛，需要找國際的廠商，這樣實現(xiàn)周期會很長，而且也無法獲得高質(zhì)量和及時的服務(wù)。馭勢科技希望用最快的響應(yīng)速度，降低客戶的時間成本。我們曾僅用兩周時間既在車廠的樣車上裝好了這套系統(tǒng)，并且開始測試。另一方面，我們愿意推動技術(shù)創(chuàng)新的擴(kuò)散，與車廠和供應(yīng)商實現(xiàn)開放的、協(xié)同的創(chuàng)新，包括知識產(chǎn)權(quán)和源代碼、模型等的開放，測試數(shù)據(jù)的共享，并且?guī)椭蛻籼嵘灾餮邪l(fā)能力。

3 深度學(xué)習(xí)的成本

當(dāng)然，成本也是我們考量的一個因素，甚至是技術(shù)路線的約束元素。比如深度學(xué)習(xí)需要很強(qiáng)的計算能力，其硬件的選擇就面臨了性能和成本的權(quán)衡。目前嵌入式CPU的性能仍有一定差距，無法做到實時。而ASIC雖然功耗、成本最低，但缺乏靈活性，考慮到未來幾年深度學(xué)習(xí)算法仍在快速演進(jìn)，ASIC也不是最佳選擇。GPU目前來說是最好的選擇，英偉達(dá)已經(jīng)與多家車廠和一級供應(yīng)商開展合作，但對Level 2來說價格偏貴。FPGA略便宜、功耗也較低，但是算法移植的成本也是可觀的。神經(jīng)網(wǎng)絡(luò)加速器NPU具有模型和算法的可定制能力，性能也最好，但作為新的硬件平臺，符合車規(guī)尚需時日，而且車廠對新平臺以及供應(yīng)商的選擇偏保守。

DSP是目前的主流選擇，但在深度學(xué)習(xí)上性能還有差距，就CEVA等IP供應(yīng)商的技術(shù)路線圖來看，未來幾年性能上獲得突破的可能性很大。考慮成本的競爭力，未來2~3年Level 2產(chǎn)品化的主要平臺還是以DSP為主，而Level 3以上則要依靠GPU和FPGA等。基于這個判斷，我們必須讓算法適配這些硬件平臺。比如，部分使用傳統(tǒng)視覺取代深度學(xué)習(xí)，比如車道線檢測。雖然目標(biāo)檢測上，傳統(tǒng)視覺還不能做到深度學(xué)習(xí)那樣，但與雷達(dá)融合可以彌補(bǔ)視覺精確度的下降。另一方面，需要訓(xùn)練多任務(wù)網(wǎng)絡(luò)，讓同一個網(wǎng)絡(luò)模型做不同事情，如行人識別、汽車識別、交通標(biāo)志識別等。此外，還可以做圖像壓縮、模型壓縮，優(yōu)化算法（減少region proposal，非深度學(xué)習(xí)與深度學(xué)習(xí)級聯(lián)等），針對定點處理器優(yōu)化等降低深度學(xué)習(xí)的復(fù)雜度。

激光雷達(dá)和視覺的融合

作為一個創(chuàng)業(yè)公司，馭勢科技希望可以找到特定的市場細(xì)分領(lǐng)域，比如安東尼·列文托斯基的Otto選擇的領(lǐng)域為貨車。另外一個小的細(xì)分領(lǐng)域為私有道路、確定路線，如園區(qū)、景區(qū)、主題公園、高爾夫球場、機(jī)場等場地的無人駕駛。那么，在這樣場景的無人駕駛中，是否還需要激光雷達(dá)？有些廠商的回答是否定的。特斯拉Autopilot 1.0只用了一個前置攝像頭和一個前向的毫米波雷達(dá)，而2.0用了八個攝像頭，前向有三個不同距離和視場角的攝像頭，兩邊的前側(cè)有兩個，兩邊的后側(cè)有兩個，后視有一個，如圖2所示，它的理念是希望通過攝像頭的視覺加上毫米波雷達(dá)和超聲波能夠?qū)崿F(xiàn)無人駕駛。特斯拉聲稱，明年車上硬件部分已經(jīng)可以支持完全的無人駕駛，但是它的軟件算法還是需要逐漸迭代。

圖2 激光雷達(dá)與視覺的融合

但是后來經(jīng)過了幾個月的探索，我們轉(zhuǎn)變了研究思路。一是因為深度學(xué)習(xí)的技術(shù)同質(zhì)化以及它在魯棒性上的缺陷，使得純靠視覺存在很大問題。二是因為激光雷達(dá)的成本問題已經(jīng)不再是一個難題。

在未來很多車輛的設(shè)計中，基本都實現(xiàn)了包括激光雷達(dá)在內(nèi)的多種傳感器360度無死角多冗余的配置。基于此，我們也開始進(jìn)行激光雷達(dá)和視覺的融合。它一方面使其對環(huán)境的感知更加精準(zhǔn)，也會產(chǎn)生新的使用模式，如激光雷達(dá)幫助視覺進(jìn)行校準(zhǔn)，視覺利用激光雷達(dá)做ground truth等。另一方面，加入激光雷達(dá)，會提高汽車的安全可靠性。馭勢科技設(shè)計了兩款針對私有道路的無人駕駛汽車，一款是由一輛低速的電動車改造而成的，一款是完全自主設(shè)計的無人駕駛共享出行車。它是兩臺座椅對著坐，沒有方向盤、油門、剎車，已在北京一些園區(qū)開始常態(tài)化測試，即將進(jìn)入試運(yùn)行。特別值得一提的是，這款無人駕駛車還實現(xiàn)了無線充電的功能，當(dāng)汽車電量耗光后，它可以自己尋找?guī)в袩o線充電功能的停車位進(jìn)行充電。

此外，我們嘗試了一系列的算法提升感知和認(rèn)知能力，從簡單的目標(biāo)識別到目標(biāo)理解和建立全面世界模型（World Model），從卷積神經(jīng)網(wǎng)絡(luò)到語義分割和實例分割，實現(xiàn)惡劣天氣和非結(jié)構(gòu)、半結(jié)構(gòu)道路上的可行駛區(qū)域檢測。未來，馭勢科技希望通過立體視覺識別道路路面上的坑坑洼洼和障礙物（road hazards），通過循環(huán)神經(jīng)網(wǎng)絡(luò)推理從前車掉落動態(tài)物品的特性，通過Inverse Reinforcement Learning方法實現(xiàn)駕駛員駕駛風(fēng)格的學(xué)習(xí)，還有基于強(qiáng)化學(xué)習(xí)和循環(huán)神經(jīng)網(wǎng)絡(luò)來判斷駕駛態(tài)勢，評估他人的動機(jī)，預(yù)測其行為，合理獲取路權(quán)。

總之，智能駕駛是超級復(fù)雜的系統(tǒng)工程。就拿全速度自適應(yīng)巡航FSRA來說，不僅僅要考慮基本算法，還需要近千個參數(shù)的表達(dá)，全面的實現(xiàn)和測試細(xì)節(jié)，和完整的系統(tǒng)支持。真正的產(chǎn)業(yè)化不僅僅是對一些技術(shù)的研發(fā)，從學(xué)術(shù)研究到產(chǎn)業(yè)化的“最后的十公里”往往是最困難的，需要學(xué)術(shù)界和產(chǎn)業(yè)界非常緊密的合作。

（本文根據(jù)作者在2016年中國智能車大會暨國家智能車發(fā)展論壇上所作報告整理）

作者簡介：

吳甘沙，馭勢科技聯(lián)合創(chuàng)始人、CEO，致力于研發(fā)最先進(jìn)的自動駕駛技術(shù)，以改變這個世界的出行。個人定位：略通商業(yè)智慧的資深工程師，嘗試破壞式組織變革的技術(shù)管理者，用技術(shù)推動社會創(chuàng)新的趕潮人。

摘自《自動化博覽》2017年1月刊