自動駕駛真正上路 還有10%的技術(shù)難題待解

自動駕駛在技術(shù)上已經(jīng)解決了90%的問題，但剩下10%的問題如很多邊界化難題，卻可能要花費(fèi)比過去更多的精力去解決。

10月21日，全國首個常態(tài)化運(yùn)營的5G無人公交在蘇州落地。這個在蘇州高鐵新城亮相的無人公交是在開放的城市道路上運(yùn)行，且速度可達(dá)20～50 km/h。這輛無人公交車除了具備避讓行人車輛、自動變道、自動轉(zhuǎn)向等基本功能，還能應(yīng)對各類城市復(fù)雜交通場景，例如穿行人車混雜的路口、應(yīng)對后車加塞等。

此前，10月12日，北京也開放了無人駕駛出租車試乘，12日當(dāng)天北京地區(qū)的呼單量就突破了2 600單。而早在今年4月，長沙已經(jīng)全面開放了無人駕駛出租車服務(wù)。

商業(yè)化正迎來最佳時機(jī)

“2019年12月，國內(nèi)首次提出了新基建的概念，掀起了一股新浪潮。新基建包括5G、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、衛(wèi)星互聯(lián)網(wǎng)、人工智能、云計(jì)算、區(qū)塊鏈七大板塊，其中5G、AI、大數(shù)據(jù)中心(云計(jì)算)三大板塊是自動駕駛軟件的核心技術(shù)?！陛p舟智航聯(lián)合創(chuàng)始人、CEO于騫在接受科技日報(bào)記者采訪時表示。

在于騫看來，自動駕駛處于這幾大領(lǐng)域的交匯點(diǎn)，是新基建的典型落地應(yīng)用。加上近年來不斷完善的智慧城市、智慧交通相關(guān)政策，可以說，自動駕駛在國內(nèi)的商業(yè)化落地正迎來最佳的時機(jī)。

“在整體落地方面，僅從近幾年無人駕駛行業(yè)的創(chuàng)業(yè)公司情況來看，以2018年為分界點(diǎn)，無人駕駛領(lǐng)域確實(shí)是出現(xiàn)了兩個創(chuàng)業(yè)的黃金窗口。”于騫說。

第一個黃金窗口出現(xiàn)在2015—2017年之間，在這段時間里，出現(xiàn)了一批自動駕駛公司，在這個階段的融資主要是靠估算的產(chǎn)品規(guī)模以及團(tuán)隊(duì)背景，當(dāng)時市場對L4級別自動駕駛(全自動駕駛)產(chǎn)品落地的期望值很高，定下了不少比較樂觀的近期目標(biāo)。

“在近期目標(biāo)沒有實(shí)現(xiàn)時，市場感到了失望，并重新對落地時間樹立起了新的認(rèn)知，這時又遇上了資本寒冬，所以自動駕駛創(chuàng)業(yè)公司的聲音少了許多?！庇隍q表示。

在2019年之后，人們對L4級別自動駕駛的預(yù)期開始回歸理性，隨著技術(shù)的進(jìn)一步成熟，市場的需求也呼喚無人駕駛產(chǎn)品落地。同時國家的各類政策先后推出，以及相應(yīng)的法律法規(guī)逐漸完善，隨著硬件成本的顯著下降，L4級別自動駕駛的短期落地場景逐漸明確了。于騫表示，目前，業(yè)內(nèi)預(yù)計(jì)公共道路中低速載人場景的落地運(yùn)營時間在1—3年，公共道路中低速載貨場景的落地運(yùn)營時間則是在3—5年。

無人小巴更具落地可能性

在于騫看來，自動駕駛能否商業(yè)化取決于不同自動駕駛級別和不同場景，例如L2級別自動駕駛(部分自動駕駛)的方案已經(jīng)在許多量產(chǎn)車上落地。

“無人駕駛出租車作為目前市場規(guī)模最大的、最有挑戰(zhàn)的部分，是城市復(fù)雜交通環(huán)境無人駕駛的終極目標(biāo)，但無人駕駛出租車的落地周期比較長、速度快、非固定路線，落地難度會比較大?！庇隍q說。

目前業(yè)內(nèi)更看好無人小巴在公開道路的商業(yè)化落地應(yīng)用，無人小巴正在國內(nèi)多個城市啟動常態(tài)化運(yùn)營，可滿足城市中的地鐵接駁及微循環(huán)接駁需求。

如蘇州在2020年7月發(fā)布了全球首條城市微循環(huán)無人小巴市民體驗(yàn)線路，并隨后落地了全國首個常態(tài)化運(yùn)營的城市公開道路無人小巴項(xiàng)目，部署多條無人小巴城市微循環(huán)線路。蘇州的無人公交項(xiàng)目將設(shè)置多條路線，覆蓋高鐵新城周邊9.8 km2區(qū)域，解決居民出行“最后3 km”難題。這是目前國內(nèi)覆蓋范圍最大的無人公交項(xiàng)目，也是唯一常態(tài)化運(yùn)營的城市公開道路無人公交項(xiàng)目。

于騫表示，無人小巴這一應(yīng)用場景具有三大優(yōu)勢。第一，中低速場景，速度保持在20～50 km/h之間。第二，固定路線，車在同一條線路上反復(fù)磨練，更能確保行駛安全，并可實(shí)現(xiàn)紅綠燈優(yōu)先和預(yù)警。第三，滿足多人出行，在公共道路上享受優(yōu)先路權(quán)。

“無人小巴這一應(yīng)用場景結(jié)合了固定路線中低速、多人出行路權(quán)優(yōu)先、可部署基于5G的車路協(xié)同等優(yōu)勢，或?qū)⒊蔀長4級別自動駕駛的最快實(shí)際落地場景?！庇隍q說。

已經(jīng)解決90%的技術(shù)問題

于騫認(rèn)為，決策規(guī)劃和感知的問題都可以歸結(jié)為自動駕駛的長尾問題。自動駕駛在技術(shù)上已經(jīng)解決了90%的問題，但剩下的10%卻可能要花費(fèi)同樣多甚至更多的精力去解決，這10%包括很多邊界化難題，如在車輛遇上野鴨子之前，工程師甚至不知道會有野鴨子的問題。所以邊界化難題是需要去發(fā)現(xiàn)并解決的。

“除了收集大量的數(shù)據(jù)，更重要的是建立自動化生產(chǎn)工廠，將源源不斷收集來的有效數(shù)據(jù)，通過自動化的工具，加工成可用的模型。以更快的速度、更高效的方式應(yīng)對邊界化難題。”于騫表示。

于騫以上面野鴨子的場景為例，如果需要專門針對這些場景去開發(fā)特殊的模型，那會有無窮無盡的場景需要處理。但借助自動化的辦法，只要數(shù)據(jù)標(biāo)注好了，下次系統(tǒng)更新時便可以更好處理這種情況，省下大量工程師的時間。“以感知舉例是比較容易理解的，但其實(shí)規(guī)劃技術(shù)也一樣。要想讓車做出準(zhǔn)確的規(guī)劃，最原始的方法是工程師寫規(guī)則——大量的工程師寫出大量的規(guī)則，但這種方式不易維護(hù)性還不能滿足最新需求；再進(jìn)一步便是設(shè)計(jì)獎勵函數(shù)——設(shè)計(jì)獎勵函數(shù)比寫規(guī)則要簡單得多；再往后則是系統(tǒng)利用數(shù)據(jù)自動學(xué)習(xí)獎勵函數(shù)。這個過程便是往自動化方向發(fā)展的過程?！庇隍q說。