*Drive.ai聯(lián)合創(chuàng)始人，研發(fā)與工程總監(jiān)王弢

雷鋒網新智駕按：10 月 26 日至 27 日，2018 全球智能駕駛峰會在蘇州召開，本次峰會由蘇州市相城區(qū)人民政府主辦，蘇州高鐵新城管理委員會、雷鋒網新智駕和數域承辦，邀請到來自主機廠、科技公司、資本機構和產業(yè)研究機構等領域的多位專家，共同打造了一場智能汽車和自動駕駛領域的頂級峰會。

本次峰會上，Drive.ai聯(lián)合創(chuàng)始人，研發(fā)與工程總監(jiān)王弢發(fā)表了題為《自動駕駛技術的快速迭代與落地》的主題演講。

今年 7 月，Drive.ai 首批 3-4 輛（高峰期 4 輛）自動駕駛廂式車開始在德州弗里斯科市的 Hall Park 園區(qū)和 The Star 商業(yè)區(qū)之間進行試點服務，開啟為期6個月的運營，為園區(qū)內上萬名雇員提供最后一英里的免費出行服務。

10月19日起，去美國德克薩斯州阿靈頓，就能坐上自動駕駛出租車。Drive.ai正式在德州阿靈頓向公眾開放無人駕駛接送服務。

Drive.ai的思路，自動駕駛落地初期，先推出城市自動駕駛車輛，然后不斷迭代，直至推出任何時間能去任何地點的私家無人車。

此外，創(chuàng)立于2015年的Drive.ai現(xiàn)在有170人的團隊，其中75%為工程技術團隊。

以下是演講全文，雷鋒網在不改變原意的情況下進行了編輯：

快速落地的秘訣

1、  強大的技術基因

目前Drive.ai技術團隊有130人，大都是汽車制造業(yè)、科技巨頭的軟件行業(yè)和自動駕駛行業(yè)的多年從業(yè)者。正是有了強大的技術隊伍，才能夠在各個子系統(tǒng)深入分析和投入。

具體來看，初始團隊來自斯坦福大學人工智能實驗室，屬于將深度學習應用于自動駕駛的先行者。

技術團隊構成上，公司的大部分成員大都來自美國一流大學，包括斯坦福、伯克利、麻省理工等，其中計算機專業(yè)在團隊中占到多數，可以解決算法和軟件上的難題。當然還有許多來自其他領域的人才，包括電子電器、汽車工程等。

2、  全棧式解決方案

眾所周知，L4、L5級自動駕駛是非常復雜的系統(tǒng)工程，包括很多子系統(tǒng)以及各個系統(tǒng)之間的整合和磨合。

歷史經驗告訴我們，新科技興起之初，通常是全棧式整合供應商能夠一步步發(fā)展壯大，原因是新技術興起時，技術本身不夠成熟，需要經過多輪迭代和優(yōu)化。而全棧式解決方案供應商對整個供應鏈以及各個子系統(tǒng)都有非常深入的理解，既能進行全局優(yōu)化，又能對每個子系統(tǒng)進行優(yōu)化。因此，對于全棧式解決方案供應商來說，能夠對整體和子系統(tǒng)分別進行優(yōu)化，是一大優(yōu)勢。

汽車行業(yè)里，像通用、福特等整車制造商首先成為行業(yè)巨頭。當汽車行業(yè)趨于成熟時，汽車巨頭們才會分化出一級供應商，例如德爾福是由汽車巨頭分化出的部門，后來形成了一級供應商。同時這些一級供應商又會繼續(xù)分化，形成數量重大的二級和三級供應商。

自動駕駛正處在興起之初的階段，所以Drive.ai在確定技術路線時就強調，投入自動駕駛軟件智能系統(tǒng)以及包含的子系統(tǒng)，包括模擬仿真、地圖定位、感知認知、決策規(guī)劃、線控執(zhí)行等。

此外，Drive.ai的技術路線還有自動駕駛Robo Taxi出行服務，包括車隊管理、遠程監(jiān)控和遠程監(jiān)控打車等。該部分雖不在車輛本身運營，但會在公司云端和后臺執(zhí)行。

• 多種車型線控開發(fā)

截止到目前，Drive.ai已經完成了三種不同車型的線控整合與開發(fā)，包括最早的林肯MKZ，后來的奧迪A4，以及新近加入的一款廂式車（van）。意味著Drive.ai的自動駕駛系統(tǒng)已經可以在混動車、燃油車以及商用車等多個車型之間移植。同時積累了很多線控開發(fā)經驗，也為團隊打造下一款自動駕駛車型奠定了深厚基礎。

• 高精地圖

高精度地圖是完全自動駕駛的必修課。Drive.ai在高精地圖應用上擁有整套的知識產權，從地圖的數據采集、生成、修改、傳輸、儲存、定位等，都有自己的算法。

同時公司在高精度地圖上做足了準備，以及定位系統(tǒng)不依賴高精的GPS，只通過商業(yè)化低成本的GPS輔助與高精地圖結合，就可以實現(xiàn)厘米級定位。另外我們的高精度地圖采取了分布式設計，便于儲存和傳輸，也支持快速拼接與修改，對于落地新區(qū)域，提供了很大的幫助。

• 感知認知
  

感知認知是自動駕駛的“眼睛”，Drive.ai提供了多傳感器，多種算法融合的技術路線，冗余性上冗余度高。

算法上，我們一貫強調深度學習優(yōu)先，運用海量數據驅動可持續(xù)的提高感知和認知算法的性能。不僅能夠探測到物體的位置，也可預判該物體接下來幾秒內的軌跡，從而提前做出制動。

• 決策規(guī)劃

Drive.ai采用的技術路線是規(guī)則與數據相結合的方法，規(guī)則是指道路交通規(guī)則，數據是指收集到的人類駕駛員的數據和路測數據，最終進行迭代。同時能夠應對多種復雜場景，例如主動禮讓行人、遇到障礙物繞行。

剛才的發(fā)言人提到，自動駕駛需要積累大量的路測數據，才能夠保證車輛的安全性。有報告顯示，如果用路測證明自動駕駛比人類駕駛更安全，至少要經過100多億公里的道路測試，此外確定路測過程中，接管率要低于多少，才能達到人類駕駛員的標準。

其實，自動駕駛的正常執(zhí)行并不困難，應對突發(fā)狀況才是最需要突破的。這些偶發(fā)情況稱為邊角案例。

但是邊角案例在路測中進行收集和測試，效率較低，因為行駛幾千英里可能才遇到一次邊角案例。為了解決該問題，可以采用模擬場景來獲得真實數據。

• 模擬場景，真實數據

首先，模擬場景支持大規(guī)模云端仿真測試。如果模擬場景可以在幾萬臺機器上同時運行，且不需要人工干預，可用大量的云計算來達到測試的目的。

此外，Drive.ai設計的模擬仿真器可以從實際數據當中提取場景，在收集到實際數據以后，可預判每一輛車或每一個人所處的位置以及未來路徑，接著通過感知系統(tǒng)人工標注來預知該信息。

大量采集的邊角案例可保證開發(fā)的新系統(tǒng)或者新功能達到預期效果。目前Drive.ai已經累積130萬英里的模擬數據，下一步計劃會以每周幾十萬英里的模擬數據繼續(xù)進行積累。

為了用戶的安全性體驗，Drive.ai開發(fā)了遠程實時監(jiān)控系統(tǒng)：支持普通4G網絡，每輛車實時傳輸壓縮數據回后端服務器；遠程監(jiān)控員能夠隨時調取車輛運行數據，或應答乘客需求；在偶發(fā)的復雜情況下，幫助車輛進行決策。

Drive.ai的廂式車得到了業(yè)界的肯定，在人車互動設計主要采取如下措施區(qū)分自動駕駛汽車與普通車：醒目的車輛外觀設計；四塊外置LCD顯示屏，隨時與外界溝通；顯示內容與車輛決策系統(tǒng)緊密結合，準確傳達車輛意圖。

在停車避讓行人時，車輛前方和后方的顯示屏會顯示不同內容，前方告訴行人，避讓功能開啟，行人可以放心通過；后方會提醒后方車輛前方有行人正在通過，盡量不要從側方超車，以免對行人造成傷害。

3、  多系統(tǒng)閉環(huán)迭代

擁有全站式的解決方案之后，就可在各個子系統(tǒng)上進行快速迭代。

• 閉環(huán)形成越早越好

閉環(huán)迭代、實驗測試、獲取反饋、調整策略形成循環(huán)機制。在多系統(tǒng)閉環(huán)迭代方面，Drive.ai的經驗是閉環(huán)形成越早越好，可以幫助設定目標，協(xié)助團隊找準方向。此外，早期閉環(huán)迭代的基礎架構投入會有長期匯報。

• 迭代關鍵指標

關鍵指標必須可量化，且每個閉環(huán)關鍵指標不要超過3個，否則很難追蹤。

• 外環(huán)與內環(huán)結合使用

我們的系統(tǒng)是整合系統(tǒng)工程，有外環(huán)和內環(huán)之分，內環(huán)作為某個子系統(tǒng)，而外環(huán)測量的是整個系統(tǒng)指標，例如一些指標稱作MPI，每次接管之間所間隔的歷程數，可以作為整個系統(tǒng)指標。

視覺算法方面，檢測率是內環(huán)指標，而外環(huán)指標可決定內換指標的選擇，可以通過發(fā)現(xiàn)它們之間的相關性來決定內環(huán)指標。因為內環(huán)迭代速度較快，所以可以用局部優(yōu)化來促進全局優(yōu)化。

在自動駕駛中，感知認知和決策控制是核心的智能模塊，也是通過深度學習和機器學習的算法。而機器學習或深度學習算法本身就是內環(huán)迭代。

我們把決策控制和感知認知系統(tǒng)放到路測環(huán)境中，就可收集到路測數據，路測數據進行標注就可以繼續(xù)訓練該系統(tǒng)，從而構成一個外環(huán)。當然，外環(huán)還包括車輛路測、仿真測試。最后，標注數據還可幫助團隊生成高精地圖，從而進一步影響車輛路測和仿真性能。

Drive.ai成立于2015年，晚于waymo和cruise公司的成立時間，但首先實現(xiàn)了面向公眾開放式的落地項目，同時實現(xiàn)了商業(yè)營收。

落實計劃，2020年計劃拓展至15個城市，我們與全球多個城市的當地政府和合作伙伴進行協(xié)商，商討具體落地事宜。最后，希望Drive.ai能夠以快速的落地帶動技術的迭代，從而全面加速智能駕駛的新征程。

雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。