唐銳:自動駕駛的演進之路

蓋世汽車
佚名
今天自動駕駛變成一個非常熱的話題,有很多人分別從產業(yè)界、學術界進行思考,也有很多人發(fā)出很多聲音。我們現(xiàn)在想問幾個問題,因為確實到了一個時間點,我們去思考把這些東西落地。其實今天很多人看到明年某一個時間...

今天自動駕駛變成一個非常熱的話題,有很多人分別從產業(yè)界、學術界進行思考,也有很多人發(fā)出很多聲音。我們現(xiàn)在想問幾個問題,因為確實到了一個時間點,我們去思考把這些東西落地。其實今天很多人看到明年某一個時間點,或者今年某一個時間點開始做自動駕駛的量產,我有時候會了解一下,什么叫量產?量產多少臺?可能在一個非常局部的區(qū)域,量產幾十臺,或者一點多公里的路線做一個Demo,這個不是嚴格意義上的量產。尤其在汽車行業(yè),汽車要進入量產是蠻復雜的一件事,車的很多零部件要經過非常嚴格的測試,高溫跌落EMC、ESD等測試,然后還有四年15萬公里的質保,這些必須要考慮到,尤其跟自動駕駛相關的主動安全東西,這些東西都考慮到,我們才認為是真正量產的自動駕駛。

這個量產也有很大的區(qū)別,量產一百臺、一萬臺、一百萬臺肯定不一樣,什么是大規(guī)模量產?除了在車輛可靠性達到相當高的水準,在成本控制上也非常關鍵。今天很多國內車的售價可能在十萬~二十萬的區(qū)間里,這樣的車其實沒有辦法使用很昂貴的傳感器,比如說今天大量做自動駕駛,一些Demo在使用激光雷達,今天的激光雷達技術其實不成熟,里面有一個機械一直在旋轉,可能路上振一下就出問題了。大家知道谷歌的64線激光雷達,這個要七八萬美元。我們看到一些激光雷達研發(fā)的零部件廠,我們在未來三五年推到一千美元左右,但是即便這樣也是昂貴的。汽車主流的價格區(qū)間沒有辦法使用非常昂貴的硬件組合,所以這些硬件要成本低到一定程度,我們才能進行大規(guī)模的量產。

第三個問題,在中國應該走出一個不一樣的自動駕駛大規(guī)模量產道路。我自己原來在硅谷待了很多年,在美國和中國有蠻大的區(qū)別,硅谷是自動駕駛創(chuàng)新發(fā)源之地,做了大量前沿的工作。中國和美國有很多不一樣的東西,我在美國工作的時候,出門五分鐘就上了高速,開了二三十分鐘下高速,又過了幾分鐘很快就到了公司。在中國這個體驗完全不一樣,在美國高速非常重要,在中國大部分開車的時候會堵在內環(huán)高架上,或者去購物中心吃飯,大部分時間在找車位。我創(chuàng)立縱目科技是在2013年,我在想怎么走出不一樣的自動駕駛的道路,其實一個結論,在中國尤其是今天城市變的擁擠的情況下,可能是自動駕駛最重要的切入場景。所以一直以來我們沿著這個思路進行深入的思考,怎么在中國走出一條從自動駕駛到輔助駕駛的量產道路。

今天來看,很大程度上自動駕駛和共享出行已經成為兩個緊密結合在一起的概念,因為今天不管是傳統(tǒng)的車企,像GM都在說將來不再做一個汽車產品公司,變成一個出行公司,還是像谷歌和優(yōu)步,他們在積極推動整個無人駕駛共享化、出行服務等等。所以從這個層面來講,這兩個概念非常緊密的結合在一起,所有出行服務公司共享汽車的業(yè)務,最后的成本是在駕駛人的成本上,如果把這個無人化、自動化,對于整個出行服務來講是最重要的一環(huán)。

同時對于傳統(tǒng)的車輛,包括自動駕駛,我們怎么趕上這個風口,將來這一塊代表變遷的方向是做相應的合作,深入思考,怎么跟其他企業(yè)一起把這個產業(yè)往前拉動。所以我們也是基于這個思考在談,我們低速的技術怎么跟OEM和出行領域的合作伙伴進行深度合作,因為今天看起來共享出行很重要的痛點,其實在中國不在于高速,還是在于低速。今天我們看到中國有很多共享的企業(yè)如火如荼的在展開布局,不管是上海的EVCar,還有途哥,包括摩拜也出了一個,因為自行車解決了三公里以內,但是三公里以外自行車不適合,需要共享低速去解決。這里面出現(xiàn)一個很大的問題在于調度,最后幾公里之內怎么幫調度員找到車,其中一個是我們想要談的技術,自主泊車。

你可以想象怎么讓車和人互相發(fā)現(xiàn)對方,怎么讓車給共享出行的企業(yè),比如加油的時候,自己加油或者充電,這是一個非常核心的問題。今天你可以想象,我們去滴滴打車,可能花很多時間是人和車怎么互相發(fā)現(xiàn)對方。明天后天,當我們EVCar有幾百輛在城市里的時候,要解決調度問題的時候,是停車場里車和人互相找到,這是共享出行需要解決的最大的問題,高速也重要。但是在最后一公里調度問題,可能會變得非常重要。所以基于這樣的一些思考我們得出一些結論,我們的自主泊車技術,可能是共享出行里最關鍵的一環(huán)。

我再對縱目科技發(fā)展做一個回顧,縱目有一個比較明確的發(fā)展階段,對于我們來講,我們走出了一個非常明確的發(fā)展過程。我們縱目科技2013年成立,我們的出發(fā)點是做環(huán)式技術,最早做360°全景影像,做全景泊車,提供拼接之后的環(huán)式,幫助駕駛員做泊車過程中觀看輔助功能。然后我們延伸出了很多新的功能,包括用攝像頭做車道偏離預警、開門預警等等功能。從這個層面來講是L1、L2的功能,今天可能有好幾十萬輛車在馬路上開,其實也在使用這個產品和技術。

今天我們是站在L3向L4邁進。我們在環(huán)式的基礎上繼續(xù)擴展我們的邊界,L3是做基于環(huán)式自動泊車的產品,L4是做基于環(huán)式自主泊車的系統(tǒng),最后達到完全多工況的自動駕駛。

解釋一下自動泊車和自主泊車的區(qū)別,自動泊車相對來講有一段歷史的概念,這個概念十年以前就出現(xiàn)了,是說車在最后三五米過程中通過傳感器發(fā)現(xiàn)這個地方有一個可以停車的位置,不管是水平的還是垂直的,幫助駕駛員把這個車停進去,這樣的一個功能,本身來講屬于L2級別,因為它既控制方向盤又控制剎車油門,當然最早是半自動,只控制方向盤不控制剎車油門,慢慢的這個產品在進化,到今天可以幫助駕駛員解決三到五米的泊車過程。自主泊車的概念最早是代客泊車,比如去酒店,我把車鑰匙交給門童,他幫你把車停到停車場。但是我們想象一下把人的操控無人化,用車上自主的系統(tǒng)替換掉,這是我們今天談的自主泊車。

你可以想象一下,這個技術是一個L4,甚至涉及到無人環(huán)節(jié)的特殊場景下的自動駕駛技術,其實也有很多不同的細分場景。我們今天向L4邁進,有很多成熟的技術,跟國內的主機廠商把自動泊車迅速的導入量產。我們剛剛在北京發(fā)布了自主泊車的第一個原形,我們演示了一個完整的在地下車庫自主泊車的使用場景。所以今天站在L3向L4邁進,這兩個技術本身來講,既有關聯(lián)又有本質性的區(qū)別。關聯(lián)的意思,我們這個對于主機廠和合作廠家來講都是漸進的過程,我們在這個過程中可以用很多傳感器和車上的接口,怎么控制EPS和底盤,怎么控制ESP和方向盤,怎么進行系統(tǒng)功能安全的設計和考慮,保證這個是安全的,這都是集成性的。但是也有一個極大的飛躍,要引入很多人工智能的東西,因為處理的場景完全不一樣,從原來幾米范圍擴展到幾百米或者一千米,可能在上面引入很多人工智能的東西,比如深度神經網絡的識別、定位感知、高精度地圖等等,都在這個里面實現(xiàn)出來,所以在場景上面可以認為是一個遞進升級的過程,但是真帶來的技術含量和算法是完全不一樣的飛躍。

這是我們的策略,怎么跟國內的汽車企業(yè)一起把這個逐步的推入到我們的產品里。我再深入闡述一下自動泊車和自主泊車的思考,自動泊車有十來年左右的歷史了,今天市面上所有的自動泊車都是基于超聲波的,基于超聲波的自動泊車有蠻大的局限性,這也導致超聲波自動泊車沒有被廣泛使用的根本原因。第一,受用比較狹窄,使用自動泊車,我發(fā)現(xiàn)新司機可能有一定的優(yōu)勢,如果是一個老司機,可能覺得這個功能不重要,因為我自己能看到,后視鏡停車已經很好了,用自動泊車反而不好用,所以第一個問題是使用面狹窄。第二,人機交互不是很直觀,通常來講在儀表盤或者中控平臺有幾個硬件按紐,你要進行組合一系列的動作,選擇水平泊車或者垂直泊車,有時候還要摁住某一個鍵,這種不友好的UI的設計會導致你不知道怎么用。我自己車上也有自動泊車,但是我不怎么用它。

今天來講,大家都在思考一個問題,怎么用環(huán)視自動提高自動泊車的體驗。這個視頻是我們在一個雙層立體車庫的時候,使用超聲波輔助之后的自動泊車怎么解決這個問題。如果對于技術成熟的司機來講,有時候在雙層車庫停車也是很痛苦的,因為雙層車庫兩邊有很低的沿兒,車必須卡在這個導軌里,距離只有十來公分,必須很精準的停,這個老司機也很痛苦,單純依靠超聲波很難解決。但是結合環(huán)視就可以把這個很好的解決。因為環(huán)視提供非常直觀的界面,所以你會發(fā)現(xiàn)自動駕駛操作非常簡單,我們用環(huán)視更多感知實效模式,這個是我們跟國內的主機廠商怎么實現(xiàn)非常好的自動泊車的思路,我們會在一系列主機廠里將這些東西導入量產。

但是更讓大家覺得興奮的,是我們能不能把最后三米的自動泊車擴展到一百米。其實自主泊車有非常多的場景,可以是大型商場地下停車場、工業(yè)園區(qū)、酒店和居民小區(qū),我們都需要一些場景,如果能解決這些問題都很好。因為確確實實這些地方是今天在中國駕駛非常有痛點的一個地方,我們有一些非常明確的思考,我們怎么一步一步的擴展自主泊車的問題。我們準備分幾步走,今天已經有成熟的自動泊車,然后我們剛剛發(fā)布了自主泊車1.0,后續(xù)做2.0和3.0,1.0解決一個非常明確的痛點,大型商場地下停車場,我自己也有很多個人的體驗,這項技術代表了今天蠻大的用戶和用戶的剛需,我們把這個問題解決之后再解決2.0,擴展到居民小區(qū),最后3.0,擴展到公用道路。

1.0階段,我們想解決特別的問題,一個大型商場停車場的痛點問題,我住在浦東,我們公司在張江那邊,在我家跟張江中間是上海的長泰廣場,這是一個讓無數人吐槽的地方,我基本每個禮拜都去,因為周末要帶小朋友去吃飯、看電影,這個里面痛點很多,上面有幾十個電梯口,有吃飯的、電影院,每次去的目的都不一樣,我開到地下車庫以后有ABCD區(qū),每個區(qū)里有幾百個停車位,我去了以后每次都找不到應該怎么合理的停車。我要去吃火鍋,我應該停哪兒,其實是不知道的。我停好車去吃飯,再下來找車是很痛苦的,就算車上有很多智能設備,你可以查到車是在A區(qū)的23號,我們從B區(qū)的電梯下來了,你前面有一張地圖還是找不到它,好不容易找到車了,他有幾個出口,我有好幾次在下面兜圈子,怎么兜兜不出來,這個代表一個很大的痛點,尤其在城市化過程中,所以第一個問題想解決這個問題。

針對這些數據做一些深入的思考,在中國汽車保有量非常高了,可能接近40%的車集中在一二線城市,同時一二線城市大型的停車場,真正有痛點的停車場可能有一兩千個,我們能不能把這個問題解決掉。而且為什么我們要從這個場景切入,有很多原因,一個原因是這是一個大的用戶基礎,自動駕駛像自動泊車,我們不需要使用激光雷達這樣昂貴的傳感器就可以把這個問題解決了,我們可以用超聲波,用環(huán)視攝像頭,或者后面加上雷達,可以讓普通消費者買得起的傳感器。所以他首先是大用戶基數、強剛需的場景,是一個市場空間。

第二,尤其在L4的自動駕駛,可能會長期存在人和車,不同的智能級別的車跟人共存的場景,在這個場景里面有很多的非技術因素,這些非技術性的因素,比如馬路上出現(xiàn)一個無人的車,很多人會好奇會不會有碰瓷,會不會有圍觀,地下停車場提供了一個非常好的可控環(huán)境,能夠讓這個社會和普通的消費群體理解無人車,幫助自動駕駛走入我們的生活。

第三,我們可以提供一個很好的框架,可能用這個車做了之后,能夠收進相關的地圖等等情況,這是1.0的思考。后續(xù)再推到2.0、3.0,2.0擴展到居民小區(qū),買完菜之后把車停在門口,人上去了把車再停進去,或者在陸家嘴,人在道路上下來,車自動停進去,這個場景是非常容易解決的。

總結一下,我們是希望通過這樣的道路真正設計一個適合中國的、從輔助駕駛到自動駕駛大規(guī)模量產的道路,這個事情是可能的。我們在北京剛剛做的產品發(fā)布,用了一個非常強大的芯片,跟高通合作,同時使用了自動泊車為主的傳感器,魚眼鏡頭、超聲波加上攝像頭,做了一個完整的衍射產品。這個車可以把人接上以后,導航到一個具體的電梯口或者停車位,人去吃飯的時候,車可以自己找一個地方停下來,這個我們已經做到初步的發(fā)布,我們希望在未來一年,把這個做到大規(guī)模量產,這是我們的思考。

THEEND

最新評論(評論僅代表用戶觀點)

更多
暫無評論