新知一下
海量新知
6 5 2 3 2 3 2

轻舟智航于骞:L4级自动驾驶最难的部分在最后的0.1%

亿欧汽车 | 专注汽车出行领域科创报道 2022/09/13 13:12

新知达人, 轻舟智航于骞:L4级自动驾驶最难的部分在最后的0.1%

作者 | 梅旭康

编辑 | 郝秋慧

核心观点

  • 中国道路情况的复杂程度,远超发达国家的道路。在中国的道路场景下锤炼出来的自动驾驶公司,在数据积累方面有很大的优势;

  • 企业要通过一个商业闭环推动更大的商业闭环,一步一步地实现自动驾驶,要用技术和商业化并重的发展思路,来推动自动驾驶的规模化落地;

  • 靠堆料来实现自动驾驶不是本事,在相对较小的算力平台和更加经济的传感器方案下,实现高等级自动驾驶才是本事,才能带来价值。

2022年8月25日,亿欧汽车与盛景嘉成圆石共创会、盛景网联联合主办主题为“顶层设计下的自动驾驶出行突围战”对话沙龙。

本次线上沙龙邀请到轻舟智 航创始人兼CEO于骞作为对话嘉宾,盛景嘉成投资合伙人、奇霖传媒创始人武卿担任本场对话的主持人,共同探讨自动驾驶的发展现状、当前格局、矛盾冲突、挑战机遇等热点行业话题。

在对话中,轻舟智航创始人兼CEO于骞就自动驾驶出行的技术难点、生态发展趋势及商业模式探索等方面发表了自己的观点。

01  L4级自动驾驶:最难的在最后的0.1%

层出不穷的corner case让一众自动驾驶公司耗费心血。效率、数据、方向等方面的重要性依次体现。于骞认为,L4级自动驾驶最难的部分在最后的0.1%,或者是0.01%。

以下是对话实录:

武卿: 于总是轻舟智航联合创始人兼CEO,在南加州大学取得博士学位,曾经在CVPR、ICCV上发表过多篇高影响力的论文。于总是国际顶尖的核心感知算法和地图专家,在计算机视觉和机器学习领域,拥有超过十年的经验,曾经在Waymo任职,还是谷歌街景组关键项目的一个技术负责人,帮助谷歌地图完成面向本地化的转变,于总对如何打造无人驾驶系统有着非常深刻的理解。

请于总简单介绍一下轻舟智航。

于骞: 轻舟智航创立于2019年3月,是一家世界前沿的L4级别自动驾驶通用解决方案公司,我们的创始人团队在自动驾驶领域从业经验丰富。我们几个联合创始人,之前都是谷歌自动驾驶团队不同领域的技术带头人。

我自己也是一个自动驾驶领域的老兵。我在2001年参与了清华大学人工智能实验室的清华移动机器人组自动驾驶项目,也研制了国内最早一批自动驾驶车辆。从国内到国外的这段时间,我一直在从事计算机视觉、机器学习,以及自动驾驶相关领域的工作。

武卿: 老兵好,今天的嘉宾都具备国际视野或国际化的背景,请问轻舟智航的使命是什么?你们希望实现的终极目标和终极途径是什么?在当下发展阶段,你们专注于什么?

于骞: 我们公司的使命是非常朴素的一句话,就是将无人驾驶带进现实,我们希望实现无人驾驶广泛的落地。

我们要实现这个目标非常困难。所以针对当下公司发展状况,我们提出了双擎战略。

针对面向公开道路的L4级别自动驾驶,我们提出要打造动力引擎,来驱动提升城市交通的效率。我们在特定的ODD场景下,实现完全的自动驾驶,尤其是在以robobus为突破口的业务中,实现L4级别的自动驾驶。

同时,我们也在横向地扩展更广泛的场景。面对乘用车量产车型,我们提出了创新引擎战略,通过底层的技术实力,为客户提供性价比更加合理、更加安全、更加舒畅、驾驶体验更加良好的高等级辅助驾驶产品。

这两个业务引擎,都是基于我们自动驾驶超级工厂的方法论,在该方法论的驱动之下,以及在这两个引擎的牵引之下,最终把无人驾驶带进现实。

武卿: 把无人驾驶带进现实,这确实是一个非常宏大的使命。有句古诗叫轻舟已过万重山,我们知道这是非常不容易的事情。您说的两个引擎,是运营+技术层面还是纯技术层面的概念?

于骞: 比如创新引擎可以理解为在L2+或者是L2++级自动驾驶场景中,面向主机厂的业务。

相比于L4级自动驾驶的业务,它并不是为了实现完全的无人驾驶,但是它可以在更加广泛的应用场景下,实现一定程度的自动驾驶能力。

L4级自动驾驶最难的部分在最后的0.1%,甚至是0.01%。所以我们提出用10%的成本来实现99%的L4能力,可以为乘用车提供价格更加合理和驾驶体验更好的自动驾驶方案,帮助我们的车辆变得更加智能化,这是我们推出创新引擎背后的想法。

武卿: 用您过去的话来讲,最终要让车辆都成为机器人AI老司机,这个过程是非常不容易。从2019年创立公司,到现在三年的时间,轻舟智航在技术上遇到了哪些难题,最后怎么破解的?

于骞:轻舟智航创立伊始的定位,就是一家研发L4级别自动驾驶的公司。

L4级自动驾驶的长尾问题非常严重,需要大量的安全冗余和兜底策略。

我们想要通过提升效率来增加处理长尾问题的核心能力。我们提出了一种独创的高效率方法论,名为自动驾驶超级工厂,通过数据驱动的方式,来实现数据闭环。

我们所有技术的指向,都是为了提升效率。轻舟智航是通过造火箭,而不是搭梯子的方式来实现自动驾驶更大范围的落地。

在这方面,我们做了大量的工作,因为这种corner case太多了,所以必须要通过系统化的方法来提升效率,我们形容其为自动驾驶超级工厂。在行业里,我们最早提出了大规模使用仿真技术来降低路测的成本,提升技术开发效率。

我们将所有遇到的corner case等难题,通过数据驱动的方式,使得技术能更快地在有限的时间内,自动地发掘出更有价值的数据,更快地发现并解决问题。

我们通过效率提升的工具来实现大幅度降低路测成本,通过虚实结合的方式,实现快速的方法迭代,我们用两三年的时间走完了很多自动驾驶公司这么多年的路,这也是我们效率的体现。

武卿: 关于说到的最难的部分,能否举个小例子说明一下,这到底是多么难的事情。

于骞: 其实corner case很常见,比如在高速上经常有奇奇怪怪的情况,诸如路上有出了事故的车辆、奇怪的障碍物等。在城区内部道路环境更复杂,甚至有逆行的车辆,修路是很常见的现象。各种各样的情况我们都遇到过,所以特别需要通过数据闭环,把没见过的数据实现举一反三,降低路测成本。

武卿: 从这个角度来讲,数据积累真的非常重要。中国是否是一个天然的训练无人驾驶的优秀场地?

于骞: 确实是,中国道路情况的复杂程度,远超硅谷或者发达国家的道路。在中国的道路场景下锤炼出来的自动驾驶公司,在数据积累方面有很大的优势。

我们在全国范围内有十多座城市的落地项目,每个地方的道路环境都不太一样,实际我们在数据多样性层面有很多的突破。包括在苏州的老城区,在非常窄的巷子里面进行窄路通行,轻舟智航的自动驾驶车辆也处理得非常得当,就像老司机一样。

还有一些follow the traffic的场景。在中国,超速现象还是挺多的,有时限速开车比较吃亏,所以我们的策略就是跟随车流,如果车流是超速的,我们就适当超一些,这个是更加安全的策略,中国道路的驾驶难度还是挺高的。

02 技术与商业化并重

自动驾驶行业步入商业化的深水区,商业模式不明晰、商业落地难等问题还是围绕在自动驾驶企业头上的一朵乌云。

于骞认为,要通过一个商业闭环推动更大的商业闭环,一步一步地实现自动驾驶,要用技术和商业化并重的发展思路,来推动自动驾驶的规模化落地。

武卿: 的确,实现无人驾驶需要考虑人的一些属性,不单是某个国家或者区域的路况,还要考虑人文背景、人们的行为心理习惯等,这个非常不简单,进入自动驾驶行业的人都是勇士。

我们接下来说一下商业化的问题,轻舟智航现在商业化方面有哪些动作?

于骞: 从商业化层面来讲,轻舟智航和其他公司不太一样的地方是,我们非常坚持地用技术和商业化并重的发展思路,来推动自动驾驶的规模化落地。

自动驾驶技术和需求之间有一个很大的gap,我们想办法去bridge这个gap,实现技术和商业化之间的结合。

我们要通过一个商业闭环推动更大的商业闭环,一步一步的实现自动驾驶,而不是利用一个特别的、过于理想化的方式去实现自动驾驶,我非常认可这种渐进式的、技术和商业化并重的方式。基于此思路,在选择L4级自动驾驶落地的方向时,我们会倾向更容易深化落地的方向。

不同方向L4级自动驾驶的底层技术是一样的。最开始我们在硅谷的第一辆测试车就是Robotaxi,直到现在我们也保持着Robotaxi的车辆规模。但是短期内Robotaxi商业化落地还是比较困难,我们认为其起码需要五年、十年或者更长的时间,才能实现更广泛的落地。

Robotaxi商业化落地的进程很慢,所以我们首先选择了Robobus场景来切入,在这个领域也取得了很多的突破。

我们率先提出了面向公开道路的Robobus产品。相对来讲,Robobus速度会慢一些,区域相对可控,路权更高,它能更快地实现商业化的落地和复制,同时也能帮我们积累海量的优质数据,这是我们看到的Robobus的特点。

它也非常符合中国国情。中国的人口基数、人口密度都非常大,国家有优先发展公共交通的战略,所以在各地建设了很多的高铁、地铁之类的轨道交通,但是针对最后几公里的短途出行,还是存在很大的挑战。

目前,我们在全国超过10座城市开展了道路运营,也积累了非常丰富的经验,对路测的条件、道路的情况也非常了解。

我们在Robobus领域取得了行业领跑的地位。从2020年10月启动全国首个常态化运营的5G无人公交的项目,到现在已经运行两年的时间,累计服务超过20万人次。

我们也和出行平台,包括T3,形成战略合作,在苏州联合运营Robotaxi,让更多的人能体验到自动驾驶。

我们很在意技术和商业之间的平衡,在这两者之间形成一个很好的闭环来推进自动驾驶落地。

武卿: 每家公司的价值观和发展路线上都很不一样,轻舟智航是非常注重平衡的一家公司。轻舟智航在乘用车和商用车领域,是不是也在同时发力?在这方面,你们有着怎样的规划?

于骞: 大家可能一直对我们的Robobus等商用车领域比较关注,但是我们也从来没有离开过Robotaxi业务。

Robobus和Robotaxi的底层逻辑是一样的,包括传感器的设计、数据的共享共生等方面都是可以相互利用的,但是Robotaxi的落地时间会很长,大家公认的是需要五年或者是十年时间,所以我们在考虑商业落地方向时,选择了大市场的小切口,即通过Robobus场景来进行切入。

大家可以做个类比,像比亚迪的新能源车销量成为了国内第一,但是它最开始推进的新能源车型是电动大巴。

商用车和乘用车在不同的发展阶段有不同的业务特性。

在乘用车领域,我们主推的是辅助驾驶的场景。面向C端用户群体,我们更多是以辅助驾驶的方式来实现技术变现,我觉得这是非常合理的方式。

我认为,乘用车L4级自动驾驶的落地时间会很长。但是在商用车领域,L4级自动驾驶有可能率先落地,这个是我对乘用车、商用车不同领域的一些看法。

武卿: 轻舟智航和T3出行达成了战略合作,双方在这个时间节点,具体都有哪些打算?

于骞: 我们在5月份已经向行业发布了我们的计划,主要是整合双方的资源和优势,通过技术+生态的方式去促进Robotaxi的商业落地。我们本身有非常成熟、高效的L4级别自动驾驶的技术和工程交付的能力。

T3出行在自动驾驶领域也积累了很多的平台运营经验,通过我们双方的强强联手,来共同将自动驾驶技术运用在乘用车平台,帮助我们获得更多的流量,让更多的人体验到自动驾驶带来的安全和高效驾驶体验。

T3出行有很多有人驾驶的车辆,也有Robotaxi的车辆,我们会采取混合运营模式,来拓展Robotaxi运营的一些实践积累。也能够给苏州市民提供极具科技感、未来感的出行方式。

通过T3出行这个平台,帮我们积累了海量优质数据,而且帮助轻舟智航在更大范围内验证我们的技术,提升我们的自动驾驶技术能力。

03 靠堆料来实现自动驾驶,不算本事

安全是自动驾驶的红线,成本的控制也非常重要,不同级别自动驾驶业务有着不同的成本考虑,为实现完全自动驾驶能力,企业的选择方向并不一致。

于骞表示,在相对较小的算力平台和更加经济的传感器方案下,实现高等级自动驾驶,这个才是本事,这样才能带来价值。

武卿: 您说过安全是自动驾驶的天条和红线,这是一个终极性的问题,也是普通民众一定会关注的问题。

您从行业专家的角度来看,在目前的这个时间节点,存在哪些安全问题?解决这些问题需要多长的时间?有没有可能说彻底把它消灭?

于骞: 我们认为,自动驾驶之所以被提出来,很重要的一个原因就是要解决安全问题,因为大部分的驾驶安全事故都是人为造成的。

自动驾驶的安全标准要比有人驾驶的安全标准高1-2个数量级。

人犯错误,总是可以被原谅,但是算法或者机器犯错误很难被社会所接受,所以只有证明自动驾驶比有人驾驶的安全性起码高出一个数量级,才能将其认为是真正的安全。

在自动驾驶领域,要想实现真正的安全,需要有一个ODD的限制。现阶段来看,所有L4级自动驾驶的公司,都是处在一定ODD的限制之内。

另外一方面,我非常想提一点是,不要过分地宣传辅助驾驶,尤其是很多面向C端的产品。很大程度上,一个L2或者L2+、L2++的产品,它的责任主体还是人。从这方面来看,对辅助驾驶千万不要有过分的宣传,因为这很容易误导消费者。

完全自动驾驶的责任主体很明确,就是由自动驾驶公司来承担。所以完全自动驾驶的拓展非常困难,因为它面临很大的安全压力,辅助驾驶的责任主体是司机,它更多强调的是人机共驾的感受,而不是单纯强调接管率。

所以这两个业务是不一样的。

自动驾驶对安全性的要求很高,在这方面我们做了大量的工作,从车辆整体的控制系统、传感器,以及计算单元,我们都做了大量的安全冗余,在软件设计方面,我们也考虑了大量的兜底策略。

加之一系列的测试,从单元测试到集成测试、场景测试,以及实际的道路测试,都是为了确保自动驾驶的安全性。

要确保安全是一件非常困难的事情,这也需要经过大量的测试才能实现。

从这点上来讲,自动驾驶的发展需要行业形成共识,深耕技术的同时,加强产业上下游的合作。政府、企业以及整个行业紧密结合,积极地参与到自动驾驶各项法律法规和国家标准的制定工作,确保行业比较稳健地向前发展。

武卿: 安全、效率很重要,成本的控制也非常重要。在这个阶段,轻舟智航在降低成本方面做了哪些努力?降低成本可能也需要技术和人才的储备,在这些方面,轻舟智航又有怎样的准备?

于骞: 针对成本问题,首先要区分开,我们是在讲L4级自动驾驶的业务,还是L2+辅助驾驶的业务。

从L4的业务角度来看,它不是一个成本问题,而是能不能的问题。其需要考虑的成本,更多是在道路测试、运营方面。

针对L2+级辅助驾驶的业务,尤其是面向C端消费者的业务,成本就是很大的一个问题。针对L2+级辅助驾驶的业务上,我们提出不堆料的理念,通过更加高效地利用计算资源和传感器能力,来实现不堆料。

我们非常注重效率,为了把传感器的能力和计算单元里面的算力充分发挥出来,轻舟做了大量的研发工作,包括选择更加合适的网络模型、各种的量化工作等,来实现高性价比的解决方案。

对于L2+级辅助驾驶的业务,我们非常注重性价比,在传感器和计算平台的选择上,也做了大量的优化工作。

我们提出用一颗激光雷达,来实现城市NOA的驾驶能力。在提出这种方案以后,很多主机厂客户,也接受了这样的理念。

简单地靠堆料来实现能力不是本事,能够在相对较小的算力平台和更加经济的传感器方案下,实现高等级自动驾驶,这个才是本事,这样才能带来价值。

武卿: 除了激光雷达还有其他配套的装置吗?

于骞: 我们的方案是以视觉为主,加配一个激光雷达,以此来实现高等级自动驾驶。行业里有很多不同的设计方案,我们认为对于量产车型,堆料并不是一个特别合理的方式。

04 自研和合作,本身并不矛盾

不同阶段的自动驾驶行业,呈现不同的发展态势。当下,分工合作的趋势愈发明显,但全栈自研的声音也不绝于耳。

在于骞看来,车企自研和生态合作,本身是不矛盾的,而是相辅相成。

武卿: 现在有很多的主机厂开始做全栈的自研,对轻舟有什么样的影响?我们作为产业链中的一个重要参与者,对他们有什么样的建议?

于骞: 自动驾驶行业的发展,其实是分阶段的。

行业处于发展早期时,大家没有办法选择,分工也不是很明确。

随着行业发展越来越深化,分工的重要性愈发体现。轻舟智航的定位是提供自动驾驶解决方案的公司,我们肯定是需要和整个产业生态上下游的合作伙伴携手前进的。

我们的理念是和生态合作伙伴一起推动自动驾驶的规模落地,因为这件事太难了,很难通过一家公司把事全部做完,即便是行业中最顶级的领导者,也是如此。

我们和地平线的合作就是一个很好的例子,双方基于轻舟自研的一套解决方案和地平线自研的征程系列的车规级的AI芯片,联合进行开发和适配,共同为客户打造高等级的前端量产的自动驾驶解决方案。

通过我们软件、算法和芯片的结合,可以更快地加速解决方案的落地,我觉得这是能带来更多价值的方式。

目前,我们也加快了这套解决方案落地的进程,预计今年我们基于征程5的自动驾驶Demo车就能让客户来体验,预计到明年,我们双方联合研发的高等级自动驾驶方案会达到量产的水平。

我们可以看到,在行业里,有很多上下游的合作伙伴,都是在一起实现优势互补、资源共享,通过互惠互利的方式来共同助力自动驾驶行业的长期发展。

我们也看到主机厂全栈自研的趋势,即便是全栈自研也是在相互支持、共生共赢的生态中进行的,太局限于完全封闭的自研,这个不太符合经济学原理。

像特斯拉,在自动驾驶行业处于领先地位,但是它在早期的时候也会采用诸如mobile的芯片,也会整合上下游资源。即便是现在,它也仍在不断地利用上下游生态,无法完全实现全部的自研。

全栈自研只是一种程度的体现,但是智能化是主机厂进行差异化竞争的一个重要领域,所以它们希望能够掌握底层的核心技术,推出自己的有差异化的产品,我觉得这也是可以理解的。

但是,它们也必须考虑到成本、时间周期等多方面的问题。

所以我们把方案交付给主机厂客户的同时,我们也提供了一套底层的工具链产品,比如说轻舟矩阵,来帮助客户实现数据闭环,帮助他们更好地进行自动驾驶方面的研发。

车企自研和生态合作,本身是不矛盾的,而是相辅相成,这种才是对整个行业发展更加有利的趋势。

武卿: 自动驾驶这个行业真的非常不容易,它不是一个公司能做出来的,可能需要的是一批非常优秀的人才,轻舟智航的创始团队都是来自谷歌,谷歌文化或者在谷歌的技术积累,对你们有什么影响?

于骞: 在自动驾驶行业,我确实算是老兵了。我也看到人类距离自动驾驶,从来没有像现在这么近过。

这得益于传感器、计算、数据,包括算法等能力大幅度的提升,这些提升离不开人。

如果我们这批人搞不出自动驾驶,我估计自动驾驶还要推广好长时间。

我们的团队起步于硅谷,很多核心成员来自于Waymo、特斯拉、英伟达、谷歌、百度这样的世界顶级的科技公司。我们团队的研发成员比例比较高,我们也是以研发能力强、效率高著称的一家公司,整个团队实现了自动驾驶所有关键技术的全覆盖,积累了很多的经验。

对于公司团队,一方面我们非常注重打造科技基因的方式,来影响我们的团队。同时我们非常注重于工程落地,包括利用完善、高效的工具链,来提升我们的研发体系,我一直讲,要通过体系式的方式实现自动驾驶的流水线开发,提升研发的效率。

应对长尾问题时,我们非常注重于利用创新的方式。硅谷很重要的一点,就是通过创新来改变世界,我们也非常坚持这种理念,其是我们吸引人才,培养人才、留住人才的重要理念。

我们对人才非常重视,包括对年轻人才的培养方面也花了很多的精力,就是为了大家拧一股绳,共同攀登自动驾驶的高峰。

更多“自动驾驶”相关内容

更多“自动驾驶”相关内容

新知精选

更多新知精选