為什么今天的L4無人駕駛無法達到終局？

　　離人的水平還遠，數據的平均價值密度越來越稀疏、采集成本越來越高，今天的方法，要到達明天，看似不可能的任務。

　　有人會問，Waymo不是最近宣稱要在鳳凰城實施前排無安全員的運營了嗎?如果是5596英里的平均事故率，Waymo是不可能大規(guī)模商業(yè)化的，他們的做事態(tài)度還是比優(yōu)步/Otto的“安全第三”靠譜，要知道，出一起人命事故，可能就失去顧客對其的信任。

　　我想可能是幾個原因：

　　1. 鳳凰城的路況比加州城郊公路簡單，這個從Waymo的宣傳視頻可以看出來，鳳凰城可以說氣候宜人，人煙稀少。

　　2. 鳳凰城的區(qū)域更小，算法已經overfit。

　　3. 無獨有偶，Waymo也在加州申請了前排無人的測試車牌照，但有遠程遙控。因此，不排除在鳳凰城也有遠程遙控作為最后的冗余。

　　加州的亞軍獲得者，通用汽車2017年的水平是每1200英里有一次干預，考慮到是在舊金山的更復雜路況中獲得，讓人刮目相看。為此，他們還專門diss了一下Waymo，在各項指標的復雜度上，舊金山是鳳凰城的1.6到46.6倍。但是，最近的一篇文章顯示，通用汽車在舊金山也是撿了些簡單的道路，隧道、掉頭、單車道、一些十字路口和環(huán)狀交叉路口都刻意避過了。去年說好了要去紐約，現在卻發(fā)現舊金山的很多經驗幾乎很難用在紐約。

　　那么，是否今天的L4就完全沒有價值了呢?下面該怎么走才能到達明天?

　　對此，馭勢科技做了一系列的戰(zhàn)略規(guī)劃，現與大家一起探討。

　　首先是探索多場景融合后的算法泛化能力

　　用人話說就是，熟讀唐詩三百首，不會做詩也會吟。

　　做無人駕駛，需要廣度(大跨度的多種場景)和深度(每個場景下特定技術的深入研究)雙管齊下，其中開放道路L4也是場景的一種。所有場景的無人駕駛都實現了，全場景無人駕駛才會實現。一方面每種場景都有其獨特的算法需求，另一方面不同場景下無人駕駛系統(tǒng)大部分的功能是共用的，技術之間的泛化是可行的。

　　馭勢科技從去年開始嘗試多種場景的L4，包括機場滑行道、機坪和航站樓的無人駕駛(需要A照特殊訓練的司機，與飛機會車、穿過長隧道、上下立交橋)，微循環(huán)的無人駕駛(開放的嘈雜環(huán)境、非結構化道路)，大型停車場的無人駕駛(開放的狹窄環(huán)境、多層室內的精準定位)等。不同的場景著重訓練了駕駛智能的不同能力。

　　在某個主機廠客戶的現場監(jiān)督下，該車連續(xù)做遠距離的自動代客泊車，每一次完成后都用紅色膠帶記錄了泊車位置，完成20次后，對記錄位置的誤差進行測量，在沒有啟用庫位線相對定位的前提下，絕對定位誤差區(qū)間是左右7厘米、前后10厘米?？紤]到其中包括了定位和控制的誤差(車上安裝的是還未量產化的低成本線控系統(tǒng))，而且車上沒有激光雷達，這個基于視覺的定位系統(tǒng)基本達到了室內停車場高精度自動代客泊車的產品化要求。

　　隨后的一個重要發(fā)現是，在多種異質的場景里交叉訓練，比在一種場景里(比如熟悉的幾條大馬路)訓練更有用。停車場的系統(tǒng)在機場和微循環(huán)的場景中經過了大量的訓練和驗證。

　　緊接著，我們做了一個大膽的嘗試，把算法轉移到1輛新的、裝備同樣軟硬件系統(tǒng)的車上，經過短短1個星期的適配和訓練，這輛車已然具備了相當強的復雜城市環(huán)境L4能力。

　　這條路覆蓋了結構化城市道路、國道、環(huán)島、隧道、換道、城鎮(zhèn)道路，既有簡單的單向車道，也有雙向車道，既有大貨車，更有人車混行。在大約10公里的開放道路上，無論途經隧道光線發(fā)生劇烈變化且丟失GPS信號時，還是被大貨車環(huán)繞時，或者在環(huán)島快速轉向時，甚至因為季節(jié)變化導致的環(huán)境變化中，視覺系統(tǒng)都全程提供了穩(wěn)定的不亞于高精度導航系統(tǒng)的定位結果。之所以視覺系統(tǒng)能夠作為主傳感器，源于上面在停車場、機場和微循環(huán)的積累。

　　必須說明，這輛車本來是做自動代客泊車的，線控的限速在40公里左右，也沒有64線激光雷達，但是它在短短1個星期所呈現出來的能力，遠超我們的預期。目前，北京、上海等地已經頒布開放道路測試細則，我們將與主機廠合作，基于去年的積累，積極申請牌照，繼續(xù)探索泛化能力的極限。