2017北京车联网与智能驾驶论坛于9月6-7日在北京昌平小汤山佐智自动驾驶园召开。会上,智行者科技CEO张德兆做了题为《自动驾驶进阶之路,从低速专用车做起》的演讲。
![](http://www.shujubang.com/UpLoads/Special/File/2017_09/636416989976519200.jpg)
张德兆:我是来自北京智行者的张德兆,智行者主要从事无人驾驶系统的开发。我今天的题目是无人驾驶的进阶之路。自动驾驶特别火,今年特别多的团队进入这个领域,这个赛道已经开始拥堵了。自动驾驶到底能带来什么?非常重要的一点是它能够节省我们的时间,现在全球1300亿分钟浪费在堵车上,自动驾驶可以缓解拥堵,同时我们在车上可以工作,可以去娱乐和休息,这部分时间可以完全的节省出来。
第二,可以比人开车更加安全。刚才我们看佐智宣传片也是这么说,现在90%的交通事故都是由于人的疏忽造成的,自动驾驶的机器是不会疲劳和所谓的疏忽存在的,所以正式投放以后会比人开车安全。现在全球每年有125万人死于交通事故,这要比全球战争造成的死亡人数多得多。
第三,我们认为只有自动驾驶真的实现以后,才可能伴随汽车共享时代的真正到来。现在所有的共享都是伪共享,如果没有让汽车真正的流通起来,其实所有的共享都很难真正的实现,只有让汽车真正的自己从这一个地点到下一个地点,让人类可以对汽车召之即来的时候,才可能实现真正意义上的共享。
第四个,我们认为现阶段按照传统的模式,汽车已经是一个夕阳产业,但是智能网联让汽车成为朝阳行业。按传统的模式看汽车,汽车就是夕阳产业,但是我们要从一个新的模式来想汽车,它会比互联网产生更大的产值,会成为一个新的机会。我们在车上工作和娱乐,可以看广告、玩游戏、看电影,这就是第三个终端。但是其实相比手机,汽车会成为更重要的一个管道,特别是物联网时代,我们每一个人,每一个地点,包括每一个酒店和饭店这样的消费地点都会成为新的终端,是能产生更大的商业价值的地方。
无论是大公司还是小公司都在进入到这个领域,大家都说我要做自动驾驶,但是我们真正的产品方向或者研发的方向多少都会有一点差异。无非就是四个阶段,一个是载人,一个是非载人,一个是高速还有低速。我们主要是从低速非载人领域做起,先做园区内的物流配送还有扫路车等等,特别的强调无人驾驶汽车的工具属性,从工具属性做起,进入低速的领域,第三个进入低速载人,最后进入高速载人。
大家都认为自动驾驶乐观一点2020年能够实现,保守一点2025年能实现,甚至更长的时间,但是无人驾驶在特定应用场景内今年(2017)就能实现市场化。我们现阶段之所以会在低速场景实现车辆的自动驾驶商业化,主要考虑几点。
第一点,首先它不受法律法规的限制。现阶段国内自动驾驶测试法规都没有产生,应该很快就要出来了,最近已经在讨论无人驾驶测试牌照的事情了。我觉得也就是一两个月的时间,国内自动驾驶牌照的事情就会落地。但是如果在园区道路内,园区的车不受法律法规的限制。第二个,物流领域是特别大的刚需,全国有一百多万辆商用车在路上跑,如果谁能把这一百多万辆商用车替换成无人送货车,市场空间还是有的。第三个,低速、并且环境是可预知的,所以技术风险可控。第四个,对于我们来讲可以形成一个早期的盈利点。我们在自动驾驶领域有一个观点,就是地图和数据会成为自动驾驶发展的重要点。一个是地图,一个是数据,还有一个大数据,我们非常看重数据。获取数据是通过我们花钱建很多的平台,比如全国投放一百台车。第二个是实现数据的积累,很多人问我们园区低速的数据到底对马路上的自动驾驶有没有意义?我从两方面讲这个事情,我们要的数据其实一方面是从感知方面讲,我们需要一个数据,感知最难的是对行人的感知。园区内的行人密度远远大于马路上的。另外一个方面对非常规的场景处理,它在园区道路环境内出现的概率大于马路上,在马路上很难出现我右边的车辆突然在我右边左转,但是你在各个小区内和各个高校内这种场景是经常出现的,也就是会远远大于马路上。
很多人问我一个问题,园区的无人驾驶是不是很简单就能实现?我们刚开始也这么认为,我经常对我们员工讲,我们要快点跑,后来真正自己做园区无人自动驾驶以后,发现很难。一是大家说用GPS,但是在公园小区或者清华这样的环境,90%的路况是没有RTK的。二是园区会出现特别多的交通异常行为,现在大部分人基于交通规则,但是园区有很多异常交通行为。第三个,就是交通行为秩序的弱约束。第四个路径突发阻塞,比如学生在篮球场,就会把自行车放在那造成阻塞,这种情况会经常出现的。
所以针对这些困难,我们专门做了相关技术的研发。首先讲定位,定位就说RTK,但是会发现大部分情况下RTK没有用,所以我们就用激光来做这个事情。这边有一个实例:在某个园区里,没有任何的GPS信号,这是一个物流小车,主要靠激光做定位,这边是点云的效果。
很多自动驾驶公司就说我从感知做起,实际上后面你会发现做自动驾驶最大的挑战并不是目标的识别,而是识别出来以后对它行为的理解。也就是前面有一个人,我不知道他是等着我过去以后他再过马路,还是先过马路。前面有一群老太太,我不知道他是不是碰瓷,所以我们认为最大的挑战不是目标识别,而是理解,所以这块我们也是做了大量的工作,去做运动轨迹的预测。我们做目标的预测,其实分了两类,一类是行人,行人要比车辆难得多。我们的车辆其实相对好判断一点。
我们做的这些东西都是要量产的,低速车现阶段都要实现批量化的生产,算法顶多占到整个产品的30%,更多的是软件架构和硬件架构的问题。首先是软件架构,我们之前包括在学校做一些项目,都会存在一个问题。今天我给北汽做车,他们给了一套算法,明天我给长安做,就是另一套的软件算法,这种事情没有办法做场景,所以我们公司搞了一个智能操作系统,我们把所有自动驾驶的核心和定位,包括感知和决策还有控制,封装成一个KERNEL,业务层完全隔开,所以我们最近推了一个AVOS。另外,我们的硬件特别的贵,但是实际上现在做一辆物流车,是要跟我们的快递小哥匹配的,你做的贵卖不动,所以成本一定要降下来。如果要降成本,无非就几个方面考虑这个事情,一个是你用特别低成本的传感器,算法做到很优,这是一个努力的方向。第二个是你的传感器资源,现阶段我一定要用国产的激光雷达,这是一个资源。
这是我们先前在清华投放的两台物流车的视频,这个车车速很低,最高时速15公里每小时。校园环境是非常复杂的,包括路边的带子,是可移动的,今天在这,明天可能在另一个地方,包括自行车行人和社会上的车辆构成非常混杂的交通路况。因为是后台调度,所以可以自动的编队,到达用户的约定地点以后会给用户发一个信息,说我已经到楼下了,用户下来扫二维码,对应的柜子打开,基本是这样的流程。
前面是我们低速车的一个Show,但是我们更多的研发是放在高速车上面,给大家看一个视频。这个车在全国已经累计跑了30多万公里,这是自动换道的,这是国道上的测试,包括过桥洞的测试,谢谢大家。