中国无人驾驶的协同创新之路

2019 年 5 月 29 日 智能交通技术

5月11日,2019第十一届中国汽车蓝皮书论坛的第二天,驭势科技联合创始人、董事长、CEO吴甘沙出席并发表演讲,他分享了对当前无人驾驶的现状发表了自己的看法,并对驭势科技的无人驾驶发展思路进行了阐述。



 

非常感谢“中国汽车蓝皮书论坛”的邀请,今天我对“勇气”的诠释就是苏轼的这句话,叫中国无人驾驶要犯其至难而图其至远,而做无人驾驶的方式,我今天想重点谈协同创新。

 

首先跟大家分享一下我跟无人驾驶的渊源,那是在2005年,我当时在英特尔公司,也是阴差阳错的卷入到了这么一个大挑战赛——DARPA超级挑战赛( Grand Challenge)当中,可以说是无人驾驶的第一次“华山论剑”。

 


这两辆车上有两个英特尔的LOGO,夺冠大热门是这辆车——卡耐基·梅隆,我们研究院又去支持了这辆车,支持这辆车的成本很低,就是2万美元,在这边车窗上贴了英特尔的LOGO。最后结果,这辆车成了大黑马,在最后杀出来夺得了冠军。所以我们这2万美元非常值。

 

这件事情对我的启示有两个:第一个,大家可以看,这个LOGO贴在什么地方?贴在左右两侧后视镜边上的窗上,一般有人驾驶的车是不能贴的,贴在这个地方意味着什么?意味着无人驾驶车是新物种,它的每个部分都将有新的功能、都将被重新设计。

 

第二个,另一辆车为什么失败?后半程没力气了。为什么没力气了?在13年以后,到了2018年才查出来原因,是它的引擎控制模块跟喷嘴之间的一个过滤器失效了。

 

大家看,无人驾驶哪怕再高级,这么一个基础的问题就会让你变得没用。所以,这让我感觉到对这个行业有了深深的敬畏之情。

 

再看Uber前段时间出现了一个事故,路透社马上就分析了为什么出事故:原来激光雷达从7个减到了1个,雷达从7个变成了10个,摄像头从20个变成了7个,极大地减少了车辆的传感能力,缺乏敬畏之心。

 

当然,最后的结论并不仅仅因为它把这些传感器减少了,还包括它把AEB这么一个基本的功能关掉了,如果说这个功能还在,这起车祸是可以避免的。

 

所以这里面我想分享的第一个认知,用老子的这句话“重为轻根,静为燥君”。

 

我们现在看到的很多东西用户体验、智能等等是轻,重的部分是什么?根本是什么?是安全。我们应该要有静气、要有定力让它成为燥的主宰。

 

我们看在这个行业里面燥是什么样子?这是Uber上市以后,它以前的一些文档透露出来的。

 

大家看,在2016年1月,Uber预测到2018年无人驾驶汽车就能够帮助它盈利了;

 

2016年5月,Uber预测,到2019年会有1.3万辆自动驾驶的出租车;

 

2016年8月,Uber花了六七亿美元收购了一家创业公司Otto,认为这个进程可以进一步的加快,加快到2019年有7.5万辆无人驾驶的出租车,这说明它不只是说,还去做了。

 

2017年,Uber计划购买2.4万辆的沃尔沃,改装成无人驾驶车队。

 

现在看起来大家觉得这个预测是不是有点可笑。

 

我们看一下2018年的数据,左面这一列,是每开了多少英里有一次人工的干预,像谷歌是1.1万英里,Uber是每开0.4英里要有一次干预,而其在加州一共测试的车辆是29辆,跟刚才说的2019年要实现7.5万辆是一个巨大的差距。

 

我们不仅仅看到Uber是过度乐观的,通用汽车在2017年底的时候,预测2018年一个月跑100万英里,一年跑1200万英里,实际上2018年它只跑了44万英里。

 

同样,行业的领头者Waymo在2018年10月说,终于可以把安全员拿掉了,变成了真正的无人驾驶,但是仅仅一个月以后,又说还是得把安全员放回车里。包括最近刚刚过去的5月8日,Waymo跟Lyft合作,说放10辆无人驾驶车在Lyft的网络里面,但是这10辆车还是要有安全员。

 

这后面反映了什么?用Waymo的这句话来讲,无人驾驶是这样一条非常非常漫长的道路,就是你好像已经走完了90%,但剩下的10%的道路还需要90%的努力去走完,它是一个短板效应的市场。

 

我们经常说,互联网是长板效应,一招鲜吃遍天,但是无人驾驶任何一块板短了都不行。

 

所以第二个认知,无论是无人驾驶还是很多其他的高科技VR、AR等等,人们往往会高估技术的短期影响力,认为它两年、三年征服这个世界,都会出现这样的乐观,这个我们要注意。

 

当然我们也不可否认,不能去低估它的长期影响力,因为毕竟有一天它发生的时候是颠覆性的。这样一种颠覆性,其实在行业的估值逻辑或者说游戏规则当中可以看得出来,华尔街是很聪明的,或者说他们是很势力的,他们看的是未来。

 

 

大家看这几家公司,上面黑色的部分是它在去年年底的市值,蓝色的部分是它2018年的收入,非常诡异的是,收入越高,市值反而越低。

 

像特斯拉,它才215亿美元的收入,有500多亿美元的市值,而福特1600多亿美元的收入,只有300亿美元左右的市值。

 

比较有趣的就是Uber,Uber不造一辆车、甚至不拥有一辆车,它只有113亿美元的收入,但有720亿美金的市值,这两天它刚刚上市,差不多就这么一个市值。

 

更让人难以理解的是Waymo,这家公司的收入是0,而投行给他一个估值是1750亿美元,其中关于出行的是800亿美元。为什么?这后面就是一个估值逻辑的变化。

 

通用汽车每卖一辆车净利润1500美元,如果这辆车在生命周期里面跑了15万英里,1500美元÷15万英里,1英里赚1美分,但是Waymo用无人驾驶去实现共享出行,1英里是赚0.5美元,而且这个车不知疲倦,一天到晚跑,生命周期里面跑了50万英里。所以商业模式上,一个是15万英里,1英里1美分,一个是50万英里1英里0.5美元,它们的差别是167倍。

 

现在出行领域有巨大的动机来去推动无人驾驶,这是我根据赛迪的数据做了修改,大家看滴滴出行2017年47.3亿单,每单客单价23元,司机分成本来是80%,但是还另外多出了8%来去激励司机接活,这么算起来一年要给司机1500亿元。

 

 

如果说通过无人驾驶来去实现,每单变成8元,比地铁贵那么一丢丢,这样促使一天能够达到1亿单,1亿单并不是特别了不起,大家知道中国一天有车出行是11亿次,1亿单就是10%左右,这样365亿单×8%,又不用跟司机分成,收入应该是3000亿元,而不是说给司机1500亿元,自己还要亏100亿元。

 

所以大家可以看到,这样一种巨大的变革的吸引,导致了通用汽车2016年初花了10亿美元买了CRUISE,只有几十个人,本田去年又花27.5亿美元投了它,投完以后它的估值达到146亿美金。

 

什么概念?通用汽车自己去年年底的时候只有479亿美元估值、本田是480亿美元估值,而这么一个小的无人驾驶部门已经达到146亿美元,最近它又变成190亿美元,190亿美元是什么概念?跟比亚迪的市值差不多,同时远远超过了吉利和长城。

 

丰田,一开始投了Uber,最近它又跟电装(DENSO)一起进一步投了Uber的自动驾驶部门,别看Uber数据不怎么样,但是它的自动驾驶部门估值也达到了72.5亿美元。

 

这后面看到的就是各家大厂的风云变幻,他们在玩他们的策略。

 

像这几家大厂,一开始福特和本田都想跟Waymo合作,但是它太傲慢了。通用汽车一看跟Waymo合作不成,自己买了一家创业公司。大众一开始希望靠奥迪自己来去做,后来发现不行。福特跟Waymo合作不成,也花10亿美元投了一家创业公司。大众一开始跟一些创业公司,跟Moblieye合作,发现也无法深入合作,所以它又跟福特进行了深度结盟。丰田的无人驾驶绑定在Uber身上。

 

所有这些大公司都完成了布局。在完成这个布局的同时,它必须得对现有的业务进行整合,比如通用它把好几款不卖钱、不赚钱的车型取消了,福特甚至把整个轿车系列基本上都取消了,只保留赚钱的SUV跟皮卡,然后把精力投入到无人驾驶上,本田最近也押宝在通用汽车CRUISE上面。

 

我这里总结,就是大公司+快公司,远交近功,资本联姻,共创未来。

 

第三个认知,我们有远虑又有近忧,先计后战,通过远交近攻这种方式,可以先胜后战,我先要让自己成为不可战胜,然后再去打。

 

第四个认知,我认为中国的大戏才刚刚开始,暗流潜涌。在这个后面我们看到的是巨大的市场,大家知道到2017年,滴滴完成的共享出行次数是Uber的3倍,滴滴平台上的司机是Uber司机的7倍,这是一个巨大的市场,当然这个市场需要犯其至难,因为太难了。

 

这是Waymo在亚利桑那做无人驾驶服务,大家看这个感觉就是,道路上面很干净、人也很少、车也很少,大家看我们在国内跑无人驾驶,很显然这个道路的状况就复杂了很多。

 

这个道路状况,不仅仅道路的基础设施更加复杂,参与交通的各种角色也更加复杂。我们从车里面看一下,这是一个十字路口,我在等交通灯,十字路口左转对于无人驾驶来说是一个非常凶险的动作。

 

走到一个直路上面,马上就是一个环岛,环岛是一个混合车流,有行人、有自行车、有车。进入到城区就变得更加复杂了,大家可以看到各种汽车、非机动车从各个不同的角度来去挤压你的生存路线,这种驾驶技术在美国绝对是练不出来的,在中国一定要眼观六路、耳听八方,而且既要保证安全,同时也要足够的激进,不然你就无法获得路权。

 

我们做算法的知道,一旦出现数量级的差异,你的算法必须得改。在中国永远有你没有看见过的场景,这是我在重庆拍的,大家看,五层的立交桥、100个入口出口,可能外国的车就转晕了,波浪形的道路,车直接从楼里面出来。所以我认为中国的无人驾驶解决了,世界的无人驾驶就不再是个问题。

 

第五个认知,中国的无人驾驶一定要在中国解决。

 

为什么呢?《网络安全法》要求重要数据不能出境,无人驾驶的很多数据是不能出境的,而且外资是不能进行测绘的,碰不了高精地图。

 

怎么办呢?必须得在中国进行研发。大众这个新闻说,中国供应商将帮助大众集团首先解决中国的自动驾驶问题,同时这个自动驾驶能力还会在全球进行推广。

 

第六个认知,我们认为需要一个大格局,生态大格局的协同创新。为什么这么说呢?大家看Waymo,1.1万英里1次干预,一共开了2000万英里,好不好?很棒,但是跟人类比起来差一大截,它的能力跟人类比起来差了一大截。

 

2000万英里绝对不够,大家看我们刚才说人类9400万英里才出一次致命的事故,我到底要多少数据能够证明无人驾驶比人开的更安全呢?

 

兰德公司给出了一个数据叫110亿英里,这需要你要有100辆车不吃不喝不睡开500年。Waymo现在有接近1000辆车,一个月开100万英里,要开900年才能开得到。假设买8.2万辆车,每个月跑8200万英里,要开11年。

 

就是说你这个算法证明你是安全的要11年,万一算法变化了呢、更新了呢?再证明还得11年。

 

怎么办?我觉得一个非常朴素的想法,就是让1000万辆跑车这样的算法,这样一辆车只要跑1100英里。

 

怎么让这1000辆台车跑这个算法呢?我们觉得有两个策略:第一个是“指鹿为马”,明明是L2的一个车,它是一个鹿,但是我可以跑马跑L4,明明是人在开,是鹿,我在后台可以跑我的L4的算法,是马。

 

这有什么好处?因为鹿是安全的,马是不确定的。所以我在安全的幌子下面去跑不安全的算法去验证,这叫指鹿为马。另外一个是“草船借箭”,就是我要借大量这样的车来去借到我的数据。

 

针对这个策略我们做了一套系统,这套系统是可以跟主机厂深度合作的平台,我们把它叫做永不停歇的数据循环,这个焦点不是在车上,是在数据上。把各个步骤分拆叫“DOLE”,大家看这个虚线上面是车、下面是云。

 

 

首先我把算法部署在车上叫Deploy,有两套,一套是主驾驶是鹿,另外一套是影子驾驶是马,他们跑下来,我两套算法比比,看看有什么不同,如果有不同我认为是高价值数据,我把它传回来,或者我对这个鹿也可以进行打分,驾驶的好不好,把数据传回来,这是第二个过程。

 

第三层是云端了,首先我对数据自动进行标注,标注以后自动对模型训练,然后我自动进行仿真和验证,变成可靠的算法,再部署进去,这是永不停歇的循环。

 

这样的仿真环境里面算法验证以后,我们就可以在这个测试场里面进行实车测试,把这算法部署到影子模型当中。

 

我们有几种场景:

一种是影子模式,主驾驶人在开,无人驾驶系统在影子下面开。这是我们部署的一套系统,这辆车部署了自动代客泊车,人把车开到电梯口就下车了,用手机一键让它去泊车。这套系统基于非常廉价的传感器,6个摄像头、10-11个超声波雷达。同时,它也可以一键招车,让它自己开出来。这中间的几百米就变成无人驾驶,而这套系统我们已经交付给50个种子用户,用了半年,零事故。在这套系统大家看,中间有一段时间是人开的,只要是人开的时候,传感器和控制器就闲置,意味着我可以在后面开启影子模式。

 

这个影子模式就是模拟在路面上、在停车场里面不同状况,它可以通过影子模式进行训练。

 

这是一个广告,面向未来的自动驾驶优化提升,这是DOLE到来的第一种使用场景。第二种使用场景,我们和一些主机厂合作的另外一种方式,大家看主驾驶系统是预设的自动驾驶系统,副驾驶系统是主机厂自有的模块。

 

 

这意味着什么呢?可以洋为中用,允许主机厂自主创新。比如我是一个合资公司,我可以把国外的模块拿过来放到这边,作为一个副驾驶,数据不能出去,但是算法可以拿进来。基于中国的数据进行验证,双系统可以进行配置,帮助主机厂进行创新。

 

第三种叫平行驾驶,主系统还是我们自动驾驶系统,而副系统变成了一个远程进行监控的操作员。这是一个使用场景,机场无人佳士得物流拖车,我们真正实现了车上无人的运营。

 

 

大家看这个车上是没有人的,我们经常看到无人驾驶,结果车上还得坐人。我们这个真正实现了车上无人的运营,可以拖行李,拖货物。不是从飞机上运过来,靠近航站楼就完了,它可以自己开下航站楼,开到传送带。它不仅仅是可以在室外跑,也可以在室内跑。

 

真正实现无人驾驶的一个非常重要的关键,就是我有这套平行驾驶系统。在远程可以坐一个人,在这辆车碰到潜在风险的时候,他可以进行接管。这样这个双系统形成了一种新的配置。

 

大家看我们有三种配置,一种配置是影子模式,主系统是人在开,副系统是我们的无人驾驶。第二种配置,主系统是我们的一套标准的无人驾驶系统,副系统变成了主机厂自有的算法模块。第三种配置,主系统是无人驾驶系统,副系统是远程的操作员。这是我们和主机厂进行协同创新的一个平台,草船借箭,一千万辆车需要很多很多主机厂一起来去做。

 

我们现在跟很多主机厂开展了合作,最终我们是希望真正的在一千万辆车把这些东西跑起来。协同创新才能安全达阵。

 

最后做一个总结,我想我们蓝皮书论坛聚集的都是这个行业的先行者和开创者。我们非常期待以一种非常开放的心态,协同创新的心态,跟大家一起同行,一起共创。谢谢大家!


来源:智车科技


登录查看更多
0

相关内容

华为发布《自动驾驶网络解决方案白皮书》
专知会员服务
125+阅读 · 2020年5月22日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
新时期我国信息技术产业的发展
专知会员服务
69+阅读 · 2020年1月18日
【白皮书】“物联网+区块链”应用与发展白皮书-2019
专知会员服务
93+阅读 · 2019年11月13日
2019年人工智能行业现状与发展趋势报告,52页ppt
专知会员服务
120+阅读 · 2019年10月10日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
5G全产业链发展分析报告
行业研究报告
11+阅读 · 2019年6月7日
自动驾驶汽车决策层算法的新方向
智能交通技术
7+阅读 · 2019年4月6日
深度学习在自动驾驶感知领域的应用
AI100
11+阅读 · 2019年3月6日
孙正义:未来30年的人工智能和物联网
智能交通技术
3+阅读 · 2018年3月4日
中国倒数第五!毕马威全球自动驾驶报告|附下载
人工智能学家
6+阅读 · 2018年1月21日
热点 | 深圳无人驾驶公交车正式运营!
机器学习算法与Python学习
3+阅读 · 2017年12月4日
【智能驾驶】史上最全自动驾驶系统解析
产业智能官
23+阅读 · 2017年8月21日
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
Arxiv
11+阅读 · 2019年4月15日
Few-shot Adaptive Faster R-CNN
Arxiv
3+阅读 · 2019年3月22日
Arxiv
5+阅读 · 2018年5月16日
VIP会员
相关资讯
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
5G全产业链发展分析报告
行业研究报告
11+阅读 · 2019年6月7日
自动驾驶汽车决策层算法的新方向
智能交通技术
7+阅读 · 2019年4月6日
深度学习在自动驾驶感知领域的应用
AI100
11+阅读 · 2019年3月6日
孙正义:未来30年的人工智能和物联网
智能交通技术
3+阅读 · 2018年3月4日
中国倒数第五!毕马威全球自动驾驶报告|附下载
人工智能学家
6+阅读 · 2018年1月21日
热点 | 深圳无人驾驶公交车正式运营!
机器学习算法与Python学习
3+阅读 · 2017年12月4日
【智能驾驶】史上最全自动驾驶系统解析
产业智能官
23+阅读 · 2017年8月21日
无人驾驶汽车
劲说
6+阅读 · 2016年8月26日
Top
微信扫码咨询专知VIP会员