原標題：車和家首談L4自動駕駛，要在2025年商業(yè)化運營Robo-taxi

6月28日，在2018智能汽車跨界融合高峰論壇上，車和家自動駕駛總監(jiān)郎咸朋首次對外介紹了公司的無人駕駛戰(zhàn)略和共享出行戰(zhàn)略。

車和家共享出行的最終目標是打造專門為共享出行定制的無人駕駛Robo-taxi，其自動駕駛水平可以達到SAE L4。首批量產(chǎn)車計劃于2025年投入商業(yè)化運營，每天為用戶提供1億公里的出行服務。

一個企業(yè)戰(zhàn)略目標

今年1月起，車和家選擇自建團隊，專門負責自動駕駛共享出行解決方案的設計、研發(fā)和產(chǎn)品化。曾經(jīng)在百度L3事業(yè)部任職的郎咸朋加入車和家，擔任自動駕駛部門的負責人，現(xiàn)在核心團隊搭建已經(jīng)基本完成，算法、數(shù)據(jù)、服務相關的負責人已經(jīng)就位。

在眾多車企公布的自動駕駛時間表中，車和家的目標看起來是一個相對具體的計劃——打造用于移動出行的Robo-taxi（SAE L4），到2025年量產(chǎn)并投入商業(yè)化運營，每天為用戶提供1億公里的出行服務。和很多企業(yè)試水自動駕駛研發(fā)的做法不同，車和家把無人駕駛Robo-taxi上升到了公司的戰(zhàn)略目標。

郎咸朋向車云菌指出，到2025年，車和家拿出來的不會是試運營的“半成品”，而是可以正式投入商業(yè)化運營的量產(chǎn)車。雖然在過渡階段可能會有安全員跟車，但是終極目標一定是沒有駕駛員的無人駕駛出租。Robo-taxi在公司內(nèi)部被視為一個商業(yè)化目標。今年3月車和家牽手的滴滴，會在這場商業(yè)計劃中扮演重要的角色。

構成車和家自動駕駛系統(tǒng)的四大平臺

屆時，車和家提供的自動駕駛系統(tǒng)將由完整的車載系統(tǒng)平臺、人工智能平臺、數(shù)據(jù)仿真平臺和車隊管理平臺構成。所有無人駕駛出租車上的數(shù)據(jù)都會通過網(wǎng)絡回傳到數(shù)據(jù)仿真平臺，人工智能平臺將會用于算法的集成優(yōu)化，隨著車隊規(guī)模的擴大，將有一個車隊管理平臺來統(tǒng)一管理。

“不是單純研發(fā)，就是要落地”。郎咸朋評價這個目標時表示，“其實還是很激進的”。

“軟硬一體”才是最快的方式

相比很多早早制定2025年計劃的企業(yè)，研發(fā)主力剛剛就位的車和家，面臨著一個不小的挑戰(zhàn)——在比別人更短的時間里做出一款自證實力的產(chǎn)品。在回答這個問題時，郎咸朋選擇了“軟硬一體”，并且在他看來，這才是最快的方式。

行業(yè)里從來不缺自動駕駛原型車。郎咸朋告訴車云菌，快速搭建一輛原型車很容易，科技公司普遍采用的做法是購買線控改裝車，先做軟件算法，然后再移植到正式的車上去。但是基于不同車輛定制的算法，并不具備普適性，移植到另一輛完全不同的車上時，研發(fā)人員很容易在硬件適配階段耽誤大量時間。

郎咸朋向我們舉了一個簡單地例子：一輛百公里加速度3s的車，在設計自動駕駛決策規(guī)劃算法時，可以在某個場景選擇超車，但是當一輛性能欠佳的車處于同一位置，卻只能跟車行駛。車的性能不同，軟件算法也會隨之調(diào)整。先找Demo車做軟件算法，然后再移植的方式， 在郎咸朋看來，并不是一種特別好的研發(fā)理念。

Robo-taxi的整套系統(tǒng)架構

車和家采用的“軟硬一體”自動駕駛研發(fā)思路在于——一開始就要明確這是一輛什么樣的自動駕駛車，整輛車從設計之初，底盤、執(zhí)行器和電源冗余設計，以及車內(nèi)空間設計等等，都在為最終目的服務。傳感器位置、類型、計算平臺的選擇以及算法，都跟車輛硬件平行開發(fā)，并不存在先后關系。雖然時間緊、任務重，車和家選擇的做法是從零開始，正向開發(fā)一輛自動駕駛車。

當然為了搶占2025年的時間節(jié)點，車和家在效率最大化方面也考慮了一些富用方案。據(jù)郎咸朋透露，公司即將上市的首款SUV將會搭載自動駕駛L2.5系統(tǒng)，功能上類似特斯拉的Autopilot，由車和家投資的易航智能科技有限公司主要負責研發(fā)工作。

這款車將會在Robo-taxi的研發(fā)過程中，承擔起非常重要的駕駛行為數(shù)據(jù)采集工作。在這款車上市之前，郎咸朋團隊會完成數(shù)據(jù)平臺的搭建，確保明年新車上市時可以做到數(shù)據(jù)準確回傳，OTA功能也會在這輛車上率先使用。

同時，團隊將基于首款SUV框架改制第一批自動駕駛車。這批Demo車的主要作用就是將數(shù)據(jù)服務、存儲、分發(fā)、制作等技術走通，并且完成一些算法通用部分的準備，等到2019年上半年推出面向網(wǎng)約車的Robo-taxi之后，再把上述通用基礎能力移植到定制好的Robo-taxi上，同時在正式車上進行后續(xù)的算法開發(fā)。

接下來的工作也已經(jīng)有了具體的進度表：2019年左右Robo-taxi樣車完成之后，車和家會在2020年完成車輛設計整體定型，通過1-2年的時間進行算法完善，2023年-2025年開始大批量規(guī)?；慨a(chǎn)。雖然時間很短，但是郎咸朋認為，“只要前面軟件和硬件節(jié)奏能跟上，還是很有希望的”。

類人的決策

自動駕駛擁有龐大的產(chǎn)業(yè)鏈，每個角色都在其中各司其職。在時間和人力有限的情況下，車和家為自己選擇的核心能力，是規(guī)劃決策算法。

L2、L3自動駕駛主要是感知和執(zhí)行方面的技術，對L4自動駕駛而言，這兩部的技術已接近成熟，而決策規(guī)劃的難題依然懸而未決。和可以人類介入的L2、L3自動駕駛相比，L4自動駕駛車全權由系統(tǒng)控制，對決策規(guī)劃能力也提出了更高的要求。

在此先做一個簡單地背景介紹?，F(xiàn)階段的規(guī)劃決策算法需要大量的駕駛行為數(shù)據(jù)進行訓練，研究方向有兩個，一個是完全基于規(guī)則（Rule-based），一個是基于深度學習（Learning-based）。前者把車輛在某種場景下的決策用數(shù)學公式設計好，哪些情況可以超車，哪些結果選擇跟車?；谝?guī)則的好處是確定性，但是世界復雜多變，很難做到窮舉所有場景，構建出公式來進行描述。

基于深度學習的方法，是指通過給系統(tǒng)“喂”足夠多的數(shù)據(jù)，對系統(tǒng)正確或錯誤的做法設立獎懲機制并加之判斷，久而久之，算法就能在面對不同情況時給出最優(yōu)解。這種方法的缺點在于，系統(tǒng)通過學習獲得一個參數(shù)下的不錯表現(xiàn)，但是當發(fā)生安全問題后，原因不可解釋，問題也無法解決。

由于駕駛環(huán)境的復雜性，僅用上述方法的某一種，很難兼顧所有的駕駛場景，并確保安全性。

在談到車和家的算法研發(fā)思路時，郎咸朋給提出車和家在將來決策規(guī)劃研發(fā)中，會采用類人的思路做決策研發(fā)，讓自動駕駛開車時像人一樣思考，既能做到確保安全優(yōu)先，容忍不確定性，還要能不斷自我進化，兼顧長短期目標，并且保正及時作出判斷。

其中在確保安全優(yōu)先方面，車和家的想法是，對安全性相關的部分制定規(guī)則，比如車不能開到馬路牙子上去，不能左轉進入逆行車道……工程師把這些跟安全性相關的部分用數(shù)學公式表示，制定出一些強制的規(guī)則。與安全無關的駕駛舒適性內(nèi)容，再采用基于深度學習的方法來實現(xiàn)。這樣的做法，可以保證安全相關的部分更加可控、直觀，與舒適相關的部分更加靈活。

同時，在一些決策算法的設計上，郎咸朋希望有更加周到的考慮。工程師會兼顧長期目標和短期目標，來進行決策制定。一個例子就是在高速公路跟車時，選擇向左變道超車，還是向右側變道，就取決于車輛是否要從不遠處的匝道駛離高速。當擁有更加全局的信息時，決策才會更聰明。

郎咸朋告訴我們，對于最核心的決策規(guī)劃部分，車和家的總體計劃是減少深度學習算法的比重，在研發(fā)過程中，盡可能地把一些現(xiàn)在不可描述的東西，逐漸形成規(guī)則。這一切的出發(fā)點，都是因為自動駕駛汽車是一個以安全為基礎的產(chǎn)品。

數(shù)據(jù)，數(shù)據(jù)，數(shù)據(jù)

談到至關重要的數(shù)據(jù)時，郎咸朋提到了自己關于自動駕駛產(chǎn)品化的思考。

無論是車和家利用首款SUV做的數(shù)據(jù)準備，還是決策規(guī)劃算法的訓練需要，大量真實的人類駕駛數(shù)據(jù)是自動駕駛產(chǎn)品落地的關鍵，也是每一家企業(yè)想牢牢握在手中的寶貴資源。郎咸朋在強調(diào)數(shù)據(jù)的重要性時指出，“沒有數(shù)據(jù)，所有的計劃都是紙上談兵”。

車和家的整套數(shù)據(jù)流程

他對數(shù)據(jù)的重要性的認識，來源于一段以往的研發(fā)經(jīng)歷。郎咸朋曾經(jīng)使用過一個改良后的開源算法代碼框架，在訓練數(shù)據(jù)量較少的情況下，識別率只有80%-85%，但是在海量數(shù)據(jù)的訓練下，實現(xiàn)了97%-99%的識別準確率，同等數(shù)據(jù)量的前提下，追平甚至超越了一些研究領域創(chuàng)新算法的表現(xiàn)。

科研和產(chǎn)品，也有相通之處。在科研領域，如果有十公里的數(shù)據(jù)，就可以寫出一篇學術論文，一百公里的數(shù)據(jù)，已經(jīng)是非常豐富的論文材料，很少能看到基于上千公里數(shù)據(jù)的學術研究。“科研所需的數(shù)據(jù)量，和做自動駕駛產(chǎn)品所需的數(shù)據(jù)量相比，完全不是一個級別”，郎咸朋說。

這也讓他明白了數(shù)據(jù)在產(chǎn)品化過程的重要性。科技公司很難找到不同的人在真實場景中大量駕駛測試，為自己積累數(shù)據(jù)。雖然雇傭測試人員有機會在數(shù)據(jù)量上獲得大量積累，但是也難以避免數(shù)據(jù)同質化的情況——不同的人開車，一定會有不同的駕駛習慣和方式，更不要說地域覆蓋廣度的問題了。

而車企擁有著最多的數(shù)據(jù)資源，在回收數(shù)據(jù)方面也能很好地兼顧多樣性。并且車和家會有數(shù)據(jù)表達、采集、生產(chǎn)的一整套流程，確保數(shù)據(jù)在自動駕駛算法訓練中更好地發(fā)揮價值。首款SUV上市后，后臺就會開始獲得車輛回傳的駕駛數(shù)據(jù)和環(huán)境數(shù)據(jù)，據(jù)郎咸朋估計，到2021年預計會有百億公里數(shù)據(jù)的回傳，應該足夠用來支撐自動駕駛的算法研發(fā)工作。

車云小結

郎咸朋在演講結束時表示，車和家的自動駕駛團隊的工作才剛剛開始，后面7-8年的時間，希望能很嚴肅地把這件事完成。

某種程度上，車和家自動駕駛項目的順利推進，很大程度上取決于首款SUV的市場表現(xiàn)。根據(jù)計劃，車和家的首款SUV將是一輛續(xù)航里程 700公里+的增程式電動車，在今年下半年發(fā)布，2019年正式上市。待到新車上市和數(shù)據(jù)量的回傳，希望車和家自動駕駛的研發(fā)，會迎來一個更快的發(fā)展階段。

上一篇：寧德時代與比亞迪“你追我趕”，日韓電池“黃雀在后” 下一篇：聚焦技術與品牌汽車論壇在昆明舉辦