馭勢科技吳甘沙：邁進自動駕駛商業規模化元年，從1到1000的量產探索 | CCF-GAIR 2019

雷鋒網新智駕按： 2019 第四屆全球人工智能與機器人峰會（CCF-GAIR 2019）于深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智能與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智能和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智能領域極具實力的跨界交流合作平臺。

自動駕駛寒冬的說法不斷傳出，在馭勢科技聯合創始人兼CEO吳甘沙的眼中，自動駕駛的夏天還未來，現在更像是處于倒春寒階段。

“我還是堅信，2019年到2020年是真正從1到1000開始實現無人駕駛商業規模化的一年”，吳甘沙提到，目前自動駕駛正處于從1到1000的過程。如果將自動駕駛比作從0到1000的過程，其中在0到1階段自動駕駛面臨的處境是“雜”，因有很多的場景訓練，但并不知道哪個場景最好；而從1到1000要做“專”，即將所有的能量都聚焦在一個點或者幾個點。

據雷鋒網新智駕了解，成立三年，馭勢已經打造了一款面向多場景、高級別的U-Drive?智能駕駛系統，以車規級智能駕駛域控制器+AI算法+云端智能服務為技術基礎，實現了高速、城市、限定區域的無人公交、端到端的物流等多方落地。邁進2019年，馭勢正在加緊解決自動駕駛規模化量產問題，包括面向乘用車的AVP（自動代客泊車）及高速自主L3，及面向商用車的無人物流拖車。

吳甘沙提到，未來兩、三年之內，城市中車輛常去的十大場景可以實現自動代客泊車。未來三年中，馭勢無人駕駛將產生第一個銷售過5億的場景，理想的話可能會過10億。

自動駕駛邁向從1到1000的量產探索階段

吳甘沙提到一個詞——鄧寧-克魯格效應。簡單理解即剛入行的人覺得什么都懂，但一到深水區就到處都是問題。反映到自動駕駛行業中：2016年到2018年，自動駕駛可能處于剛入行階段，無限的自信；但是最近這兩年，大家又偏悲觀了。在吳看來，這兩年自動駕駛玩家不要那么悲觀，因為自動駕駛正邁進從1到1000的過程。

但從1到1000，其實比從0到1更難。

吳甘沙進一步解釋，從0到1要做的就是“雜”：自動駕駛可涉略很多的場景訓練，但并不知道哪個場景最好。而從1到1000就是要“專”，即將所有的能量都聚焦在一個點或者幾個點上。

雜究竟有多雜？馭勢在0到1的階段中涉獵到很多場景，覆蓋高速、城市、限定區域的無人公交、端到端的物流等等。除少數場景沒有涉獵，比如礦山。基本上目前能看到的無人駕駛應用場景，馭勢都有布局。

從1到1000，馭勢的3大原則、5大要求、5大工作

邁進自動駕駛1到1000新階段。吳甘沙提出三大原則、五大要求、五大工作。馭勢計劃通過三大原則選擇合適的場景。而要在這些場景中實現自動駕駛商業化，需要制定指標，即“五大要求”。為達到這些要求，則要進行五大工作。吳甘沙進一步進行了解釋：

三個原則，即在選擇落地的場景中要符合高頻剛需，解決客戶的痛點；實現無人，車上取消安全員；成本可算三個原則。基于此，馭勢瞄準了無人小巴、無人物流拖車、AVP/HZP+L3，這些都是馭勢即將落地的場景。

吳甘沙提到，在這三個場景中，未來三年中，馭勢會產生第一個銷售過5億的場景，理想的話可能會過10億。

五大要求：即實現成規模、多客戶、全交付、全無人、不停服。

成規模，到今年年底，馭勢自動駕駛裝機將超過300臺。

多客戶，即自動駕駛公司一定要服務多個客戶。新智駕了解到，今年海南博鰲亞洲論壇運行了三款無人小巴：第一款是百度的無人小巴；第二款是馭勢與宇通合作的無人小巴；第三款是馭勢與一汽合作的無人小巴。兩款小巴在形態上、傳感器布局、及內在的底盤性能和控制協議等層面都不同。吳甘沙提到，馭勢從自有公版的源代碼庫當中抽取代碼，為某個主機廠去定制優化版本，兩個工程師50天即可完成。足以可見，馭勢自動駕駛源代碼的可通用性。

全交付，與眾多在公園中運行的小巴不同，目前搭載馭勢自動駕駛系統的無人小巴，是真正地在城市車流中運營的車輛。且無需馭勢工程師，完全由其合作伙伴的自有工程師進行調配。

馭勢在2018年與合作伙伴上汽通用五菱聯合向用戶交付了業內首款搭載自動代客泊車的寶駿E200，且面向50個種子用戶完成交付。其特點是不依賴激光雷達，僅使用攝像頭與超聲波，這套系統的成本非常低，最重要的是真正將成品提供給終端用戶。從去年11月至今，超過了7個月時間內，自動代客泊車產品零事故。

全無人，即車上沒有安全員，真正做到無人。目前馭勢應用于機場自動駕駛車輛已經運營操作一年，完全實現了無人運營。

最后一個即服務不能停，自動駕駛車輛要考慮到惡劣天氣，比如臺風天、大雨、大雪，車輛也不能停止運行。

為了滿足上述五大要求，馭勢在背后也為自動駕駛制定了五個重要工作：

多維度的安全：一在車輛無網絡連接的情況下，保證安全地自主決策；二在路側端，馭勢通過RSU提供上帝視角來保證安全；三在鄰近端，當發現車輛處在不正常的情況下，人工能夠實施遠程的干預。在頂層設計中，馭勢圍繞車端、云端、路側端、鄰近干預進行安全部署。

在路側單元中，馭勢配置攝像頭和自有的計算設備。當車輛在拐角時出現盲區，路側單元憑借上帝視角告訴車輛出現在盲區的障礙物。為實現遠程的監視和控制，馭勢打造了一套鷹眼系統，在監控室的安全員可以監控8輛車。同時，當安全員看到車輛處于不正常狀態下，即可通過遠程APP對車輛進行干預。

NOME設計：NOME是涉及到車輛本身的安全架構設計，包含以下幾個層次。在車輛電器架構上、感知定位決策系統下，要實現失效安全和失效可操作，特別是針對一些特殊的對象、特殊的運營狀況，需要有OEDR以及遠程的監控。吳甘沙提到，這些流程在傳統的汽車廠中都有涉及，所以科技公司也必須按照同樣地方式進行，包括在整車的電子電氣架構上實現全部的冗余；在控制器上實現規模化量產。

雷鋒網新智駕了解到，基于此，馭勢自主研發了智能駕駛控制器，可藏在座椅下面（部分車型），且完全按照汽車領域的車規級進行研發，并且有第三方機構給馭勢發出驗證的報告，在質量體系報告上通過了16949質量管理體系，以及關于智能駕駛控制器的認證。

OEDR層面：馭勢設計了不同的物體，例如透明物件、小于20厘米的小障礙物，來保證車輛具備實時監測的能力。當傳感器被障礙物影響的時候，車輛依舊能剎車；當傳感器檢測到行人走近時，車輛將及時減速；一旦檢測到輕微的磕碰即會剎車。

ODD使能：當遇到大雨等惡劣天氣，車輛傳感器，包括激光雷達或者雷達，以及算法要能夠過濾掉雨珠，允許車輛在環境中工作。

測試體系：馭勢覆蓋真實測試場和虛擬仿真測試兩大層面。在馭勢虛擬仿真環境中，其將真實的測試場和其他應用場景像素級模擬在一個虛擬的環境中，能夠創造不同的天氣和道路條件。在真實的測試場，馭勢同樣有大量的路測車輛在無人狀態下進行24小時測試。

工具鏈：從傳感器、建圖、仿真、車輛診斷，馭勢已建立完整的工具鏈體系。

基于三大原則、五大要求、五大工作，吳甘沙堅信2019年到2020年是真正從1到1000開始實現無人駕駛商業規模化的一年。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。