紐勱科技CEO徐雷：自動駕駛量產方案必須安全、高效和經濟 | 2019全球智能駕駛峰會

紐勱科技CEO徐雷

雷鋒網新智駕按：10月26日至27日，2019第二屆全球智能駕駛峰會暨長三角G60科創走廊智能駕駛產業峰會在蘇州高鐵新城正式舉行。峰會主要聚焦“自動駕駛的量產時代、單車智能和車路協同的共演之路、新型的車內交互探索”三大主題，共同探討了智能駕駛的未來發展方向。

本次峰會由蘇州市相城區人民政府主辦，蘇州高鐵新城管理委員會、雷鋒網新智駕承辦，江蘇省智能網聯汽車產業創新聯盟、江蘇省人工智能學會智能駕駛技術專業委員會、清華大學蘇州汽車研究院、中國移動通信集團等單位協辦。來自主機廠、國內外一級供應商、自動駕駛解決方案商、自動駕駛核心零部件、出行運營商等智能駕駛上下游企業，車路協同專家學者、代表企業等1500余位業內人士蒞臨現場。

在Waymo、特斯拉兩派背后，自動駕駛技術形成兩派，前者注重激光雷達、高精地圖，后者的方案則以視覺感知為主。在中國國內，車路協同技術又成為新的變量。成為一些自動駕駛初創公司的重要方案。

作為一家自動駕駛方案供應商，紐勱科技從場景出發，采用了以視覺為主、多傳感器融合的方案，目標是在復雜場景中實現載人和運貨。它的方案既包括L3/L4，又包括滿足當下市場緊需的L2+，以及與智慧城市融合一體化的方案。

這些方案最終的目標是量產上車。紐勱科技CEO徐雷表示，面向量產的自動駕駛解決方案，一定需要達到三個方面的要求：安全，高效，經濟。

以安全為例，紐勱科技在系統冗余、傳感器冗余、緊急情況應對措施以及備份的控制系統等方面進行了充分考量和設計。基于對安全的考量，紐勱科技的方案還在功能安全、預期功能安全和網絡安全三部分進行了重點設計。

雷鋒網新智駕了解到，紐勱科技已經獲得美國加州的自動駕駛路測牌照，并在2018年先后完成了擁堵跟車（TJP）、高速代駕（HWP）、自主泊車（AVP）功能等前裝量產功能的上線。今年8月，紐勱科技在上海正式落地L4級別的RoboTaxi項目。

以下為徐雷的演講速記整理，雷鋒網新智駕進行了不改變原意的編輯：

在自動駕駛落地的道路上，無論是像我們一樣的自動駕駛方案開發者，還是像OEM這樣的自動駕駛方案需求方，為了自動駕駛的大規模量產落地，常常會思考很多問題。

量產方案究竟需要滿足哪些要素？在ADAS都還并不完美的當下，實現自動駕駛是否真的具備可行性？無人駕駛究竟能否應對所有場景？是否將交鑰匙式的方案直接裝到車上就能實現自動駕駛？

種種問題，最后又可以歸結為一個問題：自動駕駛的落地之路到底是怎樣的？

現在，自動駕駛行業主要有兩條不同的技術路線：一是以Waymo為代表，重激光、重地圖；二是以特斯拉為代表，將視覺感知作為主要的感知方式，通過攝像頭實現L4級別的自動駕駛。

相比之下，紐勱科技的路線與后者較為類似，在單車智能中采用以視覺為主的多傳感融合感知方案。但同時，我們也有著很大的不同，那就是不止于車端的智能，還采用智能車、智能道路、智慧城市的融合一體化方案。

一切從場景出發

在我們看來，自動駕駛應從場景出發。

無論設計、測試還是商業化，都應以場景為基礎。這里的場景，簡單來說，就是車和車以外的事物。而我們的最終目標，就是實現復雜場景下的無人駕駛載人和運貨。

在紐勱科技的融合一體化的系統中，將車作為前端，車以外的部分作為后端。在每一種場景下，我們會思考車需要具備什么樣的能力才能安全可靠地行駛，并分別從前端和后端提供相應的能力。

當面對相對簡單的場景時，比如，結構化道路里的高速場景，或低速行駛的場景，我們的方案可以通過車身所搭載的傳感器和計算能力，實現很好的自動駕駛。當面對一些相對復雜的場景時，比如，十字路口、園區大門口，這些地方很可能連紅綠燈、車道線都沒有，僅依靠車本身的配置會很難達到充分安全可靠的行駛，所以，這時候需要讓系統具備更強的駕駛能力。

我們的思路是，把自動駕駛所需的能力——感知和規劃，最合理地分配到車和車以外的地方，也就是前面所說的前端和后端。

我們主要從兩個方面來實現。

在車端，以視覺感知為主、多傳感融合打造單車的智能，提供前裝量產的方案。在這個長期發展的過程中，具備自動駕駛功能的汽車將會越來越多，包括L2級別的智能網聯車。

與此同時，道路也在逐步升級，變得更加數字化、智慧化。那么，如何打造包含路側感知、路側規劃，并能與智能車融合的數字化道路，是一個很有挑戰的問題，而我們可以為政府、運營商等提供方案。

最終，我們將基于智能汽車、智慧道路、智慧城市融合一體化的概念，提供能應對復雜場景的L4方案。

具體而言，在以車為前端的單車智能方面，主要與車廠合作，從前裝量產方案切入。我們對場景有更深的理解，希望能通過與車廠在前裝方面的合作，將技術落地，并進行數據迭代，不斷地優化方案，實現復雜場景下的無人駕駛應用。

同時，我們會在一些開放區域進行無人駕駛的示范運營，比如上海臨港地區，從商業模式和技術模式上去論證方案的可行性。

當前，從前裝角度看，L2+級別自動駕駛方案有著非常迫切的市場需求。

現在主流的自動駕駛應用，大多是一些行駛和泊車兩大類型的輔助駕駛功能，并不能完全滿足市場對L2+甚至是L3的高級別自動駕駛需求。一些復雜場景的功能，如需要橫向控制參與的變道、超車處理，用于泊車的360度精準感知，都是市場上需求很大的應用。

我們能夠提供L2+及以上功能的自動駕駛解決方案，并可以通過高端和經濟兩種不同的配置，滿足不同的功能需求。

搭載高端配置的車輛，可以滿足全功能的需求，不僅具備一些復雜場景的自動駕駛功能，能夠應對十字路口等城市環境下的行駛場景，還可以和智慧城市智能交通系統相結合，實現L4級別的自動駕駛功能。

經濟配置則可以滿足部分的自動駕駛需求，如實現自主泊車、擁堵跟車這些自定義的功能。對前裝量產而言，成本非常重要，我們會提供基于ASIC芯片的低成本計算平臺打造的、以視覺為主的多傳感融合感知的方案，來實現所需的功能。

量產要滿足三要素

在我們看來，面向量產的自動駕駛解決方案，一定需要達到三個方面的要求：安全，高效，經濟。

安全指的是必須有全方位的安全考量，要包含運行方面的功能安全、預期功能安全以及網絡信息安全，從而提供真正安全的體驗。

比如，車輛如何進入最小風險狀態，如何處理出現的各種問題。從技術角度來講，自動駕駛方案需要在融合后形成冗余的世界模型，并且需要具有一套安全的駕駛規則。而非為了確保安全，讓車的速度降到非常慢的程度，用戶很難喜歡這種方案。

其次是高效，自動駕駛方案不僅需要能夠高效地開發和應用，同時還需要能為用戶提供高效的使用體驗，能在日常使用中為用戶解決出行中的難題和痛點。這樣的方案才真正有用。

第三是成本。無論硬件還是軟件，成本都是無法忽視的要素，功能所耗費的成本需要與為客戶創造的價值相匹配。因為物超所值的方案才會受歡迎，才能形成規模化的應用。

兼顧這三點的方案，才是可量產的自動駕駛駕駛解決方案。而我們的方案，也正是基于這些考慮完成的開發。

在安全方面，我們有著全面深入的設計考量。一般來說，自動駕駛的應用場景發生變化，系統的性能也通常會有一些影響，如果是在開發完成后根據應用的場景再去補充安全架構和模塊，安全方面可能會存在問題。

所以我們的做法并不是先把功能開發完，然后再回過頭去想哪一塊不安全，再去加一些安全模塊。而是從設計、開發，到功能實現、測試，其中的每一個環節都把安全放在第一的位置。

同時，為了保障在部分傳感器失效的情況下，系統依舊能夠去應對出現的問題，我們提出了三層感知融合，進行同一傳感器內、不同傳感器之間以及世界模型構建的融合。

比如在攝像頭內部，車道線可以基于深度學習算法和傳統的算法來分別完成；而在不同傳感器之間，比如前視的兩個攝像頭，可以通過雙目檢測來進行測距，也可以通過雙目檢測可行駛區域是否有立體的東西，來判斷是否為平面。

另外，因為汽車存在于真實的物理世界，所以我們還會進行模型層面的校驗，基于這些融合的信息會構建一個冗余的世界模型。

這個世界模型是對周圍世界的理解，包括有靜態障礙物、動態障礙物、動態障礙物的行為預測、交通規則的理解、自身狀態的定位。在世界模型里，除了會預測一些處于動態的物體外，比如行駛中的車下一步會怎么行駛，我們還會預測一些暫時處于靜態的物體，比如行人站在十字路口的時候，通過他的身體語言去判斷其是否看到了本車，是不是有穿過馬路的意圖。

而在高效方面，我們的方案可以做到感知更全、識別更準、反應更快。

以泊車時的停車位檢測為例。全國各地有各種各樣的停車位，在實際使用中，市面上絕大部分泊車方案的車位檢測成功率不到50%，而我們基于視覺停車位檢測的成功率能達到90%以上。

我們對方案的要求不僅是車不發生碰撞，還有更重要的一點是，我們希望自動駕駛車能符合用戶的使用期望，就像真人駕駛一樣。這其中，對未來時間一定窗口內場景變化的預測非常重要。

通常情況下，系統中會有很多模塊運行，但是很難保證每一個模塊在任何情況下都能正常運行。如果出現硬件失效或是感知受限等情況，比如攝像頭被遮擋，功能還能否安全地運行呢？答案是可以，因為我們對系統有安全的冗余考量，配備了冗余傳感器、緊急操作模塊、備份系統。

此前我們曾強調，自動駕駛由從場景所驅動，設計、開發、功能實現、測試、商業化運用也都如此。所以，我們自己總結了一套比當前市面上更健全的測試體系，針對L3及以上級別的自動駕駛進行測試評價。其中，最重要的一點就是可量化的測試標準。

我們對開發的功能，在不同情況下進行了測試和評分，根據我們自己的標準，方案達到了良好水平，而根據行業的標準，我們方案能達到優秀水平。

基于車端和智慧道路的融合

紐勱科技主要做的是L3/L4級別自動駕駛，L2+的方案為降級使用。我們自主開發了自動駕駛所需的全套上層應用軟件和算法，包括配備了基礎通信庫、高性能計算庫、深度學習加速庫的自動駕駛專用平臺MaxOS，這也是我們自己開發的，所以我們的方案拓展性強，很容易移植到不同平臺上，進行各種定制化的開發。

此外，我們的方案不依賴于高精地圖和激光雷達。車本身具有足夠的智能，高精地圖可以加入其中作為補充，感知以視覺感知為主，不依賴于激光雷達。方案可以實現低成本高性能定位，定位精度達到厘米級。

在車端實現這些智能功能后，再通過智能汽車、智能交通、智慧城市的深度融合，就能實現更復雜場景下的自動駕駛，進行Robotaxi等更高級別自動駕駛的應用。目前，我們正在和一些合作伙伴進行這方面的測試和落地。

比如，在上海臨港地區，我們已經啟動基于融合一體化方案的Robotaxi項目，目前正在分階段地進行落地，逐步擴大車隊規模和運營范圍。現在第一階段的工作已經完成。

在先期的驗證測試中，我們的純視覺Robotaxi方案能夠應對真實開放道路中出現的多種難點。

包括復雜場景下的行人和非機動車檢測和行為預測，遠距離紅綠燈、異形紅綠燈的檢測，磨損或不規則車道線情況的應對，實現十字路口調頭及復雜車流變道等功能，等等。這套方案并不是專門為該項目定制的方案，而是一套真正可以快速進行部署的量產化方案。未來，我們還會在其他地方進行落地。

總而言之，我們的自動駕駛落地之路就是：開發可量產的全棧方案，通過前裝提供高速代駕、擁堵跟車、自主泊車等高級別的自動駕駛功能；同時，我們將車輛與智慧道路和城市進行深度融合，打造無人駕駛出租車。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。