阿里巴巴布局自動駕駛始于 2015 年年底，歷時 4 年，其末端配送機器人已大規(guī)模落地，進入到大學校園，承擔起包裹運送的任務。

去年雙十一，這些無人配送車還加入了戰(zhàn)斗，單校園單日收寄件超過千個包裹。

不難發(fā)現(xiàn)，和大多數(shù)企業(yè)不同，阿里巴巴布局自動駕駛是從末端物流為突破口。

阿里巴巴達摩院自動駕駛實驗室負責人王剛向汽車之心表示，阿里自動駕駛的目標是打造智慧物流運輸平臺，讓物流更便捷高效。

這一目標的確立與阿里經濟體的屬性息息相關，淘寶、天貓、餓了么、盒馬等這些業(yè)務都離不開物流配送。

阿里還有菜鳥網絡這樣的智慧物流平臺，對行業(yè)有很深的認知，也有眾多合作的物流企業(yè)。所以，阿里要進行自動駕駛技術的商業(yè)落地，從物流行業(yè)切入是順理成章的事。

利用自動駕駛車輛載物要比載人的安全風險更低，技術實現(xiàn)的難度也更低，法律法規(guī)上還有更大的自由度。

定位打造智慧物流運輸平臺后，阿里也確立了末端無人配送和公開道路物流兩種業(yè)務形態(tài)雙線并進的策略。

其中，末端無人配送的研發(fā)進展要更快，因為其車輛速度慢、軟硬件精度和穩(wěn)定性要求低，還可以進行遠程操控。目前，阿里的無人配送車已經在多個校園和園區(qū)內開啟了小規(guī)模運營。

阿里要實現(xiàn)「打造智慧物流運輸平臺」的目標，推動自動駕駛技術的商業(yè)落地，背后必然離不開一個完整的自動駕駛技術開發(fā)大圖。

我們首先把目光聚焦在阿里自動駕駛技術大圖的算法層。

王剛有一個觀點是：目前制約自動駕駛發(fā)展的最大瓶頸依然是算法不夠優(yōu)秀，所以就算把當今世界上最先進的傳感器、計算單元都集成到一輛車上，這輛車仍然無法實現(xiàn)完全自動駕駛。

正因此，阿里在自動駕駛算法的研發(fā)上投入了更多的精力，并提出了「小前臺、大中臺」的概念。

「小前臺」指的是感知、定位、決策、控制這樣的自動駕駛算法模塊，這些是所有自動駕駛研發(fā)企業(yè)都必須開發(fā)的算法；「大中臺」則是阿里團隊自主打造的 AutoDrive 平臺，這個平臺由自動調參模塊、網絡結構搜索模塊、主動學習模塊、框架和基礎集群平臺組成，可以大大提升自動駕駛技術研發(fā)迭代的速度。

如果將車輛的自動駕駛任務比作是一場攻堅戰(zhàn)，那「小前臺」扮演的就是沖鋒隊的角色，而「大中臺」則是后續(xù)的飛機、坦克編隊。「大中臺」將為「小前臺」提供強有力的支持。

現(xiàn)階段，整個自動駕駛算法研發(fā)鏈路中還存在大量人工設計的環(huán)節(jié)，例如數(shù)據(jù)預處理、感知模塊的神經網絡結構/超參數(shù)、定位模塊中的融合參數(shù)、決策模塊中的規(guī)則及參數(shù)等等。這些人工設計的環(huán)節(jié)很大程度上限制了算法研發(fā)進度，讓算法研發(fā)人員需要花大量的時間去調參，質量差、效率低。

為了減少人工設計，阿里的 AutoDrive 平臺能夠基于海量自動駕駛數(shù)據(jù)，用搜索/優(yōu)化的方式去自動化地學習更優(yōu)的網絡結構/參數(shù)/數(shù)據(jù)預處理等等，從而實現(xiàn)計算替代人工。

不同于業(yè)界的 AutoML 的部分在于：AutoDrive 基于復雜的多模態(tài)的時序的自動駕駛數(shù)據(jù)進行自學習，并且能服務自動駕駛整個鏈路的算法模塊，包括感知、決策規(guī)劃和定位。

舉個例子，在面對一些比較典型的識別和檢測任務時，如果人工設計一個檢測網絡，由于不知道哪些部分是最核心的網絡，就可能帶來冗余，但經過 AutoDrive 平臺的優(yōu)化之后，網絡復雜度將大大降低。因為自動駕駛對實時性要求非常高，所以降低網絡復雜度可以提升整體效率以及降低對硬件的依賴程度。

在 AutoDrive 的背后，阿里也搭建出了自己的自動駕駛云平臺，海量的數(shù)據(jù)（場景數(shù)據(jù)庫、自動駕駛車數(shù)據(jù)、數(shù)據(jù)采集車數(shù)據(jù)）都被搬到了阿里云上。

這個云平臺包括數(shù)據(jù)管理平臺、自動駕駛仿真平臺以及算法模型訓練平臺，依托這些平臺，阿里的自動駕駛團隊打通了數(shù)據(jù)收集、數(shù)據(jù)標注、仿真、模型訓練、評價等一整套系統(tǒng)，讓自動駕駛算法研發(fā)效率更高。

現(xiàn)階段，AutoDrive 平臺使用的數(shù)據(jù)主要來源于阿里的自動駕駛試運營場景車輛和專門的數(shù)據(jù)采集車輛，還有通過仿真系統(tǒng)編輯產生的數(shù)據(jù)等等。

目前，AutoDrive 平臺已經在阿里自動駕駛團隊內部使用，其自動駕駛決策規(guī)劃團隊、感知團隊、定位團隊已開始使用這一平臺。阿里認為，未來類似 AutoDrive 的中臺會成為自動駕駛深度研發(fā)的必備模塊。

除了重視算法研發(fā)，阿里在自動駕駛硬件層面也有布局。

阿里通過菜鳥網絡在激光雷達領域投資了速騰聚創(chuàng)，雙方合作做了很多的定制化的開發(fā)。

在攝像頭領域，阿里針對夜間等低照度場景進行了 ISP 的定制化設計，形成了完整的 ISP IP。與當前業(yè)界通用的車規(guī)級攝像頭 ISP 對比，大大提高了低照度場景下的圖像質量和自動駕駛感知能力。

阿里也在進行嵌入式計算平臺軟件端的研發(fā)，包括基于 FPGA 的軟硬件協(xié)同設計以及嵌入式軟件設計。

事實上，阿里在 AI 芯片領域已經進行了廣泛的布局。阿里此前通過螞蟻金服投資了深鑒科技，后被賽靈思收購，賽靈思則是 FPGA 的代表企業(yè)。未來，阿里的芯片研發(fā)能力應該也能對其自動駕駛研發(fā)提供助力。

感知端，阿里自動駕駛走的是多傳感器融合的方案，包括激光雷達、攝像頭、毫米波雷達、慣導等。

但也有獨特之處：阿里自動駕駛多傳感器融合系統(tǒng)采取了按需感知增強的設計思路，能夠在有限的運算資源條件下根據(jù)外界環(huán)境和下游決策規(guī)劃反饋在線自適應的切換模型和信息融合策略，這可以很好地緩解計算單元的壓力。

為了保障車輛的安全穩(wěn)定，阿里自動駕駛的系統(tǒng)架構也有諸多冗余設計。

在傳統(tǒng)的自動駕駛大腦之外，阿里為其車輛設計了安全小腦系統(tǒng)，安全小腦關注的是被動安全。此外，阿里還引入了一套遠程駕駛系統(tǒng)，可以通過 5G 等通信技術對危險情況下的車輛進行操控。

冗余設計也體現(xiàn)在阿里設計的無人配送車平臺上，這些車輛采用的是高度集成的 EE 架構，分為底盤域和自動駕駛域，每個域也有多層冗余保障。

現(xiàn)在的阿里將主要精力提升單車智能上，包括在自動駕駛算法、傳感器以及計算平臺方面不斷深化研究。循著比較清晰的商業(yè)化目標，阿里的自動駕駛研發(fā)更加聚焦了。

對于阿里來說，其眼下的目標就是打造出一輛安全、智能且低成本的自動駕駛車輛，這也是通往自動駕駛技術和商業(yè)最佳結合點的必經之路

返回第一電動網首頁 >