關(guān)注自動駕駛的朋友應(yīng)該都知道，每次有相關(guān)榜單出來的時候，谷歌的兄弟企業(yè)Waymo總是高居榜首，而特斯拉有時排名倒數(shù)、有時不被考慮在內(nèi)。然而，自動駕駛作為特斯拉汽車的最大賣點之一，真得有這么弱嗎？而Waymo這樣一個互聯(lián)網(wǎng)公司真的能比車廠做的好嗎？來看看專業(yè)人士的看法。

以下內(nèi)容來自車和家自動駕駛負責人郎咸朋微博：

一句話介紹車和家的自動駕駛思路：同步三維環(huán)境，學習人類駕駛。

1、同步三維環(huán)境，主要指使用量產(chǎn)車收集的數(shù)據(jù)加工后的數(shù)據(jù)成果。包括：高精地圖，場景模型，駕駛實例等。這些數(shù)據(jù)不會涉及用戶個人隱私，僅僅是對外界環(huán)境的還原。

數(shù)據(jù)收集這一步足矣拉開各家公司的差距。Tesla已經(jīng)號稱擁有10億英里數(shù)據(jù)，比Waymo的1000萬公里高了兩個數(shù)量級，而且差距還在不斷拉大。對于高級別的自動駕駛而言，數(shù)據(jù)是最值錢的，也是最難獲得的。因為此時決策規(guī)劃算法研發(fā)和測試都需要大量真實數(shù)據(jù)支持，我們不難想象使用鳳凰城數(shù)據(jù)訓練的算法放在望京跑會是一種怎樣的結(jié)果。

數(shù)據(jù)的質(zhì)與量同等重要。同樣里程的數(shù)據(jù)，包含各種道路等級和天氣狀況以及各種司機駕駛習慣的價值顯然會更高。還有一個無法忽視的事實，就是數(shù)據(jù)的獲取成本。用量產(chǎn)車還是用實驗測試車來做，效果截然不同。

高精地圖的更新，也需要大量數(shù)據(jù)，而且對實時性要求很高，按照某國外大型主機廠的說法，更新需要滿足三“1”基本原則（1天內(nèi)發(fā)現(xiàn)，1小時內(nèi)制作，1分鐘內(nèi)發(fā)布）。在車和家，我們設(shè)計了自動化的數(shù)據(jù)處理流程，將量產(chǎn)車回傳的數(shù)據(jù)變成場景模型用于后續(xù)的算法研發(fā)和測試。先賣個關(guān)子，后面再展開介紹。

2、學習人類駕駛，主要指算法層面。首先，感知和環(huán)境模型的建立很重要，但我們的目標不是做到100%準確，而是容忍一定的不確定性和錯誤。這其實跟人開車是一樣的，也是在信息不完備的情況下來做行車決策的，而且傳感器的覆蓋范圍已經(jīng)比人要大很多了。

有了環(huán)境模型后，我們的思路是將后續(xù)的駕駛策略分為兩個層面。一部分跟安全行駛相關(guān)，會使用規(guī)則化的專家系統(tǒng)進行判斷，類似于我們在駕校學習的基本行車規(guī)范；另一部分跟行駛舒適度相關(guān)，會使用強化學習和模仿學習來做，讓車開的更符合人的駕駛習慣，更像“老司機”。

這個駕駛策略輸入給后續(xù)的PnC模塊，確保安全穩(wěn)定的執(zhí)行到位。這一切的前提，是第一部分的數(shù)據(jù)。有了真實的數(shù)據(jù)（仿真的不算），才有可能分析出人開車的策略，才有可能在真正上路前對corner case做更多的模擬，才有可能實現(xiàn)真正大家喜歡用的自動駕駛。

返回第一電動網(wǎng)首頁 >