车和家首谈L4自动驾驶，要在2025年商业化运营Robo-taxi

6月28日，在2018智能汽车跨界融合高峰论坛上，车和家汽车驾驶总监郎贤鹏首次介绍了公司的无人驾驶战略和共享出行战略。车与家共享出行的最终目标是打造一款为共享出行定制的无人驾驶Robo出租车，其自动驾驶水平可达到SAE L4。首批生产车辆计划于2025年投入商业运营，每天为用户提供1亿公里的出行服务。企业战略目标自今年1月以来，车和家选择了一支自建团队，负责自动驾驶共享出行解决方案的设计、研发和产品化。曾在百度L3部门工作的郎贤鹏加入车和家，担任自动驾驶部门负责人。现在核心团队已经基本组建完成，算法、数据和服务的相关负责人已经到位。在多家车企公布的自动驾驶时间表中，车和家的目标似乎是一个相对具体的计划，即为移动出行打造Robo出租车（SAE L4），该出租车将在2025年前量产并投入商业运营，每天为用户提供1亿公里的出行服务。与许多公司试水和自动驾驶研发的做法不同，车和将无人驾驶Robo出租车提升为公司的战略目标。郎贤鹏向车云指出，到2025年，汽车和家庭将不再生产试运营的“半成品”，而是可以正式投入商业运营的量产车。尽管在过渡期间可能会有一名安保人员跟随汽车，但最终目标必须是一辆没有司机的无人驾驶出租车。机器人出租车被视为公司内部的商业化目标。今年3月，车与家牵手的滴滴将在这一商业计划中发挥重要作用。

届时，车和家提供的自动驾驶系统将由完整的车载系统平台、人工智能平台、数据模拟平台和车队管理平台组成。所有无人驾驶出租车的数据将通过网络传输回数据模拟平台，人工智能平台将用于算法的集成和优化。随着车队规模的扩大，将有一个车队管理平台进行统一管理。“这不仅仅是研发，它只是落地。”郎贤鹏在评价这个目标时说，“事实上，它仍然非常激进。”“软硬一体化”是最快的方式。与许多提前制定2025年计划的企业相比，主力军刚刚到位的汽车和家居的研发面临着在比其他企业更短的时间内制造出自我认证产品的巨大挑战。在回答这个问题时，郎贤鹏选择了“软硬结合”，在他看来，这是最快的方式。在这个行业中，自动驾驶原型从来都不缺。郎贤鹏告诉车云，快速制造原型车很容易。科技公司通常采用的做法是通过电线购买一辆改装过的汽车，先做软件算法，然后将其移植到正式的汽车上。然而，基于不同车辆定制的算法并不是通用的，当它被移植到另一种完全不同的车辆上时，研究人员很容易在硬件适应阶段拖延大量时间。郎贤鹏给我们举了一个简单的例子：一辆百公里加速3秒的汽车在设计自动驾驶决策规划算法时，可以选择在某个场景中超车，但当性能较差的汽车处于同一位置时，它只能跟车。汽车的性能不同，软件算法也会相应调整。在郎贤鹏看来，找一辆Demo车先做软件算法，然后移植，并不是一个特别好的研发理念。

Robo taxi的全系统架构汽车和该家族采用的“软硬一体”自动驾驶仪研发理念是，有必要从一开始就明确这款汽车是什么样的自动驾驶仪，整个汽车从设计开始就在为最终目标服务，底盘、执行器和电源的冗余设计，以及室内空间的设计。传感器的位置、类型、计算平台和算法的选择……

与车辆硬件并行开发，并且没有顺序关系。尽管时间紧迫，任务繁重，但汽车和家人还是选择从零开始，开发一款自动驾驶汽车。当然，为了抢占2025年的时间节点，汽车和家居在效率最大化方面也考虑了一些丰富的方案。据郎贤鹏介绍，该公司即将推出的首款SUV将配备自动驾驶L2.5系统，该系统在功能上与特斯拉的自动驾驶系统相似。易航智能科技有限公司有限公司由车合佳投资，主要负责研发。在Robo出租车的发展过程中，这款车将承担非常重要的驾驶行为数据收集。在这款车上市之前，郎贤鹏团队将完成数据平台的建设，以确保明年新车上市时数据能够准确传回，OTA功能将首先在这款车上使用。同时，该团队将在第一款SUV框架的基础上，对第一批自动驾驶汽车进行改革。这些Demo汽车的主要功能是通信数据服务、存储、分发和生产等技术，并完成算法一些常见部分的准备工作。在2019年上半年推出用于网络汽车的Robo打车后，上述常见的基础能力将移植到定制的Robo出租车上，并在官方汽车上进行后续的算法开发。接下来的工作也有了具体的时间表：在2019年左右Robo出租车原型完成后，车和家将在2020年完成车辆的整体设计，在1-2年内改进算法，并在2023-2025年开始量产。虽然时间很短，但郎贤鹏认为，“只要软硬件的节奏能跟上，还是很有希望的”。类人决策自动驾驶有一个庞大的产业链，每个角色都扮演着自己的角色。在时间和人力有限的情况下，汽车和家庭自己选择的核心能力是规划决策算法。L2和L3自动驾驶仪主要是感知和执行技术。对于L4级自动驾驶来说，这两项技术已经接近成熟。决策规划问题仍未解决。与L2和L3自动驾驶可以由人类干预相比，L4自动驾驶完全由系统控制，这也对决策和规划能力提出了更高的要求。这是一个简短的背景介绍。目前，规划决策算法需要大量的驾驶行为数据进行训练，有两个研究方向，一个是完全基于规则的，另一个是基于学习的。前者用数学公式设计车辆在特定场景下的决策，哪些情况下可以超车，哪些结果选择跟车。基于规则的优势在于确定性，但世界是复杂多变的，因此很难穷尽所有场景并构建公式来描述它们。基于深度学习的方法是指通过向系统“馈送”足够的数据，对系统的正确或错误做法建立奖惩机制，并增加判断。随着时间的推移，该算法可以在不同的情况下给出最优解。这种方法的缺点是，系统通过学习在某个参数下获得了良好的性能，但当出现安全问题时，无法解释原因，也无法解决问题。由于驾驶环境的复杂性，仅使用上述方法之一很难兼顾所有驾驶场景并确保安全。

在谈到车和佳的算法研发思路时，郎贤鹏建议车和佳在未来的决策规划和开发中，将采用类人思维进行决策研发，让自动驾驶像人一样思考，既能保证安全优先，容忍不确定性，又能不断进化，考虑长期和短期目标，并及时做出判断。其中，在确保安全优先的情况下，汽车和家庭的理念是为安全相关部分制定规则，例如汽车不能开到路边，不能左转进入逆行车道。。。工程师们用数学公式来表达这些与安全相关的部分，并制定一些强制性规则。通过基于深度学习的方法实现了与安全无关的驾驶舒适性内容。这种方法可以确保安全……

ted部件更加可控和直观，与舒适性相关的部件更加灵活。同时，在一些决策算法的设计上，郎贤鹏希望能有更多深思熟虑的考虑。工程师将考虑长期和短期目标来做出决策。一个例子是，在高速公路上跟车时，是向左变道还是向右变道取决于车辆是否应该从附近的匝道离开高速公路。当你掌握了更多的全球信息，你就会做出更明智的决定。郎贤鹏告诉我们，在总体规划中，对于核心决策规划部分，车和嘉的总体规划是降低深度学习算法的比例，并在研发过程中，尝试对一些现在无法描述的事情逐渐形成规则。这一切的出发点是因为自动驾驶汽车是一种基于安全的产品。数据，数据，数据在谈到生命数据时，郎贤鹏提到了自己对自动驾驶产品化的思考。无论是汽车和家庭使用首款SUV所做的数据准备，还是决策规划算法的训练需求，大量真实的人类驾驶数据都是自动驾驶产品落地的关键，也是每个企业都想牢牢掌握在手中的宝贵资源。郎贤鹏在强调数据的重要性时指出，“没有数据，所有计划都是纸上谈兵”。

汽车和家庭的完整数据流。他对数据重要性的理解来自于之前的研究和开发经验。郎贤鹏曾使用开源算法的改进代码框架，在训练数据较少的情况下，识别率仅为80%-85%。然而，在海量数据的训练下，97%的识别率为-99%，在某些研究领域的性能与创新算法相当甚至超过。科学研究和产品也有相似之处。在科学研究领域，如果你有十公里的数据，你可以写一篇学术论文。如果你有一百公里的数据，它已经是一个非常丰富的纸质材料了。很少看到基于数千公里数据的科学研究论文。郎贤鹏说：“科学研究所需的数据量与制造自动驾驶产品所需的数量完全不同。”。这也让他明白了数据在产品化过程中的重要性。科技公司很难找到不同的人在真实场景中做大量的驾驶测试，并为自己积累数据。尽管雇佣测试人员有机会积累大量数据，但也很难避免数据的同质化——不同的人会有不同的驾驶习惯和方法，更不用说地理覆盖的问题了。汽车公司拥有最多的数据资源，他们也可以考虑回收数据的多样性。而且，汽车和家庭将有一整套数据采集、收集和生产的流程，以确保数据能够在自动驾驶算法的训练中更好地发挥作用。第一辆SUV上市后，后台将开始获取车辆返回的驾驶数据和环境数据。据郎显鹏估计，到2021，预计将有数百亿公里的数据返回，足以支持自主驾驶算法的研发。总结在演讲的最后，郎贤鹏表示，车和嘉的自动驾驶团队的工作才刚刚开始，在接下来的7-8年里，我希望能非常认真地完成这件事。在某种程度上，汽车和家用自动驾驶项目的顺利进行很大程度上取决于首款SUV的市场表现。根据计划，车和家的首款SUV将是一款续航里程700公里以上的增程电动汽车，将于今年下半年发布，并于2019年正式上市。随着新车的推出和数据的回归，希望汽车和家用自动驾驶的研发将迎来更快的发展阶段。6月28日，在2018智能汽车跨界融合高峰论坛上，车和家汽车驾驶总监郎贤鹏首次介绍了公司的无人驾驶战略和共享出行战略。车与家共享出行的最终目标是打造一款为共享出行定制的无人驾驶Robo出租车，其自动驾驶水平可达到SAE L4。冷杉……

批量生产的汽车计划于2025年投入商业运营，每天为用户提供1亿公里的出行服务。企业战略目标自今年1月以来，车和家选择了一支自建团队，负责自动驾驶共享出行解决方案的设计、研发和产品化。曾在百度L3部门工作的郎贤鹏加入车和家，担任自动驾驶部门负责人。现在核心团队已经基本组建完成，算法、数据和服务的相关负责人已经到位。在多家车企公布的自动驾驶时间表中，车和家的目标似乎是一个相对具体的计划，即为移动出行打造Robo出租车（SAE L4），该出租车将在2025年前量产并投入商业运营，每天为用户提供1亿公里的出行服务。与许多公司试水和自动驾驶研发的做法不同，车和将无人驾驶Robo出租车提升为公司的战略目标。郎贤鹏向车云指出，到2025年，汽车和家庭将不再生产试运营的“半成品”，而是可以正式投入商业运营的量产车。尽管在过渡期间可能会有一名安保人员跟随汽车，但最终目标必须是一辆没有司机的无人驾驶出租车。机器人出租车被视为公司内部的商业化目标。今年3月，车与家牵手的滴滴将在这一商业计划中发挥重要作用。

届时，车和家提供的自动驾驶系统将由完整的车载系统平台、人工智能平台、数据模拟平台和车队管理平台组成。所有无人驾驶出租车的数据将通过网络传输回数据模拟平台，人工智能平台将用于算法的集成和优化。随着车队规模的扩大，将有一个车队管理平台进行统一管理。“这不仅仅是研发，它只是落地。”郎贤鹏在评价这个目标时说，“事实上，它仍然非常激进。”“软硬一体化”是最快的方式。与许多提前制定2025年计划的企业相比，主力军刚刚到位的汽车和家居的研发面临着在比其他企业更短的时间内制造出自我认证产品的巨大挑战。在回答这个问题时，郎贤鹏选择了“软硬结合”，在他看来，这是最快的方式。在这个行业中，自动驾驶原型从来都不缺。郎贤鹏告诉车云，快速制造原型车很容易。科技公司通常采用的做法是通过电线购买一辆改装过的汽车，先做软件算法，然后将其移植到正式的汽车上。然而，基于不同车辆定制的算法并不是通用的，当它被移植到另一种完全不同的车辆上时，研究人员很容易在硬件适应阶段拖延大量时间。郎贤鹏给我们举了一个简单的例子：一辆百公里加速3秒的汽车在设计自动驾驶决策规划算法时，可以选择在某个场景中超车，但当性能较差的汽车处于同一位置时，它只能跟车。汽车的性能不同，软件算法也会相应调整。在郎贤鹏看来，找一辆Demo车先做软件算法，然后移植，并不是一个特别好的研发理念。

Robo taxi的全系统架构汽车和该家族采用的“软硬一体”自动驾驶仪研发理念是，有必要从一开始就明确这款汽车是什么样的自动驾驶仪，整个汽车从设计开始就在为最终目标服务，底盘、执行器和电源的冗余设计，以及室内空间的设计。传感器的位置、类型、计算平台的选择和算法都是与车辆硬件并行开发的，不存在时序关系。尽管时间紧迫，任务繁重，但汽车和家人还是选择从零开始，开发一款自动驾驶汽车。当然，为了抢占2025年的时间节点，汽车和家居在效率最大化方面也考虑了一些丰富的方案。据郎贤鹏介绍，该网站……

ny即将推出的首款SUV将配备自动驾驶L2.5系统，该系统在功能上与特斯拉的自动驾驶系统相似。易航智能科技有限公司有限公司由车合佳投资，主要负责研发。在Robo出租车的发展过程中，这款车将承担非常重要的驾驶行为数据收集。在这款车上市之前，郎贤鹏团队将完成数据平台的建设，以确保明年新车上市时数据能够准确传回，OTA功能将首先在这款车上使用。同时，该团队将在第一款SUV框架的基础上，对第一批自动驾驶汽车进行改革。这些Demo汽车的主要功能是通信数据服务、存储、分发和生产等技术，并完成算法一些常见部分的准备工作。在2019年上半年推出用于网络汽车的Robo打车后，上述常见的基础能力将移植到定制的Robo出租车上，并在官方汽车上进行后续的算法开发。接下来的工作也有了具体的时间表：在2019年左右Robo出租车原型完成后，车和家将在2020年完成车辆的整体设计，在1-2年内改进算法，并在2023-2025年开始量产。虽然时间很短，但郎贤鹏认为，“只要软硬件的节奏能跟上，还是很有希望的”。类人决策自动驾驶有一个庞大的产业链，每个角色都扮演着自己的角色。在时间和人力有限的情况下，汽车和家庭自己选择的核心能力是规划决策算法。L2和L3自动驾驶仪主要是感知和执行技术。对于L4级自动驾驶来说，这两项技术已经接近成熟。决策规划问题仍未解决。与L2和L3自动驾驶可以由人类干预相比，L4自动驾驶完全由系统控制，这也对决策和规划能力提出了更高的要求。这是一个简短的背景介绍。目前，规划决策算法需要大量的驾驶行为数据进行训练，有两个研究方向，一个是完全基于规则的，另一个是基于学习的。前者用数学公式设计车辆在特定场景下的决策，哪些情况下可以超车，哪些结果选择跟车。基于规则的优势在于确定性，但世界是复杂多变的，因此很难穷尽所有场景并构建公式来描述它们。基于深度学习的方法是指通过向系统“馈送”足够的数据，对系统的正确或错误做法建立奖惩机制，并增加判断。随着时间的推移，该算法可以在不同的情况下给出最优解。这种方法的缺点是，系统通过学习在某个参数下获得了良好的性能，但当出现安全问题时，无法解释原因，也无法解决问题。由于驾驶环境的复杂性，仅使用上述方法之一很难兼顾所有驾驶场景并确保安全。

在谈到车和佳的算法研发思路时，郎贤鹏建议车和佳在未来的决策规划和开发中，将采用类人思维进行决策研发，让自动驾驶像人一样思考，既能保证安全优先，容忍不确定性，又能不断进化，考虑长期和短期目标，并及时做出判断。其中，在确保安全优先的情况下，汽车和家庭的理念是为安全相关部分制定规则，例如汽车不能开到路边，不能左转进入逆行车道。。。工程师们用数学公式来表达这些与安全相关的部分，并制定一些强制性规则。通过基于深度学习的方法实现了与安全无关的驾驶舒适性内容。这种方法可以确保安全相关部件更加可控和直观，舒适相关部件更加灵活。同时，在一些决策算法的设计上，郎贤鹏希望能有更多深思熟虑的考虑。工程师将考虑长期和短期目标来做出决策。举个例子，在高速公路上跟车时，是否向左变道……

向右r取决于车辆是否应该从附近的匝道离开高速公路。当你掌握了更多的全球信息，你就会做出更明智的决定。郎贤鹏告诉我们，在总体规划中，对于核心决策规划部分，车和嘉的总体规划是降低深度学习算法的比例，并在研发过程中，尝试对一些现在无法描述的事情逐渐形成规则。这一切的出发点是因为自动驾驶汽车是一种基于安全的产品。数据，数据，数据在谈到生命数据时，郎贤鹏提到了自己对自动驾驶产品化的思考。无论是汽车和家庭使用首款SUV所做的数据准备，还是决策规划算法的训练需求，大量真实的人类驾驶数据都是自动驾驶产品落地的关键，也是每个企业都想牢牢掌握在手中的宝贵资源。郎贤鹏在强调数据的重要性时指出，“没有数据，所有计划都是纸上谈兵”。

汽车和家庭的完整数据流。他对数据重要性的理解来自于之前的研究和开发经验。郎贤鹏曾使用开源算法的改进代码框架，在训练数据较少的情况下，识别率仅为80%-85%。然而，在海量数据的训练下，97%的识别率为-99%，在某些研究领域的性能与创新算法相当甚至超过。科学研究和产品也有相似之处。在科学研究领域，如果你有十公里的数据，你可以写一篇学术论文。如果你有一百公里的数据，它已经是一个非常丰富的纸质材料了。很少看到基于数千公里数据的科学研究论文。郎贤鹏说：“科学研究所需的数据量与制造自动驾驶产品所需的数量完全不同。”。这也让他明白了数据在产品化过程中的重要性。科技公司很难找到不同的人在真实场景中做大量的驾驶测试，并为自己积累数据。尽管雇佣测试人员有机会积累大量数据，但也很难避免数据的同质化——不同的人会有不同的驾驶习惯和方法，更不用说地理覆盖的问题了。汽车公司拥有最多的数据资源，他们也可以考虑回收数据的多样性。而且，汽车和家庭将有一整套数据采集、收集和生产的流程，以确保数据能够在自动驾驶算法的训练中更好地发挥作用。第一辆SUV上市后，后台将开始获取车辆返回的驾驶数据和环境数据。据郎显鹏估计，到2021，预计将有数百亿公里的数据返回，足以支持自主驾驶算法的研发。总结在演讲的最后，郎贤鹏表示，车和嘉的自动驾驶团队的工作才刚刚开始，在接下来的7-8年里，我希望能非常认真地完成这件事。在某种程度上，汽车和家用自动驾驶项目的顺利进行很大程度上取决于首款SUV的市场表现。根据计划，车和家的首款SUV将是一款续航里程700公里以上的增程电动汽车，将于今年下半年发布，并于2019年正式上市。随着新车的推出和数据的回归，希望汽车和家用自动驾驶的研发将迎来更快的发展阶段。

标签：理念特斯拉

汽车资讯热门资讯