吴甘沙：无人驾驶的商业化破局与驭势科技的从1到10

如果无人驾驶要商业化，第一个突破领域是什么？

驭势科技给出的答案是一款封闭受限场景下的低速无人驾驶汽车。

目前，驭势科技已在广州白云机场和杭州抽奖城启动无人驾驶（地下车库汽车摆渡）商业试运营。未来将与华夏幸福合作，在新城片区半开放环境下推进运营项目。据驭势科技首席执行官吴甘莎介绍，驭势将在今年年底前实现量产，预计到2020年将运营10万辆汽车。

3月31日至4月1日期间，您可以在白云机场较远的位置下飞机，前往P4航站楼，或者从杭州来福士地下停车场的电梯里出来，开着停在很远的自己的车，就可以乘坐宇时科技的自动驾驶汽车。

那么，在封闭的场景中，余石为什么选择从低速无人车出发呢？驭势如何看待一般场景下的无人驾驶（高速，80公里/小时以上），恰逢柯洁与AlphaGo乌镇之战。无人驾驶如何利用深度学习和人工智能？余石在商业化过程中遇到了哪些挑战，采取了哪些措施来解决这些挑战？近日，笔者采访了驭势科技首席执行官吴甘莎。

一般场景中的无人驾驶仍然有点未完成。

当加州已经开放无人驾驶汽车的路试申请，包括特斯拉和百度在内的20家公司已经将自己的汽车投入道路时，中国没有这样的适用法律。去年，长安和博世合作制造的一辆无人驾驶汽车计划从重庆一路向北行驶1000公里参加北京车展，但由于没有相应的法律法规，中途被叫停。

到目前为止，无人驾驶测试还没有正式的规定。百度不得不测试与奇瑞合作后转型的无人版EQ，只能在晚上低调地在中关村跑步。

在吴甘莎看来，中国至少需要一年时间才能出台适用于无人车的公共道路测试规范。制定自动驾驶（辅助）的基本法律需要1-2年时间，而无人驾驶道路的基本法律可能更长，需要3-5年时间。

除了法律法规外，基础设施建设、技术成熟度、无人车成本（包括最重要的激光雷达成本、车辆价格等）甚至社会接受度都是影响无人车发展的因素。

然而，在这些众多数据中，吴甘莎领导的驭势科技拆解了一个新的场景：将激光雷达、V2X和高精度定位的成本降低到合理水平可能需要三年多的时间，但将低速无人驾驶电动汽车的价格降低到10万至20万左右可能需要三年间的时间。

“问问我周围开特斯拉的朋友，他们并不是特别害怕使用那种自动辅助驾驶系统（目前是L2级别）。”吴甘莎说，社会至少需要三年的时间才能在高速公路（开放道路）上接受2-3次自动驾驶，相应地，一到两年内就可以接受有限场景下的低速无人驾驶。

驭势科技无人着陆尝试

驭势科技此前曾对低速无人车的应用场景进行过一些研究，发现即使是低速场景也不易操作。

不用说，为政府下订单不是市场需求，而且使用频率普遍较低。同时，维护成本可能会更高，后期没有太大的商业价值。起初，驭势科技将目光投向了景区无人车，但经过几次讨论，驭势最终得出结论，看起来漂亮的景区并不是低速无人车的第一波需求。

对于景区来说，在旺季将需要大量的车辆（无人车）来运送游客。在这种情况下，如何保证乘客安全，在短时间内快速疏导游客，成为景区的首要诉求，这就需要大规模部署无人车。驭势的这辆车以前只在房山展出和训练过。显然，直接进入景区载客的时机还不成熟。

三月初，鱼市……

echnology开始与广州白云机场商谈机场轮渡事宜。这也是这款车首次经历长途运输、测试和在其他地方部署。只用了不到一个月的时间。3月底，驭势无人车在白云机场进行了为期三天的无人试运行。“这也是鱼市第一次真正的现场作业。”吴甘莎说。

毕竟，这辆车之前是为景区设计的，在到达白云机场之前没有进行任何实地改装。三月底，正好赶上南方的雨季。鱼市的这辆无人车没有车门，车里的人会被雨水淋湿。雨狮还设计了防雨、防潮、合理化管理、安全、保险等。

宇时科技首席架构师彭占锦表示，此次试运行是一场肌肉秀。目前，双方已经拓展了一个新的场景，即码头通道之间的渡轮。这个场景比前者好，因为这条通道只在汽车渡轮上行驶，没有行人，场景也更简单。彭进算了一笔账，轮渡应用频率相对较高，日吞吐量近万人次，年吞吐量超过300万人次。届时，它将真正运行，投入10辆汽车，并建立一支三班制的司机团队，这将产生可观的效益。

对余石来说，这是一个高端、高频、高收益的场景，也是一个低风险的场景。通过机场的B端，我们获得了机场人群的高端客户群。

凯德集团是一位了解情况并主动上门的客户。需求是为杭州莱佛士购物中心建造一艘地下车库渡轮。

目前，主流的定位方法是GPS定位，但当建筑物被封锁时，GPS信号会迅速衰减。在地下停车场，GPS太弱了，所以必须找到一种新的定位方法。这里将使用Slam（模拟定位和映射），这意味着定位和映射可以同时完成。

据吴甘莎介绍，目前控制这种情况的方法有两种：视觉SLAM和激光雷达SLAM。在具体的实施路径上，余石将首先获得地下停车场的CAD地图，并将视觉和激光雷达点云与CAD进行匹配。在此基础上，对传感器进行多传感器融合定位。此外，余石还在地下车库设置了许多二维码，作为无人驾驶汽车的参考标记，类似于路线系统中的航路点，即路线参考点。

除此之外，地下车库还有一些独特的问题需要解决。例如，地下停车场的照明更为复杂，摄像头方案中常见的失明等问题都是由于光线的突然变化。在这方面，控制局势的解决方案是使用激光雷达辅助摄像机，并通过传感器融合实现多传感器冗余。

此外，这一场景还涉及到人员和车辆的混合交通。彭进步表示，余石为此进行了多次连续的避障训练。同时，由于增加了行人轨迹预测和行为预测，车辆在实际行驶中会更顺畅，不会感到沮丧。余石还模拟避开地下室的短障碍物，以应对出现在地下室的儿童和动物等道路参与者。

空间狭小也是地下车库必须解决的问题，主要体现在地下车库转弯半径小。人类司机进出停车场时要处理的螺旋形道路是对无人驾驶汽车的典型挑战。此外，驭势科技还优化了整体规划和控制问题，例如减速带的情况。总体而言，驭势科技与来福士合作，在一天内将无人汽车摆渡项目部署到了线上。

驭势科技在深度学习中的理念

吴甘莎坦言，从Demo到实际场景操作的复杂性和移动性都达到了更高的水平。这就像从叶问对咏春木桩的练习到对少林十八铜人的战斗，从静态到动态。在这种情况下，如何判断情况，评估他人（人或动态对象）的动机，预测他们的行为，并合理地获得通行权是非常重要的。

例如，在驾驶时，一辆旧d……

ver将根据前方的速度决定是超车还是并线。目前，驭势科技采用强化学习的方法来模仿老司机。在每小时100公里的速度下，它可以在前一辆车行驶过慢时开灯并线，超车后并线回到原来的车道。

然而，使用大数据驱动深度学习也是致命的：也就是说，机器很可能存在训练浓度中和偏差——一个人拿着哑铃的照片被用作数据输入，作为持续训练的结果，机器会将这个拿着哑铃手臂视为哑铃的组成部分。

此外，深度学习最著名的命门，也是学术界和研发人员尚未解决的问题，是人们不了解系统是如何工作的，其原理是一个黑匣子，无法解释。为什么这个选择是好的，为什么它是坏的，甚至在某种程度上是随机的。

例如，Christian Szegedy等人在ICLR ICLR2014发表的论文中提出了对抗性例子的概念，即通过故意在数据集中添加轻微干扰而形成的输入样本，受干扰的输入会导致模型的高置信度错误输出。在他们的论文中，他们发现包括卷积神经网络在内的深度学习模型极易受到对抗样本的影响。

我们的人眼很容易识别的图像和物体相对于样本是假的，但机器无法通过深度学习完全识别它们。

吴甘莎认为，开放动态环境下的无人驾驶需要更强的人工智能。要建立这样的人工智能，需要将深度学习和强化学习相结合。强化学习追求可解释的逻辑推理（理性思维），强调常识、经验和积累的背景知识，并辅以迁移学习和贝叶斯因果推理。

目前，谷歌Waymo是开放道路上最好的司机，每行驶5000英里（超过8000公里）就需要人工干预，特斯拉每行驶3英里就需要人工介入，自动驾驶新手优步每行驶一英里就需要人为干预。但即使是最好的Waymo也不到人类司机的十分之一，人类司机每行驶9000万英里就会发生一次小事故。

一个快速的解决方案是使用模拟，即基于大数据的快速建模，模拟天气、照明、雨天等，并使用模拟、模拟+强化学习和生成对抗网络（用于中和上述对抗样本，对其进行去噪，并贴上真假标签）进行无人驾驶的深度学习。

最近几天，柯洁在乌镇输给了AlphaGo，人工智能将不可避免地成为无人驾驶领域的重要探索方向。驭势目前正在与国内外研究机构合作开发驾驶人工智能，国际知名一级供应商博世也建立了自己的人工智能孵化器。

无人驾驶AlphaGo与人类驾驶员不相上下的那一天可能很快就会到来。如果无人驾驶要商业化，第一个突破领域是什么？

驭势科技给出的答案是一款封闭受限场景下的低速无人驾驶汽车。

目前，驭势科技已在广州白云机场和杭州抽奖城启动无人驾驶（地下车库汽车摆渡）商业试运营。未来将与华夏幸福合作，在新城片区半开放环境下推进运营项目。据驭势科技首席执行官吴甘莎介绍，驭势将在今年年底前实现量产，预计到2020年将运营10万辆汽车。

3月31日至4月1日期间，您可以在白云机场较远的位置下飞机，前往P4航站楼，或者从杭州来福士地下停车场的电梯里出来，开着停在很远的自己的车，就可以乘坐宇时科技的自动驾驶汽车。

那么，在封闭的场景中，余石为什么选择从低速无人车出发呢？驭势如何看待一般场景下的无人驾驶（高速，80公里/小时以上），恰逢柯洁与AlphaGo乌镇之战。无人驾驶如何利用深度学习和人工智能？余石在商业化过程中遇到了哪些挑战，采取了哪些措施来解决这些挑战？近日，笔者采访了驭势科技首席执行官吴甘莎。

一般场景中的无人驾驶仍然有点未完成。

W……

加利福尼亚州已经开放了无人驾驶汽车的道路测试申请，包括特斯拉和百度在内的20家公司已经将自己的汽车投入道路，但中国没有这样的适用法律。去年，长安和博世合作制造的一辆无人驾驶汽车计划从重庆一路向北行驶1000公里参加北京车展，但由于没有相应的法律法规，中途被叫停。

到目前为止，无人驾驶测试还没有正式的规定。百度不得不测试与奇瑞合作后转型的无人版EQ，只能在晚上低调地在中关村跑步。

在吴甘莎看来，中国至少需要一年时间才能出台适用于无人车的公共道路测试规范。制定自动驾驶（辅助）的基本法律需要1-2年时间，而无人驾驶道路的基本法律可能更长，需要3-5年时间。

除了法律法规外，基础设施建设、技术成熟度、无人车成本（包括最重要的激光雷达成本、车辆价格等）甚至社会接受度都是影响无人车发展的因素。

然而，在这些众多数据中，吴甘莎领导的驭势科技拆解了一个新的场景：将激光雷达、V2X和高精度定位的成本降低到合理水平可能需要三年多的时间，但将低速无人驾驶电动汽车的价格降低到10万至20万左右可能需要三年间的时间。

“问问我周围开特斯拉的朋友，他们并不是特别害怕使用那种自动辅助驾驶系统（目前是L2级别）。”吴甘莎说，社会至少需要三年的时间才能在高速公路（开放道路）上接受2-3次自动驾驶，相应地，一到两年内就可以接受有限场景下的低速无人驾驶。

驭势科技无人着陆尝试

驭势科技此前曾对低速无人车的应用场景进行过一些研究，发现即使是低速场景也不易操作。

不用说，为政府下订单不是市场需求，而且使用频率普遍较低。同时，维护成本可能会更高，后期没有太大的商业价值。起初，驭势科技将目光投向了景区无人车，但经过几次讨论，驭势最终得出结论，看起来漂亮的景区并不是低速无人车的第一波需求。

对于景区来说，在旺季将需要大量的车辆（无人车）来运送游客。在这种情况下，如何保证乘客安全，在短时间内快速疏导游客，成为景区的首要诉求，这就需要大规模部署无人车。驭势的这辆车以前只在房山展出和训练过。显然，直接进入景区载客的时机还不成熟。

三月初，驭势科技开始与广州白云机场商谈机场轮渡事宜。这也是这款车首次经历长途运输、测试和在其他地方部署。只用了不到一个月的时间。3月底，驭势无人车在白云机场进行了为期三天的无人试运行。“这也是鱼市第一次真正的现场作业。”吴甘莎说。

毕竟，这辆车之前是为景区设计的，在到达白云机场之前没有进行任何实地改装。三月底，正好赶上南方的雨季。鱼市的这辆无人车没有车门，车里的人会被雨水淋湿。雨狮还设计了防雨、防潮、合理化管理、安全、保险等。

宇时科技首席架构师彭占锦表示，此次试运行是一场肌肉秀。目前，双方已经拓展了一个新的场景，即码头通道之间的渡轮。这个场景比前者好，因为这条通道只在汽车渡轮上行驶，没有行人，场景也更简单。彭进算了一笔账，轮渡应用频率相对较高，日吞吐量近万人次，年吞吐量超过300万人次。届时，它将真正运行，投入10辆汽车，并建立一支三班制的司机团队，这将产生可观的效益。

对于余石来说，这是一个高端、高……

合理和高收益，但也是低风险的场景。通过机场的B端，我们获得了机场人群的高端客户群。

凯德集团是一位了解情况并主动上门的客户。需求是为杭州莱佛士购物中心建造一艘地下车库渡轮。

目前，主流的定位方法是GPS定位，但当建筑物被封锁时，GPS信号会迅速衰减。在地下停车场，GPS太弱了，所以必须找到一种新的定位方法。这里将使用Slam（模拟定位和映射），这意味着定位和映射可以同时完成。

据吴甘莎介绍，目前控制这种情况的方法有两种：视觉SLAM和激光雷达SLAM。在具体的实施路径上，余石将首先获得地下停车场的CAD地图，并将视觉和激光雷达点云与CAD进行匹配。在此基础上，对传感器进行多传感器融合定位。此外，余石还在地下车库设置了许多二维码，作为无人驾驶汽车的参考标记，类似于路线系统中的航路点，即路线参考点。

除此之外，地下车库还有一些独特的问题需要解决。例如，地下停车场的照明更为复杂，摄像头方案中常见的失明等问题都是由于光线的突然变化。在这方面，控制局势的解决方案是使用激光雷达辅助摄像机，并通过传感器融合实现多传感器冗余。

此外，这一场景还涉及到人员和车辆的混合交通。彭进步表示，余石为此进行了多次连续的避障训练。同时，由于增加了行人轨迹预测和行为预测，车辆在实际行驶中会更顺畅，不会感到沮丧。余石还模拟避开地下室的短障碍物，以应对出现在地下室的儿童和动物等道路参与者。

空间狭小也是地下车库必须解决的问题，主要体现在地下车库转弯半径小。人类司机进出停车场时要处理的螺旋形道路是对无人驾驶汽车的典型挑战。此外，驭势科技还优化了整体规划和控制问题，例如减速带的情况。总体而言，驭势科技与来福士合作，在一天内将无人汽车摆渡项目部署到了线上。

驭势科技在深度学习中的理念

吴甘莎坦言，从Demo到实际场景操作的复杂性和移动性都达到了更高的水平。这就像从叶问对咏春木桩的练习到对少林十八铜人的战斗，从静态到动态。在这种情况下，如何判断情况，评估他人（人或动态对象）的动机，预测他们的行为，并合理地获得通行权是非常重要的。

例如，在驾驶时，老司机会根据前方的速度决定是超车还是并线。目前，驭势科技采用强化学习的方法来模仿老司机。在每小时100公里的速度下，它可以在前一辆车行驶过慢时开灯并线，超车后并线回到原来的车道。

然而，使用大数据驱动深度学习也是致命的：也就是说，机器很可能存在训练浓度中和偏差——一个人拿着哑铃的照片被用作数据输入，作为持续训练的结果，机器会将这个拿着哑铃手臂视为哑铃的组成部分。

此外，深度学习最著名的命门，也是学术界和研发人员尚未解决的问题，是人们不了解系统是如何工作的，其原理是一个黑匣子，无法解释。为什么这个选择是好的，为什么它是坏的，甚至在某种程度上是随机的。

例如，Christian Szegedy等人在ICLR ICLR2014发表的论文中提出了对抗性例子的概念，即通过故意在数据集中添加轻微干扰而形成的输入样本，受干扰的输入会导致模型的高置信度错误输出。在他们的论文中，他们发现包括卷积神经网络在内的深度学习模型极易受到对抗样本的影响。

我们人眼很容易识别的图像和物体是伪造的，但机器无法识别……

完全通过深度学习。

吴甘莎认为，开放动态环境下的无人驾驶需要更强的人工智能。要建立这样的人工智能，需要将深度学习和强化学习相结合。强化学习追求可解释的逻辑推理（理性思维），强调常识、经验和积累的背景知识，并辅以迁移学习和贝叶斯因果推理。

目前，谷歌Waymo是开放道路上最好的司机，每行驶5000英里（超过8000公里）就需要人工干预，特斯拉每行驶3英里就需要人工介入，自动驾驶新手优步每行驶一英里就需要人为干预。但即使是最好的Waymo也不到人类司机的十分之一，人类司机每行驶9000万英里就会发生一次小事故。

一个快速的解决方案是使用模拟，即基于大数据的快速建模，模拟天气、照明、雨天等，并使用模拟、模拟+强化学习和生成对抗网络（用于中和上述对抗样本，对其进行去噪，并贴上真假标签）进行无人驾驶的深度学习。

最近几天，柯洁在乌镇输给了AlphaGo，人工智能将不可避免地成为无人驾驶领域的重要探索方向。驭势目前正在与国内外研究机构合作开发驾驶人工智能，国际知名一级供应商博世也建立了自己的人工智能孵化器。

无人驾驶AlphaGo与人类驾驶员不相上下的那一天可能很快就会到来。

标签：特斯拉发现北京长安奇瑞

汽车资讯热门资讯