驭势科技吴甘沙：迈进自动驾驶商业规模化元年，从1到1000的量产探索 | CCF-GAIR 2019

雷锋网(公众号：雷锋网)新智驾按： 2019 第四届全球人工智能与机器人峰会（CCF-GAIR 2019）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域极具实力的跨界交流合作平台。

自动驾驶寒冬的说法不断传出，在驭势科技联合创始人兼CEO吴甘沙的眼中，自动驾驶的夏天还未来，现在更像是处于倒春寒阶段。

“我还是坚信，2019年到2020年是真正从1到1000开始实现无人驾驶商业规模化的一年”，吴甘沙提到，目前自动驾驶正处于从1到1000的过程。如果将自动驾驶比作从0到1000的过程，其中在0到1阶段自动驾驶面临的处境是“杂”，因有很多的场景训练，但并不知道哪个场景最好；而从1到1000要做“专”，即将所有的能量都聚焦在一个点或者几个点。

据雷锋网新智驾了解，成立三年，驭势已经打造了一款面向多场景、高级别的U-Drive™智能驾驶系统，以车规级智能驾驶域控制器+AI算法+云端智能服务为技术基础，实现了高速、城市、限定区域的无人公交、端到端的物流等多方落地。迈进2019年，驭势正在加紧解决自动驾驶规模化量产问题，包括面向乘用车的AVP（自动代客泊车）及高速自主L3，及面向商用车的无人物流拖车。

吴甘沙提到，未来两、三年之内，城市中车辆常去的十大场景可以实现自动代客泊车。未来三年中，驭势无人驾驶将产生第一个销售过5亿的场景，理想的话可能会过10亿。

自动驾驶迈向从1到1000的量产探索阶段

吴甘沙提到一个词——邓宁-克鲁格效应。简单理解即刚入行的人觉得什么都懂，但一到深水区就到处都是问题。反映到自动驾驶行业中：2016年到2018年，自动驾驶可能处于刚入行阶段，无限的自信；但是最近这两年，大家又偏悲观了。在吴看来，这两年自动驾驶玩家不要那么悲观，因为自动驾驶正迈进从1到1000的过程。

但从1到1000，其实比从0到1更难。

吴甘沙进一步解释，从0到1要做的就是“杂”：自动驾驶可涉略很多的场景训练，但并不知道哪个场景最好。而从1到1000就是要“专”，即将所有的能量都聚焦在一个点或者几个点上。

杂究竟有多杂？驭势在0到1的阶段中涉猎到很多场景，覆盖高速、城市、限定区域的无人公交、端到端的物流等等。除少数场景没有涉猎，比如矿山。基本上目前能看到的无人驾驶应用场景，驭势都有布局。

从1到1000，驭势的3大原则、5大要求、5大工作

迈进自动驾驶1到1000新阶段。吴甘沙提出三大原则、五大要求、五大工作。驭势计划通过三大原则选择合适的场景。而要在这些场景中实现自动驾驶商业化，需要制定指标，即“五大要求”。为达到这些要求，则要进行五大工作。吴甘沙进一步进行了解释：

三个原则，即在选择落地的场景中要符合高频刚需，解决客户的痛点；实现无人，车上取消安全员；成本可算三个原则。基于此，驭势瞄准了无人小巴、无人物流拖车、AVP/HZP+L3，这些都是驭势即将落地的场景。

吴甘沙提到，在这三个场景中，未来三年中，驭势会产生第一个销售过5亿的场景，理想的话可能会过10亿。

五大要求：即实现成规模、多客户、全交付、全无人、不停服。

成规模，到今年年底，驭势自动驾驶装机将超过300台。

多客户，即自动驾驶公司一定要服务多个客户。新智驾了解到，今年海南博鳌亚洲论坛运行了三款无人小巴：第一款是百度的无人小巴；第二款是驭势与宇通合作的无人小巴；第三款是驭势与一汽合作的无人小巴。两款小巴在形态上、传感器布局、及内在的底盘性能和控制协议等层面都不同。吴甘沙提到，驭势从自有公版的源代码库当中抽取代码，为某个主机厂去定制优化版本，两个工程师50天即可完成。足以可见，驭势自动驾驶源代码的可通用性。

全交付，与众多在公园中运行的小巴不同，目前搭载驭势自动驾驶系统的无人小巴，是真正地在城市车流中运营的车辆。且无需驭势工程师，完全由其合作伙伴的自有工程师进行调配。

驭势在2018年与合作伙伴上汽通用五菱联合向用户交付了业内首款搭载自动代客泊车的宝骏E200，且面向50个种子用户完成交付。其特点是不依赖激光雷达，仅使用摄像头与超声波，这套系统的成本非常低，最重要的是真正将成品提供给终端用户。从去年11月至今，超过了7个月时间内，自动代客泊车产品零事故。

全无人，即车上没有安全员，真正做到无人。目前驭势应用于机场自动驾驶车辆已经运营操作一年，完全实现了无人运营。

最后一个即服务不能停，自动驾驶车辆要考虑到恶劣天气，比如台风天、大雨、大雪，车辆也不能停止运行。

为了满足上述五大要求，驭势在背后也为自动驾驶制定了五个重要工作：

多维度的安全：一在车辆无网络连接的情况下，保证安全地自主决策；二在路侧端，驭势通过RSU提供上帝视角来保证安全；三在邻近端，当发现车辆处在不正常的情况下，人工能够实施远程的干预。在顶层设计中，驭势围绕车端、云端、路侧端、邻近干预进行安全部署。

在路侧单元中，驭势配置摄像头和自有的计算设备。当车辆在拐角时出现盲区，路侧单元凭借上帝视角告诉车辆出现在盲区的障碍物。为实现远程的监视和控制，驭势打造了一套鹰眼系统，在监控室的安全员可以监控8辆车。同时，当安全员看到车辆处于不正常状态下，即可通过远程APP对车辆进行干预。

NOME设计：NOME是涉及到车辆本身的安全架构设计，包含以下几个层次。在车辆电器架构上、感知定位决策系统下，要实现失效安全和失效可操作，特别是针对一些特殊的对象、特殊的运营状况，需要有OEDR以及远程的监控。吴甘沙提到，这些流程在传统的汽车厂中都有涉及，所以科技公司也必须按照同样地方式进行，包括在整车的电子电气架构上实现全部的冗余；在控制器上实现规模化量产。

雷锋网新智驾了解到，基于此，驭势自主研发了智能驾驶控制器，可藏在座椅下面（部分车型），且完全按照汽车领域的车规级进行研发，并且有第三方机构给驭势发出验证的报告，在质量体系报告上通过了16949质量管理体系，以及关于智能驾驶控制器的认证。

OEDR层面：驭势设计了不同的物体，例如透明物件、小于20厘米的小障碍物，来保证车辆具备实时监测的能力。当传感器被障碍物影响的时候，车辆依旧能刹车；当传感器检测到行人走近时，车辆将及时减速；一旦检测到轻微的磕碰即会刹车。

ODD使能：当遇到大雨等恶劣天气，车辆传感器，包括激光雷达或者雷达，以及算法要能够过滤掉雨珠，允许车辆在环境中工作。

测试体系：驭势覆盖真实测试场和虚拟仿真测试两大层面。在驭势虚拟仿真环境中，其将真实的测试场和其他应用场景像素级模拟在一个虚拟的环境中，能够创造不同的天气和道路条件。在真实的测试场，驭势同样有大量的路测车辆在无人状态下进行24小时测试。

工具链：从传感器、建图、仿真、车辆诊断，驭势已建立完整的工具链体系。

基于三大原则、五大要求、五大工作，吴甘沙坚信2019年到2020年是真正从1到1000开始实现无人驾驶商业规模化的一年。

。