讓谷歌“無人車之父”Sebastian Thrun都點(diǎn)贊的自動駕駛技術(shù)，是什么樣的？

就像老司機(jī)的操作一樣——又快又穩(wěn)。

例如，面對走到機(jī)動車道上的行人，靈活操作避讓，而不是小心翼翼地跟在后面：

懂得審時度勢，在繁忙的商業(yè)區(qū)，看哪條道車流量比較少，就果斷變道：

遇上從側(cè)面突然沖出來的摩托，也能輕松避讓，不慌不忙：

沒錯，這是滴滴正在測試的最新自動駕駛系統(tǒng)。坐在駕駛座上的安全員，全程雙手離開方向盤。

上面還只是普通操作。

對于自動駕駛系統(tǒng)來說，更大的挑戰(zhàn)在于逆光、夜間、大型車輛密集等場景。

這些情況下，傳感器設(shè)備和自動駕駛系統(tǒng)往往會遭遇更為復(fù)雜的干擾。

那么滴滴的最新自動駕駛系統(tǒng)又表現(xiàn)如何？

占據(jù)鏡頭30%以上的大片光線，并不影響它判斷紅綠燈，依舊以正常速度繼續(xù)行駛：

夜間進(jìn)行無保護(hù)左轉(zhuǎn)時，面對對向直行車輛，也會迅速判明情況，而不是一味等待：

路遇大車絲毫不懼，避讓后方來車后，立刻選擇變道超車：

甚至在連續(xù)5小時完全無人接管的情況下，從白天開到夜晚，也沒有發(fā)生什么事故。

一年前，滴滴自動駕駛在上海開放公眾測試時，還是個謹(jǐn)慎的新手司機(jī)。

如今，它已經(jīng)變得更加游刃有余。

滴滴“老司機(jī)”，如何快速練成？

那么問題來了，滴滴的自動駕駛“新手司機(jī)”，在短短一年時間內(nèi)，究竟是經(jīng)歷了怎樣的修煉，才有了如今這樣更加接近人類司機(jī)的表現(xiàn)呢？

感知優(yōu)化

首先，還是要從感知技術(shù)的優(yōu)化說起。

不妨先以路遇大型車輛這個場景來舉例。

人類司機(jī)普遍有一個共識，開車上路，盡量避著大車走。其中一個重要原因是，大車自身的盲區(qū)多，也容易遮擋旁車的視線。

對于傳感器而言，這樣的挑戰(zhàn)同樣存在。

根據(jù)滴滴自動駕駛公司COO孟醒介紹，當(dāng)RoboTaxi接近大車時，大車很可能會占滿傳感器的視野，導(dǎo)致傳感器判斷失真。

這種時候，來自攝像頭或者激光雷達(dá)的單一信號就不夠可靠了。滴滴的方案，就是將不同的傳感器信號進(jìn)行組合：

在識別出大型車輛之后，不是單純依靠機(jī)器學(xué)習(xí)的方式去進(jìn)行跟蹤，還要加入點(diǎn)云分割等技術(shù)，進(jìn)一步判斷大車的邊界距離，增強(qiáng)自動駕駛系統(tǒng)對于大車邊界的理解。

另外一個對傳感器考驗(yàn)不小的場景，是日落時分，司機(jī)們在路上經(jīng)常遇見的逆光場景。

在某些情況下，夕陽的光暈甚至?xí)紦?jù)整個攝像頭視野的30%以上。

意味著對比度低的情況下，有些人和物會在攝像頭里“隱身”。

此前，特斯拉頻頻在白色大卡車上栽跟頭，就可能與此有關(guān)。

為此，滴滴的工程師們在多傳感器融合方案的基礎(chǔ)上，還做了很多動態(tài)數(shù)據(jù)增強(qiáng)的工作，以確保在不同亮度條件下，都能準(zhǔn)確識別和避讓行人、汽車，以及其他路面上的物體。比如在對比度、白平衡比較差的情況下，去放大、加亮一些比較重要的場景。

前文也說到，滴滴這一次連續(xù)5個小時的show，從白天一直開到了黑夜。

事實(shí)上，即使對于人類司機(jī)而言，夜間開車的體驗(yàn)也與白天大相徑庭。

為了更自如地在夜幕中行駛，滴滴的自動駕駛系統(tǒng)也被專門訓(xùn)練出了夜間模式。

一方面，是有針對性地收集夜間數(shù)據(jù)，訓(xùn)練專門的夜間模型——尤其對于攝像頭來說，夜晚采集到的數(shù)據(jù)與白天截然不同，能看到的人和物、能看清的距離、識別的角度都可能發(fā)生變化。

另一方面，同樣是多傳感器融合方案——融合3-4種平行的識別方式。并且，根據(jù)夜間交通參與者置信度的不同，工程師們也對不同識別方式的權(quán)重做了有針對性的調(diào)整。

值得一提的是，這樣的夜間模式，會根據(jù)時間和外界亮度的情況，自動開啟。

另外，針對視頻中沒有展示出來的天氣變化的影響，孟醒也做了補(bǔ)充說明。

具體而言，滴滴自動駕駛把天氣分為4檔：

第一檔，光照條件良好的普通天氣；

第二檔，稍微復(fù)雜的天氣情況，如小到中雨；

第三檔，大到暴雨、大風(fēng)等場景；

第四檔，沙塵暴、臺風(fēng)等極端天氣。

孟醒表示，絕大多數(shù)的天氣場景，如今滴滴自動駕駛系統(tǒng)都能覆蓋得不錯，這其中也引入了不少新的算法。

以大雨場景為例，滴滴引入了一種新的激光雷達(dá)信號處理方式：

利用激光雷達(dá)多次發(fā)射、多次回收信號，這樣回收的回波中就包含了不同的形態(tài)和相位信息。對這樣更豐富的信號進(jìn)行處理，系統(tǒng)就能夠判斷出哪一些物體是可以穿透的，而哪一些又是不能穿透的。

至于沙塵暴、臺風(fēng)天這樣不適宜出行的極端天氣，孟醒坦言，這對于當(dāng)下的自動駕駛技術(shù)研發(fā)來說不是最重要的場景。

原因很簡單，想要常態(tài)化運(yùn)營，可靠性是非常重要的。

基于這樣的前提，滴滴當(dāng)前需要重點(diǎn)捕捉的，是那些發(fā)生概率較高、影響較大的出行場景。

行為決策

說完了感知方面的提升，在行為決策方面，滴滴自動駕駛系統(tǒng)又是怎么向人類老司機(jī)靠攏的呢？

首先，在被投喂了大量人類司機(jī)駕駛車輛數(shù)據(jù)之后，滴滴自動駕駛系統(tǒng)對于交通參與者行為的預(yù)測準(zhǔn)確性，有了明顯的提升。

這也是為什么面對與其他車輛、行人的博弈，如今的滴滴“老司機(jī)”顯得更為自信。

孟醒談到，對于RoboTaxi而言，可靠性是最重要的，也就是說，車一定不能出事故。而“事故”不僅僅是指安全事故，也包括體驗(yàn)上的事故，如車輛頻繁急剎，讓乘客覺得不舒服。

更進(jìn)一步，還有效率層面的“事故”——自動駕駛車輛不能因?yàn)橐粋€復(fù)雜的場景，一直卡死不動。

而說到可靠性，滴滴自動駕駛系統(tǒng)還有一項(xiàng)“絕招”，就是“安全模式”。

可以看到，在下面這樣一個幼兒園附近的場景下，道路兩旁臨時停放了許多等待接小朋友放學(xué)的車輛，同時還會有大量行人、電動車出現(xiàn)。

這些動態(tài)因素的變化、疊加，就對自動駕駛的預(yù)測、決策和規(guī)劃提出了更高的要求。

對此，滴滴自動駕駛系統(tǒng)配備了風(fēng)險(xiǎn)評估模式。

當(dāng)風(fēng)險(xiǎn)指數(shù)（Risk Potential）上升時，安全模式就會被啟動，RoboTaxi就會以更謹(jǐn)慎的方式去駕駛車輛，提升安全系數(shù)。

滴滴“老司機(jī)”，如何快速迭代？

去年6月才剛剛面向公眾推出載人測試服務(wù)，短時間內(nèi)又有了明顯的進(jìn)步，滴滴的自動駕駛技術(shù)，進(jìn)展不可謂不快。

但其實(shí)也并不出人意料。

畢竟滴滴自動駕駛是“富二代”。

自動駕駛技術(shù)上，滴滴具有獨(dú)特的優(yōu)勢——有目標(biāo)，有路徑，有資源，還加上一點(diǎn)國內(nèi)環(huán)境的條件。

首先，有目標(biāo)。

相比于其他自動駕駛車企，滴滴從一開始就看到了自己的“終點(diǎn)”——RoboTaxi。

沒錯，并非像Waymo等公司一樣純技術(shù)驅(qū)動，而是從落地場景出發(fā)，思考所需技術(shù)。

至于技術(shù)出來后如何運(yùn)營？不用考慮。

滴滴的網(wǎng)約車平臺，已經(jīng)提供了自動駕駛商業(yè)化落地的方式，例如，自動駕駛與有人駕駛同時派單，根據(jù)路況、天氣和路徑?jīng)Q定派單模式，同時為用戶提供服務(wù)等。

其次，相比于如Uber一類的網(wǎng)約車平臺，滴滴在自動駕駛上的技術(shù)路徑又更加明確。

例如，如何使用從網(wǎng)約車平臺采集的真實(shí)場景數(shù)據(jù)。

背靠滴滴平臺的自動駕駛，每天訂單數(shù)量平均達(dá)數(shù)千萬，加之司機(jī)的行駛軌跡和安裝在交通工具上的桔視設(shè)備，全年可以采集近1000億公里的真實(shí)場景數(shù)據(jù)。

憑借這些真實(shí)數(shù)據(jù)和仿真系統(tǒng)數(shù)據(jù)，滴滴自動駕駛能形成經(jīng)營、安全和技術(shù)三張地圖，可以在10秒內(nèi)篩選出最具有測試價值的地點(diǎn)。

此外，滴滴還基于從桔視設(shè)備上采集的數(shù)據(jù)，為網(wǎng)約車司機(jī)開發(fā)出了智能化駕駛安全系統(tǒng)：

不僅能對車外的前向碰撞、前車急剎、車道偏離等場景及時預(yù)警，還能在司機(jī)進(jìn)入疲勞狀態(tài)前，通過語音提醒司機(jī)注意行車通風(fēng)、及時休息、避免疲勞駕駛，讓出行更安全。

這個名為“基于桔視的AIoT智能駕駛感知平臺”的項(xiàng)目，已經(jīng)在今年4月10日，獲評吳文俊人工智能科技進(jìn)步獎“企業(yè)技術(shù)創(chuàng)新工程項(xiàng)目”。

對于滴滴而言，目標(biāo)和路徑都很明確，“無非是怎么執(zhí)行的問題”；但其他企業(yè)，就不一定有這么明確的方向了。

除此之外，滴滴的自動駕駛資源，也確實(shí)豐富——人才、資金……都有足夠的底氣。

孟醒在采訪中表示，目前團(tuán)隊(duì)已經(jīng)超過500人，而支撐研發(fā)和技術(shù)迭代，資金也比較充裕。

加之國內(nèi)也高度重視V2X（車聯(lián)網(wǎng)）技術(shù)的推進(jìn)工作，各地都在建成車路協(xié)同自動駕駛的相關(guān)設(shè)備和道路，又為實(shí)現(xiàn)真正的自動駕駛，進(jìn)一步創(chuàng)造了條件。

而在這次“5小時無接管”的視頻中，也包含了支持V2X的部分道路測試。

天時地利人和，滴滴都有了。

滴滴自動駕駛，下一步往哪開？

滴滴自動駕駛，自2016年組建團(tuán)隊(duì)以來，已有5年研發(fā)歷史。

起步并非最早，發(fā)展速度卻絕對算是最快之一：

2019年8月，滴滴官宣將自動駕駛業(yè)務(wù)升級為子公司，運(yùn)營和研發(fā)架構(gòu)一應(yīng)俱全；

2020年6月，RoboTaxi項(xiàng)目落地上海，正式開放公眾自動駕駛測試體驗(yàn)；

2020年11月，滴滴與北京汽車集團(tuán)合作的新一代L4自動駕駛車亮相；

同月，滴滴自動駕駛成為首家獲得上海三個測試區(qū)牌照企業(yè)，總里程達(dá)530.57公里；

現(xiàn)在，滴滴又發(fā)布了全球首個5小時連續(xù)無監(jiān)管路測視頻，測試車輛在環(huán)境感知、行為決策、運(yùn)動規(guī)劃與控制等方面的表現(xiàn)，連“無人車之父”都給予了極高的評價……

所以，滴滴自動駕駛，下一步會往哪開？

據(jù)孟醒透露，在技術(shù)路徑上，滴滴自動駕駛將會經(jīng)歷三個階段，包括性能測試、可靠性和落地。

在進(jìn)行性能測試時，開發(fā)團(tuán)隊(duì)會迅速搭建一個車輛模型，并用各種場景去挑戰(zhàn)它，理解它的性能邊界，即目前研究技術(shù)所能達(dá)到的最高性能。

接下來，就是提升自動駕駛系統(tǒng)的可靠性了，這里面的核心，是求穩(wěn)。只有靠真實(shí)數(shù)據(jù)的迭代，才能檢驗(yàn)出系統(tǒng)的穩(wěn)定性來。

最后，才到量產(chǎn)落地的環(huán)節(jié)。

對于滴滴而言，這幾個階段會有重疊的部分，因此更多時候會并行進(jìn)行，但目前的研究重心，仍然放在“可靠性”這一階段上。

而這一階段，也是滴滴最有信心與其他車企拉開差距的一環(huán)。

目前，滴滴尚未透露具體落地時間，表示商用化仍然取決于硬件成本、車企平臺、政策體系等因素，“還需要與行業(yè)一同合作實(shí)現(xiàn)”。

但能夠確定的是，滴滴自動駕駛技術(shù)研發(fā)，未來將仍然聚焦于網(wǎng)約車場景。

至于滴滴是否會進(jìn)軍自動駕駛卡車賽道，孟醒只表示：

目前，更多是在技術(shù)層面上保持關(guān)注。

在滴滴自動駕駛上一輪融資后，我們說滴滴手握中國最好的自動駕駛資源，起點(diǎn)和勢頭會有所不同。而且在中國搞自動駕駛，沒有人不羨慕滴滴。

而現(xiàn)在技術(shù)上的快速迭代和進(jìn)展，也是對這種資源優(yōu)勢的最好印證。

責(zé)任編輯：lq