|
「自动驾驶」赛道很拥挤。 目前场内玩家主要分两个流派。一派直接攻坚L4 高级自动驾驶技术，主要由互联网科技公司或顶级名校领衔。代表公司有谷歌母公司旗下的 Waymo，命途多舛的 Uber，斯坦福系的 Drive.ai，以及国内最早开始入场的百度等。另一派主打L3 高级辅助驾驶，主要阵容为拥有丰富造车经验的各大车厂。如将 Cruise 招致麾下的通用，与 Mobileye、英伟达合作的宝马，以及最近终于实现量产的特斯拉。 面对激烈的竞争格局，自动驾驶初创公司 Roadstar.ai 凭借两项核心技术——异构多传感器同步（HeteroSync）和数据深度融合（DeepFusion），不仅推出了极具成本优势的自动驾驶解决方案「Aries 锐」，还于5 月拿下国内自动驾驶领域单笔最高 A 轮融资（1.28 亿美元）。  7 月底，美团外卖发布无人配送开放平台，技术方案合作伙伴名单里就有 Roadstar.ai。这家成立仅一年多的创业公司，顺利抓住了外卖配送场景的落地机会。 「我们之间的合作刚刚开始，美团这边的主要场景是食物配送。食物配送分为『室外场景』和『室内场景』，室内还可以细分为从餐馆到门口、从门口到目的地。我们可以根据场景提供定制化的技术方案。」 Roadstar.ai 与美团达成了一系列战略合作，包括为美团无人驾驶配送车提供技术解决方案。Roadstar.ai CEO 佟显乔表示，「未来室外配送车可以开到每小时40-50 公里。」不过这种配送车辆将主要应用在封闭园区，开放路段还在比较早期探索的阶段。  在 7 月 25 日的美团无人配送开放平台发布会现场，美团联合创始人、高级副总裁王慧文在演讲时点了美团外卖。十几分钟后，外卖由美团无人配送车送至王慧文手中。 在海外生活近十年，曾在英伟达、Apple 等大厂从事无人车算法开发，如今正在创业路上「狂奔」的 Roadstar.ai CEO 佟显乔，近日接受了「KnowingAI 知智」的专访。从早年的求学就职经历，到创业路上遭遇的困难与选择，佟显乔分享了他对自动驾驶行业的思考。 ▼ 一、求学、就职与创业 1、KnowingAI 知智：2009 年无人车还非常冷门，您当初为什么会选择这个方向攻读博士？ 佟显乔：本科学完之后对机器人还比较有兴趣。原来上学的时候，这个方向并没有这么火，更多时候都是在实验室做这个东西。所以也是比较幸运，那么多年的研究最终可以落地。 2、KnowingAI 知智：您之前在实验室主要做什么课题？ 佟显乔：无人车相当于机器人，会涉及很多不同的技术模块。我主要负责高精度地图和定位这个模块。 无人车开车和人开车是一样的，都要先感知环境；其次要知道车在什么位置——就是定位。不过人开车不需要太精准的定位，大概知道我在这条街上和我要去哪就可以了。但是无人车行驶需要精确到厘米级的高精度定位，而用 GPS 无法实现这一点，必须在车辆上路之前拿到高精度地图。知道了车所在位置和周围环境之后，无人车还要预判周围的人和车怎么走，然后做即时决策。决策之后规划出一个路线，并执行这个路线。 所以可以理解自动驾驶主要分为四个环节：传感，感知，决策，执行。 3、KnowingAI 知智：毕业之后，您的第一份工作在英伟达？ 佟显乔：那个时候无人车领域比较火，英伟达开始做车载芯片 Drive PX，我主要做算法开发。一年多后我去了苹果，那时苹果也是刚刚开始做无人车，这一阶段我依然从事算法开发，不过（在苹果）可以从零开始看到一个更整体的东西。 4、KnowingAI 知智：之后您也在百度就职过，英伟达、苹果和百度做无人车的思路，或态度有什么不同吗？ 佟显乔：英伟达是以卖硬件、卖算力为主的公司，做无人车、做算法并不是绝对必要，更多的（目的）是推广自己的硬件。 苹果虽然起步晚，但是是在全力做无人车。早期苹果与我博士就读的学校（美国弗吉尼亚理工大学）的子公司有合作——做原型车，后来我就去了苹果。 我非常喜欢苹果这家公司。苹果的公司文化很酷，也愿意砸很多钱、很多精力去做一件事。苹果的品牌也能吸引很多世界级的牛人，大家在那做得很开心。 作为一个后入场的玩家，苹果可以重新做很多东西。同时苹果还是一个可以把「软硬件一体化」做得很好的公司，比如今天的 iPhone。当时觉得，做一个非常酷的东西挺好的。 我在苹果经历了无人车从 0 到 1 的过程。如今苹果官方数据是也有几百台车在跑，苹果的习惯是做出来以后才发布，不会提前告诉大家。相信最后出来的东西一定会挺震撼的。  苹果的无人车正在路测中 加入百度是因为我个人的长期的规划还是想回国。在美国呆了将近十年，觉得国内的机会更好。16 年那会儿百度（无人车）还处于一个比较早期的状态。8 个月之后，我还是决定出来创业。 5、KnowingAI 知智：当初您和衡量（Roadstar.ai 联合创始人兼 CTO）、周光（Roadstar.ai 联合创始人兼首席科学家）是怎么谈到一块的？ 佟显乔：当时我们三个人在百度属于同一个组，挨着坐在一起。大家都做技术，但每个人做的内容并不一样，三个人擅长的东西正好互补，可以做一个整体的解决方案。加上我们平时就很聊得来，彼此合作起来很开心，所以当下决定出来创业是很快的，可以说「一拍即合」。 6、KnowingAI 知智：从大公司出来自己做，中途有遇到什么困难吗？ 佟显乔：多少还是会有的。比如安稳性被打破了，我在美国生活了快十年，可以说生活已经很稳定了，但创业就是从零开始，收入和生活质量都会下降。不过我是一个想清楚了、做好决定之后就不想那么多的人，如果光从物质上去考虑，从大公司出来怎么都是不合算的，但是创业是个风险与机遇并存的事情，决定了就出来做，搏一把看看结果——现在看起来结果还不错。 最早期时，虽然我们知道 Sensor Fusion（传感器融合）这个技术方向是正确的，但毕竟没有实现过原型，前一、两个月一直在做验证。那个时候激光雷达很紧俏、基本买不到，国产的激光雷达又还没做出来。我们花了 4 倍高价，买了几个激光雷达做原型机，原型机的模型还是拿纸壳搭起来的，但最后验证的结果还挺好的。 ▼ 二、困难与技术路径的选择 1、KnowingAI 知智：在技术上，我们面临哪些难题? 佟显乔：最难的是对中国特殊、复杂路况的处理，有时会遇到没见过的，长得很奇怪的异形车辆，这对识别来说是一个挑战。预测人的行为也是一个比较大的难题，车的意图比较容易理解，不是从前就是往后走，但人的意图是很难理解的。 2、KnowingAI 知智：您怎么看目前的无人车驾驶水平评价标准？我们内部有自己的评价标准吗？ 佟显乔：（无人车）现在没有一个统一客观的评价指标。更多的是看一辆车能解决多复杂的路况，多长时间可以不需要接管，但这些其实都偏主观。我们内部对每个技术模块会有评价——比如对车辆运动的感知精度要控制在 5 厘米以下，定位的精度也要做到 5 厘米以下，对识别人、车、自行车的识别率也有要求。 在最好的 Benchmark 上，以上这些识别率我们都位列世界前沿。但是对于整体的解决方案，目前不存在特别客观的指标。 3、KnowingAI 知智：从什么时候开始，我们产生了传感器融合的思路？ 佟显乔：学术上我们一直都知道这个思路是正确的，但是实现上是有挑战的。 好在我们都比较有经验，我原来在 Apple 时就有做这个技术路线，我们的 CTO 在 Google 和 Tesla 时，也是做的类似路线，所以我们知道这条路怎么做，而且是可行的、正确的趋势。不过有一些公司是按照早期的做法，其实是个比较旧的方向。 4、KnowingAI 知智：传感器融合的难度在哪里？ 佟显乔：当把十几颗不同的传感器放在车上时，每个传感器都在用不同的电磁波段感知这个世界，怎么把不同的传感器、不同的信息融合在一起，是比较难的一个点。这里还包括时间和空间上的同步，比如不同的传感器在车的不同的位置，看到的东西可能只是一部分。能否做一个很好的融合，在软件上和硬件上都是比较难实现的。 5、KnowingAI 知智：怎么理解 Roadstar.ai 选择的「原始数据层面的融合」？ 佟显乔：举个例子，眼睛看到一个物体，怎么知道这个物体是是人还是车？人类是通过大脑来反应的，大脑就相当于算法，眼睛相当于传感器。 同理，激光雷达给出的数据是一堆点，需要通过算法才知道是人还是车。我们的做法是将激光雷达、摄像头、雷达的原始数据融合在一起，在还不知道「看」到的是什么东西时，用算法融合得到答案，这种方法也叫「前融合」。  「后融合」是说传感器的原始数据先经过算法给出结果，再进行融合。比如雷达给出结果说这是一个人，摄像头给出结果说这是一个车，最后再在结果上做融合。如果两个传感器给出的结果不一样，就很难判断到底是人还是车。 我们的算法就是把最优的信息整合在一起，然后给出一个答案。这个答案，按道理来说就是最好的答案。 6、KnowingAI 知智：为什么输出的数据是 8 维的？这 8 维指什么？ 佟显乔：简单来说，摄像头实际给出的是颜色，有 R、G、B 3 个通道，可以理解成三维，加上位置的 x、y、z，速度以及反射（信号的强度）一共 8 维。因为在高维度空间解决问题要比低维度空间解决问题简单很多，所以我们的算法从高维度做的。 7、KnowingAI 知智：官网展示的路测 Demo 是在下雨天的晚上进行的，在这种情况下无人车要克服哪些困难？ 佟显乔：在雨天和夜晚，信息可靠性、置信度都会受到影响。雨天视野不好，会影响到激光雷达和摄像头，因为激光雷达需要射在物体上，雨滴会挡住，视野就会受到影响。摄像头也是一样，而且因为摄像头是被动传感器，夜晚需要额外的光源，但激光雷达夜晚不会受到影响。 攻克这些难点还要靠特有的算法来保证无人车的相对安全，为此我们也做了大量的工作和实际的路测。 ▼ 三、合作与未来 1、KnowingAI 知智：目前有哪些车厂在使用 Aries 解决方案？ 佟显乔：Aries 是针对一些车型发布的产品，我们与一些车厂之间已经达成战略合作，会做定制化的设计，合作也比较深入。但具体是哪些车厂现阶段还不方便说。 2、KnowingAI 知智：在与美国、德国、日本这些不同国家的车企接触时，对于造车他们在想法上会有哪些不同？ 佟显乔：不同的文化有不同的沟通方式。美国比较开放，谈论问题比较直接；日本、德国非常谨慎，任何一个材料或交流都会非常严谨，相对进程会慢一点。但最终大家都认为，把这个事情做成是最重要的。 从新事物接受度和新技术应用来看，美国的车厂还是走在前面，欧洲和日本也把这个事情看的比较清楚。最开始很多车厂还是认为做自动驾驶的是配件商，他们只是把东西买过来，但今天地位就不太一样了。 不过卖消费车是一条路，提供无人驾驶出行服务是另外一条路，现在车厂会把这两个东西分开看。自动驾驶的普及是个长期的过程，有可能还要十年、二十年去慢慢普及，但它终将走进人们的生活。 3、KnowingAI 知智：我们以后会做整车吗？ 佟显乔：取决于最后我们能做到多大，有多大能力来做这件事。现阶段我们不会造整车，以目前的特长来说，更多还是让合作车厂来造。如果以后电动车的制造很模块化，很多代工厂可以做，可能的话我们会尝试这个方向。  Roadstar.ai CEO 佟显乔 4、KnowingAI 知智：与国内同类公司相比，Roadstar.ai 主要的核心竞争力是什么？ 佟显乔：我们的优势在于我们正确的技术方向、先进的融合算法以及强大的商业化落地能力。 技术方向的正确决定了公司的速度、能跑多远、跑多快。技术更好的话商业化就更快，加上（无人车）这个行业的门槛很高，所以真正的竞争对手其实不是很多。同时市场又足够大，所以同行之间并非竞争关系，而是大家一起将自动驾驶技术真正应用到人们的生活中去，让老百姓早日坐上无人车。 5、KnowingAI 知智：Roadstar.ai 的长远的规划是什么？ 佟显乔：到 2020 年，我们会有几千台车到上万台车在中国提供出行服务，很有可能在深圳首先落地——那时候我们希望做规模化的运营，成为国内的无人驾驶专车运营商。 在海外，我们更多的是和合作伙伴一起提供技术上的解决方案。因为做无人驾驶的运营，在任何一个国家都需要政府帮忙和支持。所以我们希望通过授权软件和收入分成的方式，为全球合作伙伴赋能。
|
|
|
来自： 扫地僧一一 > 《384、自动驾驶》
