2020年總結：艱難時刻的自動駕駛-分化、聚焦和突破

 

這個時代，以一種非常詭異的方式開啟了 2020。新冠疫情席卷而來，武漢封城、國門關閉?？纯催@張世界地圖上每個角落的人們的生活都被疫情深刻的改變了。借用著名作家的一句話，時代的一粒沙，落在每個人肩上就是一座山。對于汽車行業(yè)，疫情也許依舊是一座山。本文主要寫自動駕駛，那我們就來看看疫情時代的自動駕駛。

新冠席卷全球

1. 分化 - 疫情推動汽車產(chǎn)業(yè)的升級

疫情改變了每個人的生活方式，也改變了人們對于汽車的需求。疫情最嚴重時期，出于疫情防控需要，電影院、商場和旅游景點閉門謝客，公司鼓勵員工居家辦公，人們的出行需求下降；生意難做，大量商店關門，不少公司倒閉，“打工人”們收入銳減甚至是失業(yè)，只得捂緊錢袋子，擱置或延后原有的購車換車計劃；隨著 90、95 后逐漸成為購車主力，他們的消費偏好與 80 后 70 后有著巨大差異，潮流、個性、自我是他們的最愛。加上天量的汽車保有數(shù)字，整個傳統(tǒng)汽車行業(yè)前景依然不容樂觀，汽車銷量已經(jīng)連跌三年。

中國乘用車年銷量  

 

傳統(tǒng)汽車行業(yè)的頹勢從股價中可以窺見一斑，疫情期間豐田從最高的 145 跌到了最低的 108，跌掉了 25%。最近的新高只是大盤的水漲船高而已。大眾、通用、福特那就更慘了。

豐田股價，托美聯(lián)儲的福穩(wěn)住了

除了股價，筆者的切身體驗也印證了這一點。前兩天想把某美系舊車置換，原價 10 萬、4 年、6 萬公里，一到 4S 店去問，二手車回收報價 3 萬 5。筆者覺得不可思議，收車人不屑一顧的說新車現(xiàn)在都只要 7 萬，你這車 3 萬 5 不錯了，你覺的價格低了不重要，我要我覺得。。。二手車回收商已經(jīng)硬氣到這個地步了。

但是我們對比一下造車新勢力，發(fā)現(xiàn)他們真是如日中天：

從 Tesla 的股價就可以看出產(chǎn)業(yè)的轉向

市值對比

Tesla 今年預計銷量 50 萬量, 可以說突飛猛進，單單中國市場就是近 15 萬輛。30 萬一輛的車，也意味著大于 1500 億 RMB 的銷售額，大約和 2019 年的長安以及華晨寶馬差不多。Tesla 車主對價格不敏感，他們要的是時尚，功能，省心。從 Tesla、小鵬、蔚來的熱銷看出，消費者購買汽車，正從看重交通屬性向在意娛樂屬性、注重智能化轉變。無論是中國 2 億多臺小汽車的保有量，還是服裝、家電、手機產(chǎn)業(yè)的發(fā)展都可以證明這一點，面向普通大眾的、功能簡單的交通工具的需求量會繼續(xù)下降，而具備娛樂性、智能性、個性化的新玩具會成為新的利潤增長點。筆者去看 Tesla、蔚來、小鵬、理想的展車，銷售人員熱情的給我介紹各項娛樂和自動駕駛功能，感覺他們?nèi)巳硕际亲詣玉{駛專家。小姑娘試駕來了個 6s 急加速，嚇的我心臟砰砰直跳。他們和自己的產(chǎn)品一樣，全身上下充滿了朝氣和活力。

Tesla 四季度 銷量對比

Tesla 按區(qū)域銷量

對于新勢力來說，可能今年的增長只是一個開始。盡管有人可能不愿意接受這個事實，但是資本用鈔票表達了自己的觀點。上面市值暴漲的幾家，我就沒看見誰不宣稱自己的車帶自動駕駛功能的，大多都是 L2.5，也有激進如 tesla，直接就是 full self driving。

筆者這個年紀，也不由得要從傳統(tǒng)轉向新勢力了

2. 聚焦 - 自動駕駛在多條賽道齊頭并進

然而，對于自動駕駛而言，2020 也是艱難的一年。疫情之初，自動駕駛行業(yè)就出現(xiàn)了裁員潮。卡車自動駕駛公司 Starsky Robotics，3 月份直接宣布公司停止運作。今年 5 月，累計融資超過 70 億元自動駕駛公司 Zoox 裁員并賣身亞馬遜。11 月，吉利汽車 CTO 馮擎峰已經(jīng)從吉利的技術和營銷體系調(diào)離，負責吉利汽車安全技術與智能駕駛的資深總工程師劉衛(wèi)國以及另外兩位資深員工也分別從吉利智能駕駛部門離職。12 月 7 日，美國共享出行老大 Uber 把旗下的自動駕駛部門 Uber ATG 出售給初創(chuàng)企業(yè) Aurora。

再見 Uber 

行業(yè)不景氣，大河沒水小河干，就不能廣撒網(wǎng)了什么技術都搞了。大家深刻的感悟到了這一點，所以今年的自動駕駛是花開多朵，各表一枝，多條賽道齊頭并進。賽道越來越細，專業(yè)性越來越強，針對場景和應用進行深度定制化開發(fā)。既然不能搞出一個通用的車型，那就各自找個領域深耕。有些公司專注于卡車自動駕駛，走的是先實現(xiàn)結構化道路的路線，解決干線物流的商用場景；有些則結合線上業(yè)務，專攻不載人的配送機器人，解決貨倉到家門的配送問題，打通線上線下新零售，注重新技術的落地；還有人依舊在堅持不懈的推動乘用車的技術進步，解決門到門的全場景，引領產(chǎn)業(yè)升級。

2.1 高速貨車自動駕駛

 

智能集卡發(fā)展迅猛

第一條賽道是自動駕駛貨車，這是一個非常有特色的場景。首先，他的道路肯定是結構化的，甚至有專用的自動駕駛車道，而且地方政府對這件事情非常支持。8 月，我國首條支持 5G 自動駕駛測試與應用的湖南省長益高速公路擴容高速全線建成通車。而 2020 年開工的杭紹甬智慧高速公路，設置了自動駕駛專用車道，支持空間分割、時間分割的自動駕駛動態(tài)管控。近期支持自動駕駛專用車道貨車編隊行駛，遠期支持全線自動駕駛車輛自由行駛。

長益高速公路擴容高速

杭紹甬智慧高速公路

其次，貨車自動駕駛對傳感器成本不敏感，但是規(guī)劃控制其實還是挺難的。貨車對于人工成本更加在意，各種豪華的傳感器可以多上、快上，基本可以理解為斯坦福 DARPA 挑戰(zhàn)賽的加強版。這樣的應用場景，技術風險小，落地的可能性最大，市場需求也最大。主要是一個車頭拖一個車廂，車廂是活的，不好控制。這就需要花費大量的時間進行測試和微調(diào)，動輒半年以上的調(diào)試時間居然也成為了行業(yè)壁壘。

卡車的傳感器配置非常豪華

第三，這條技術路線能夠快速獲得營收。中國一年就能賣出 100 萬輛+的重型貨車，一輛貨車配 2 個司機，就是 200 萬人。而好的駕駛策略可以省出 3000 升油，那就是 21000 元 RMB。而自動駕駛不但可以省油，還能省下一半的司機。一個月 1 萬元這是全國 A2 普遍待遇，一年雇司機的人工費就是 12 萬。設大貨車保有量 500 萬輛。這個行業(yè)一年就可以省下 7000 億。貨車算五年生命周期，可以幫每位車主省下 70 萬元成本。所以看在錢的份上，車主是有動力實現(xiàn)車輛升級的。

2.2 無人配送機器人

第二條賽道就是無人送貨。疫情的到來，對于非接觸式物流配送產(chǎn)生了海量需求。人員的積聚會導致疫情的快速傳播，對于隔離在家的廣大群眾，如何收快遞就成了一個非?，F(xiàn)實的問題。有許多企業(yè)就專注于解決這類問題，特別像京東、淘寶、美團這類電子商務巨頭，本身就有著巨大的物流需求。從阿里巴巴在各大校園的運行情況看，這類場景的技術已經(jīng)是日趨成熟了。

無人送貨物流車

 

物流配送機器人、倉儲機器人以及垃圾清掃車，成本大概在 10-20 萬之間。傳感器肯定不會用 406496128 線，一般就是搞幾個 16 線。個數(shù)也不會太多，一前一后一頂最多三個，一個 RTK 接收機和 IMU 估計不會比 DJI 用的好， UBLOX+SMI 黃金搭檔。反而是超聲波和視覺會用的比較多，在必要的時候可以要求后臺人員遠程介入，但是這樣的介入已經(jīng)越來越少。

物流車傳感器配置

物流機器人的特點是速度不快，所以對反應靈敏度要求不高。突出優(yōu)點是實際情況表明很多人愿意付費讓機器人把東西送到腳邊，大冬天的節(jié)約了時間就等于創(chuàng)造了經(jīng)濟效益。節(jié)約時間真的是西方經(jīng)濟學的真理，比較優(yōu)勢嘛，5 塊錢省下來的時間看劇不香嘛。

巨大的全球快遞市場,2016 年 650 億個包裹 

有專家感慨，物流市場真的是非常之大，大到難以想象，所以無人配送車還要細分，比如掃垃圾的、送貨到樓下的、能自己上樓的、送藥到床邊上的、餐館里面送菜的、工廠和倉庫里面進行搬運的、機場搬行李的、倉庫到配送中心的。凡是現(xiàn)在需要人送的，將來都可以被機器人替代，搞到最后，估計生鮮也可以自己送了。今年整體市場大概是個幾千臺的銷量，但是疫情已經(jīng)改變我們很多公共場所提供物流的運營模式。明年的銷量可能會有一個飛躍。

那物流機器人的主要問題是什么：

首先在于細分領域太多，各種配送，數(shù)不勝數(shù)。因此，針對不同場景我們要進行不同的優(yōu)化?；诔杀具€有使用環(huán)境的限制，我們壓根沒辦法做出一個適配所有場景的配送機器人（除了波士頓動力機器狗）。不可能讓白犀牛在飯店里面穿梭送菜把。能貼磁條解決的，為何還要上 Lidar？技術方案如何設計，保證研發(fā)成本最小化，市場最大化？

這位就闖禍搞了個大新聞

再次就場景復雜，所以要不停的在一個封閉園區(qū)跑把場景建模出來，由于人車混流，要應對各種有意無意的意外場景。人家看你好玩，在你前面一站甚至坐上去，你說咋整。

第三，就是對業(yè)務模式的挑戰(zhàn)，產(chǎn)品的平臺化和場景的差異化難以調(diào)和，導致了很多公司必須要針對不同場景進行產(chǎn)品設計和運營，否則還不如用幾千塊錢一個月的人工。要是專門針對一個市場開發(fā)產(chǎn)品，首先要掂量一下自己的市場能力。就像再好的餐館，也要說清楚自己是哪個菜系，有什么招牌菜。運營也是個大問題，總是要操心如何取得業(yè)主同意，費用如何。這些機器人現(xiàn)在在哪里，有沒有闖禍，電池還剩多少電，啥時候回的來等等問題。幾千臺機器人在外面這么跑著，提心吊膽。

所以，物流機器人最大的問題是場景太雜，優(yōu)點是市場很大，技術難度小。這就像一個鏡子的兩面，估計在這個領域可以催生出無數(shù)的優(yōu)秀的公司。用一個朋友的話說，每個公司都能在這個市場上找到自己的位置。機進人退、智能物流引領物聯(lián)時代。

2.3 RoboTaxi

園區(qū)、高速自動駕駛正在朝著產(chǎn)業(yè)化的方向高歌猛進。估計 2021 年，我們會看到越來越多的落地。這些其實都算商用級的市場。商用市場意味著利潤率還可以，但是總體銷量不大。消費級的市場才是資本們的最愛，所謂 10 萬億級的市場嘛。如果要實現(xiàn)消費升級, 首先需要的是功能升級。滿足了消費者更多的功能需求，才能讓消費者多花錢買單。2019 年，一龍 . 馬給整個行業(yè)立了個 FLAG。10 月 8 日,Waymo 就宣布拿掉了安全員，提供完全無人的駕駛服務，該服務率先在美國鳳凰城推出。12 月，Tesla 更是放出了 FSD BETA 的路測視頻。眼看著 RoboTaxi 就這么實現(xiàn)了。

FSD BETA

國內(nèi)企業(yè)自然也是卯足勁向前沖，有公司把車子開進了城中村，有公司直接拿個貓放在車里運來運去。

比較有特點的城區(qū)自動駕駛場景

  

Robotaxi 四小龍

文遠、小馬、AutoX 和百度，是 RoboTaxi 的四小龍，2019 年 12 月小馬智行發(fā)布自動駕駛車隊，2020 年實現(xiàn)了常態(tài)化的運營。2019 年 11 月文遠知行 發(fā)布自動駕駛路測視頻，2020 年 9 月，直接把車開進了城中村。今年 4 月，百度宣布在長沙運營自動駕駛出租車。7 月，發(fā)布量產(chǎn)規(guī)定區(qū)域自動駕駛的 apollo 5.0。9 月，百度聯(lián)手央視新聞全程直播“萬物智能——百度世界 2020”大會。而在 10 月份，Autox 也發(fā)布了他們的 RoboTaxi。

阿波羅路線圖

城區(qū)自動駕駛是整個自動駕駛領域最艱難的存在。難在復雜的交通環(huán)境：魔性的壓實線換道、隨意竄出的行人、不時發(fā)生的 CUT-IN，意外情況層出不窮。為了應付這么復雜的路況，我們

· 需要配備 360 度多維感知（3D+深度+速度+顏色+識別），可以算做 7D 感知；

· 需要對交通參與者運動意圖的精準預測；

· 需要實現(xiàn)風騷走位的路徑規(guī)劃；

· 需要預先掃描的高精度地圖和高頻率的眾包更新；

· 需要 5G 來實現(xiàn)后臺實時接管。

這是一個人類社會有史以來最復雜的終極消費品，一車在手，別無所求。沒有城區(qū)駕駛，我們這個世界永遠也不算步入了自動駕駛時代。四小龍都是以海歸背景的技術人員為核心，他們是中國自動駕駛產(chǎn)業(yè)的海歸派。如果說，2016-2019 年，中國的高校院所（NUDT、BIT）實現(xiàn)了自動駕駛從 0 到 1 的跨越。那么 2020，我們的海歸派們，實現(xiàn)了從 1 到 100 的演進。

3. 突破 - 城區(qū)門到門的純視覺實現(xiàn)

對于一個地球人,就算是用了激光雷達，能夠?qū)崿F(xiàn)城區(qū)自動駕駛也是值得自豪一輩子的事情了，畢竟現(xiàn)在大家都認為 RoboTaxi 在技術實現(xiàn)和法律風險上都有一定的難度，尤其難以確保 100%的不出事故?？上б积?. 馬真的不是地球人，他是真的敢玩，更酷、更炫、更便宜就是他的追求，他還要帶你回他火星老家，這恰好迎合了 90 后、00 后的胃口。

2020 年，自動駕駛最大的突破是什么，我想應該是 ME 的全視覺城區(qū)自動駕駛解決方案和 TESLA 的 FSD BETA, 技術難點在于純視覺的環(huán)境感知和行為預測。

Model 3 Beta FSD - 夜間

Mobileye 自動駕駛汽車上路 40 分鐘無剪輯視頻 _ 騰訊視頻 (qq.com)

Cruise 對于交通參與者的行為進行預測

ME 的純視覺路測視頻 

從視頻可以看出，ME 確實解決了白天天氣晴好的情況下、復雜路況的自動駕駛問題。筆者就列出 Mobileye 這次實現(xiàn)的功能：

· 紅綠燈識別

· 行人識別

· 路面性質(zhì)改變識別

· 識別目標意圖（長時間停車還是等紅綠燈，行人要不要過馬路）

· 前車開門識別

· 行人手勢識別

· 自動換道

· 自動超車

· 加塞

· 20cm 通過性

· 擁擠路口協(xié)商通行

對于視覺自動駕駛來說，這是一個巨大的突破。本來 ME 已經(jīng)給了全世界一個最大的彩蛋，可惜啊，既生瑜何生亮。這 10 年注定是一龍 . 馬的 10 年。TESLA 的研發(fā)能力+產(chǎn)品力甩出了大家一個世紀。昨天和朋友聊天，我說 Tesla 賣的不是車，賣的是四個輪子的消費電子產(chǎn)品；傳統(tǒng)車企走的太慢了，基本沒戲，壓縮壓縮產(chǎn)能，滿足一下老百姓的存量需求。估計主機廠也看到了這一點，東風、長城、上汽紛紛推出了自己的新勢力品牌。

回到 Tesla，現(xiàn)在不斷的有人上傳 FSD BETA 的路測視頻，每一個發(fā)布者都說了一個字“贊”。有白天的、晚上的、雨天的、雪天。有高速的、城區(qū)的、山路的、發(fā)卡彎的，這可是實打?qū)嵉哪贸鰜?show。對于同行們可以說是造成了全方位的碾壓?？楷F(xiàn)有的攝像頭，tesla 賣出去的每輛車都可以實現(xiàn)自動駕駛                      

 這哥們在測試 FSD 左轉的時候，真的是愛了。競技車手的水平！

車評人不是都喜歡做麋鹿測試嗎？他們直接拿了一頭鹿要做測試，真鹿 SHOW。

分析下來， ME 和 FSD BETA 的技術成功識別和決策規(guī)劃同時演進的結果。關于識別，我們先來看看實際效果：

FSD 的環(huán)境感知

上面兩張圖是 Tesla 的一張視覺感知圖，感知的元素包括車道線、路邊的車輛、STOP 標致，還有一大堆看不清的東西。可見，Tesla 對環(huán)境的感知是非常豐富的。左邊中間還有是否遮擋、是否下雨、是否是胎跡、是否是潮濕路面。

  FSD BETA 把更多的元素展現(xiàn)了出來

之所以能夠做到這點，一龍 . 馬給出的解釋是 4-D 的 Training，F(xiàn)SD beta 與之前版本的區(qū)別在于：在不安裝激光雷達的前提下，具備 4D 環(huán)境感知能力。他們對于目標識別的訓練已經(jīng)不是使用單張標注圖片的訓練，而是將 8 個攝像頭一段時間的視頻一起放在服務器里面訓練。以前的深度學習輸出的是離散的點，用其他硬件（廉價 IMU）將這些點連接成一副場景，現(xiàn)在的深度學習直接就是無監(jiān)督的場景訓練。通過視頻，Tesla 一共會訓練 48 種不同的神經(jīng)網(wǎng)絡，用于不同的任務，如識別距離的（depth network）、識別 freespace 的（layout network）等等。

          Video Training 同時使用 8 個攝像頭的視頻 

          Video Training 一次會使用 4096 張

                Video training 的成果，以 TOPVIEW 實時識別 FreeSpace 

 現(xiàn)在，tesla 使用上圖這樣一個 GPU 集群訓練，tesla 做一次 ap 的編譯需要 1 個小時。

這樣海量的訓練數(shù)據(jù)，對于算力提出了很高的要求。為了實現(xiàn)這個功能，TESLA 正在打造一臺“Dojo”超級計算機(日語：道場)

這個超級計算機的作用是進行 NN 訓練，一龍 . 馬說，這個機器可以自動地學習和識別先前未被定義或被標記的信息。與之前 FSD 的區(qū)別就是放幻燈片和看視頻的區(qū)別，更多的在于訓練場景關聯(lián)性和預測能力。有人說，DOJO 造出來之后（2021 年 8 月）應該是排名世界前幾位的超級計算機（算力是現(xiàn)在第一名富岳的 2 倍)，大國重器啊。

圖片需要標注的元素

同時，DOJO 強大的算力和 Tesla 逆天的算法已經(jīng)支持了全自動標注。上面這張圖的標準，完全可以由 DOJO 自動實現(xiàn)（基于 Shadow mode 與實際駕駛的 Error），免去可耗時的人工標注環(huán)節(jié)，計算機的學習速度大大加快。     有了 DOJO，tesla 不但可以通過 SHADOW MODE 找出系統(tǒng)的問題，還能過像 alpha zero 一樣實現(xiàn)自我迭代。

 DOJOPYTORCHFSDSHOW MODE 是如果相互配合來實現(xiàn)整個 AI 流程 .

    GOOGLE 阿爾法 0 的自我迭代 .

當然，Tesla 與 ME 相比，技術上的差距應該沒有那么大，但是 Tesla 海量的數(shù)據(jù)決定了他的優(yōu)勢，數(shù)據(jù)是智能時代的石油嘛。ME 就沒辦法做到這一點。這個優(yōu)勢還會隨著 Model3 的銷量不斷擴大，其他主機廠應該慶幸他是一個封閉的系統(tǒng)。

關于規(guī)劃決策部分，自動標注的實現(xiàn)是整個系統(tǒng)實現(xiàn)的關鍵。一龍 . 馬沒說什么，但 Cruise 給出了解釋。

                 典型的路口場景，需要預測其他測量的運動 .

 Cruise 解釋，路徑預測也是可以進行學習的。通過學習，他可以知道其他車做某種動作的概率，從而預測其他交通參與者的行為。下面三張圖以通過路口為例（Cruise 在最右側）：

1. 路口兩輛車，每輛車有三種可能（直行，左、右，其實還有 U turn， K  turn）

2. Cruise 會計算各種動作的概率

3. 當一輛車已經(jīng)運動，他還可以影其他車輛運動的概率

4. 豎直的車通過路口后，左側的車運動的概率被重新計算

5. 所有交通參與者運動被預測出來

6. 概率如何計算，其實我覺得深度學習和傳統(tǒng)方法都有，但是深度學習確實很有效（學習當前交通參與者的拓撲、對方車輛的姿態(tài)與最終結果的關系）。

Cruise 在十字路口對其他車輛進入路口直行或者左右拐的概率進行預測

 

路口的車走了以后，黃車左拐的概率大大增加

  各個車挨個過了路口，這個是 cruise

Cruise 說明，之所以能夠預測，原因是他們使用了持續(xù)學習機，他可以進行自我標注。計算實際駕駛效果和預期效果的偏差，通過偏差對采集的數(shù)據(jù)進行定位進而自動標注，再進行訓練形成閉環(huán)。從下圖可以看出，持續(xù)學習機的效果非常好。

                        Cruise 預測到了這個車是要掉頭

Cruise 也預測了白車要 cutin

要說 Tesla 萬能，我不太同意，比如今年有很多人誤踩了油門。只能說技術進步和技術不成熟本來就是相伴相生。一龍 . 馬雖然不停跳票，也還是說到做到。

4. 總結

回望 2020，小的自動駕駛公司倒了一大片，連 Uber、吉利這種大公司都撐不住了，但是行業(yè)依然還是飛速的前進，只是整個行業(yè)呈現(xiàn)出了多元化的格局。汽車行業(yè)在分化，傳統(tǒng)行業(yè)和新勢力是冰與火之歌。自動駕駛行業(yè)出現(xiàn)了細分，活下來的公司在不同領域深耕，靠著專業(yè)化來獲得利潤。開創(chuàng)時代的 WGIT(WaymoGM CruiseIntel METesla)依然堅持著夢想，不斷突破技術的天花板。DARPA 的一個小苗長就這樣慢慢長成了一棵大樹，感謝這個偉大的時代。