楼天城生活服务 楼天城:未来出行的终局和必经之路

大家好,很高兴能够跟大家在这里分享未来的出行,分享更多无人驾驶的故事。先回到小马智行,小马智行是一家专注于无人驾驶的初创公司,今天来了很多家无人驾驶公司,说起来有区别,我们更专注于全自动的无人驾驶。

今天我想跟大家分享的就是呼吁所谓的未来汽车格局,我们对将来汽车真正智能化之后会以什么样的方式出现在我们面前,分享我们的见解,以及在这个路上会出现什么样的情况。

汽车拥堵已经有很多嘉宾做了很多介绍,我有另外一种统计数据,能够用另外一组数字表达,道路拥堵能给我们带来什么,今天在北京,我特意留下了北上广的数据,我只统计了三四线城市的法人单位总工作人口,他们平均每天在车上的时间是两个小时的时间。我们除以每个人一生的时间,等于是3万,什么概念?有人说每年因为交通事故死亡人数会达到百人、千人。

除此之外,当然除了堵车,也包括路上一些不确定的因素,这是18日我们路侧的时候遇到的两个视频,生活中遇到很多驾驶的司机并不是像大家一样,他们驾驶习惯并不相同,这两个也包括一些横穿马路、开车逆行,或者乱闯红灯,也是路上的不安全因素。左边其实是一个逆行的车辆,我当时正好在车上,我看到他的时候,我第一感觉是不是我们在逆行,不对,实际上是他在逆行,这是在中国测试的情况,这是之前很难发生的一些状态。

城市化是不可避免的趋势,有统计来说,2050年有80%以上的城市会居住在城市,发达国家有60%的人口居住在城市。所以所谓的城市化造成的拥堵、造成的交通、造成的空气的污染,造成各种要素的损失,只会随着城市化进程不断加剧。

巨大的挑战也等于是给我们带来了巨大的机遇,因为在城市集结了大量的人口,整个城市的商机也将会无限地放大。

汽车行业发展至今已接近200年,最近10、20年间有巨大的变革,就是所谓的共享化,共享出行的出现,电动化、新能源造车、汽车智能、辅助驾驶,以及车联网,也就是联网化。其中无人化,无人化有着巨大的社会价值,其中包括我刚刚提到的几点,比如说对上班拥堵时间的解放,对于避免交通事故避免及效率提高。

这个统计很有意思,这是来自于麦肯锡的一个研究,现在多了一个概念叫做分时租赁,这个故事通过分时租赁讲起的,我们最早的私家车、网约车,也包括分时租赁,最近为什么分时租赁大家比较关注?有它根本的原因的,分时租赁有个什么好处呢?它跟网约车比没有了专业的司机,专业司机占到了一辆车40%的成本,分时租赁为什么很多城市开始采用了分时租赁的方式,今天分时租赁和共享出租混合存在的状态,原因是因为分时租赁使用不是很方便,因为想找到分时租赁的车可能要非常久,所以有这两个分时租赁和共享出行之间现在是一个互相在增长、互相平衡的一个状态。

然而无人驾驶有一天真正地形成了,它能够很好地得到刚才两者的优点,它既去掉了驾驶员的成本,又使得车辆能够非常方便地使用,每次出门都能很快地找到无人驾驶车。

随着时间的发展,来自于麦肯锡的研究,到了2030、2040年之后,无人驾驶的方式将成为重要的方式,可以认为是一个无人的滴滴,拿滴滴软件打车可以打到一辆无人驾驶的车来接你,车里并没有司机。

很多人说无人驾驶之后是什么?我觉得就是所谓的智慧城市,大智慧城市真正融入很多智能因素的时候,在城市中可以结合自动驾驶的技术,包括5G技术、V2X技术,可以共同把交通做得更高效、更安全,车可以通过互联互相分享信息,在这种情况下,我们的道路其实就不需要像今天这样设计了,今天道路的设置有红绿灯是为了人开车而设置的,当车能够互相通信,可以改变基础设施的架构,到时候我们交通做得更高效、更安全。

回到现实,想做到智慧城市,达到未来交通的状态需要如下三点,分别是技术、产品和运营。作为CTO我想介绍技术方面的因素,也今天更多想跟大家分享的部分。

通过技术主要是两个方面,首先是数据的积累,因为今天数据积累是至关重要的,谁拥有更短时间更广泛的数据,他在竞争中占据非常大的数据,如何在短时间收集高效数据也是挑战之一。如何进到一个安全的系统,更快地得到新的模型,能够把我们做的模型定制化、标准化也是另外技术上的一个挑战,分数据和系统两方面跟大家做一个分享。

说到系统的话,有人会问小马智行是做什么的?其实我们是做车的,我们做的是无人驾驶车的解决方案,或者这么说,除了车之外,传感器、购买方案,其他部分全是我们自己来完成。一个车跟我们开车的时候一样,它的定位,我要知道我在哪儿?它的感知,它对周围的预测,它对我现在的决策,我现在要刹车、转不转弯,所有的控制都是在系统中被完成。未来会做得更好,包括软件的架构,支持所有的部分。

有人会问说美重不重要?我觉得最重要是系统,作为一个系统来说,是需要一个全面的模块能力,才能使你的车达到非常好的状态。我们做了一些模块,市内我们做到感知我们的双眼,分别是照相机,大家普遍看到的摄像头和激光雷达。雷达可以向周围发射数据,对周围的物体预测就可以知道它的距离信息。

在我们看到这个世界之后,我们要对周围做一个判断,这个视频没有在这样大的屏幕中做一个显示,大家看着会有一些模糊,决策好比我们的大脑,看到这个世界之后做了一个判断,前面这个人突然过马路,这个机动车的人停下来,他转头看了一下我们,这时候突然有一个车从右边很突然地过来,我们做一个稍微的减速。任何就像人的大脑一样,会根据当前的情况,根据一些经验,根据现在的情况做一个接下来我要做什么这么一个判断。

这是一个控制的展示,我们在做了决策之后,要通过像人一样,用大脑控制我的手和脚,来操作车,使得车真正做到我想要做的部分,让我们的车在停车场绕一个8字的形状,来测试车在极限状态下控制的能力。这里摆一些雪糕筒,从本身的控制方面超过了老司机的水平。

说完系统之后,回到数据,我先说数据是干什么的,无人驾驶技术怎么发展,它并不是第一天就有自动的路线,想做到L4是一步步迭代所完成。说得通俗一点,我们开发了一个新的系统,一些新的特性,我们需要做什么呢?我们需要先做的是把它在仿真环境中进行测试,在模拟的环境中测试新的特性,是不是达到我们的预期,是不是满足了基本的安全性。

模拟环境测试之后,我们要到实际的道路上进行测试,道路测试也分为不同的步骤,首先我们先在停车场进行测试,因为停车场相对是一个封闭的环境,之后会把车开到实际的道路,在道路上呢,非繁忙的道路测试之后再进入比较繁忙的道路,然后再回到最初的产品迭代过程,这是不断地自己收集需求、改进、测试的一个环境。

数据在其中起到了非常重要的媒介,数据推动了这三个部分不断地循环,最后不断地提升。当然对系统来说,如何搭建一个非常稳定的系统,能够加速这个过程也至关重要。

下面举一些数字的数据,小马智行从美国回到中国,有什么感受?或者说回到中国有什么样的好处?我觉得我从技术上可以非常明确地回答这个问题,从数据收入上,中国有明确的优势,很显然在中国遇到的问题更复杂,更不容易遇到一些场景,我们用了一年的时间收集了美国十年不到的数据,这个数据收集很大地提高了优化的速度,我不确定下面一页的视频效果如何,如果好的话,简单看一下,我们在中国收集到什么样的场景,这些都是在美国收集不到的。

我做一个解释,这个图片不够放大,大家能看到人在哪里呢?这个人他在这里,他整个过程中其实有一个在桥上的时间,他基本在桥墩的后面逐渐地向汽车走过来,整个过程中,他从头到尾只露一个头,这个时候需要结合传感器融合的方案,知道那边有一个物体不断地移动,类似于人脸形状的东西,来做这个实验。

由于技术原因,我们不能分享这些技术的话题,我解释一下,在道路上遇到很多加塞,之前有分享者也提到,前面跟着不同的车有不同的策略,有时候会跟着一辆黄沙车,它的行为会影响其他所有车的行为,这个画面就脑补了。

这个车有一个特点,所有的车都不愿意跟在他的后面,就会直接导致一系列车的变道的行为。随着黄沙车不断地变道,所以说在整个无人驾驶中,特别是软件平台上,我们除了需要判断这个视频之外,对人来说看着识别容易,在这些场景中我们除了看到这个识别之外理解他的意图,以便更好地做出决策和判断。

下面到产品相关的部分,今天提到安全部分,从我们的互联网到电脑、到手机,到现在的车,车我们需要做第四块屏,一旦我们的车共享,车的形态会发生一些变化,或者车的设计是为了人开而设计的,所谓一个方向盘,一个盒子一样,考虑到人可以开车,之后车完全可以做成四个窗户重新开启,人交流、人娱乐、人甚至消费的另一种屏幕,当然也会带来很多政策相关的变革,很多管理上的挑战。

回到小马智行,从发展到今天,大概不到两年的时间,我们迭代了三款不同的产品,分别给大家做一个分享,这一款其实是在去年夏天,第一款我们的样车。这是去年夏天第一个做到能够在人车混流的公开的道路上做全自动驾驶,在不同的道路上识别人、自行车、识别红绿灯进行全自动的控制,加速、加速,包括转向。

之后到了今年春天,这是我们第二款使用的更小的激光雷达,包括相机的安装方式,通过了北京T3的牌照,北京发了一个无人驾驶牌照,无人驾驶整个过程中要有5000公里里程的积累,我们也是通过这辆车通过了北京的T3的牌照。

之后推出这是第三版产品,使用了更深度的场景或者方案,现在使用三个不同的激光雷达,做到了360度角的全覆盖,距离能够达到至少200米左右,更高速的情况下,能够看到更远的物体,这样保证了更多的安全。

另外,在车里,从将来运营的角度说,其实乘客他们也非常希望知道在无人车的眼中这个世界长什么样子,我们也希望做一个人机交互的平台,在这个平台上可以向所有的乘客表现出在无人车眼中我们是怎么看这个世界的,我们将来会发生什么,可以帮助乘客更好地理解无人驾驶。

当然最后提到一些运营方面的内容,运营其实也是说最早提到的无人车车队,希望在一个小的区域内,开发一项产品,使得那个区域内的市民能够通过打无人车来满足他很多出行的需求。

从路测到运营是一个很长的过程,你整个软件的方案需要可复制,不可能再最早做展示的方式来维护,至今为止我们累计接待了超过4000名观众,各位如果到广州,欢迎试乘我们无人驾驶的车辆,希望今年达到50 平方公里,有一个APP,通过这个APP叫无人驾驶车,由于法律的原因,可能有安全的司机,安全司机基本上没有机会去接管这个车,他只有在紧急状况下能接管。

最后这是我们建立的一个车队,希望如果有机会,我们在北京、在广州大家有机会真正坐到这辆车,能更早体验到未来出行,让我们更早地期待未来出行。有人说L4这个技术需要多少年能够成熟?真正的全自动驾驶真正非常遥远,也许是的,如果开到中国的大街小巷,可能真的需要10年的时间。

然而在很多小的区域我并不这样认为,在很多小的区域,北京有无人驾驶测试区,只需要很短,也许一到两年的时间就可以做到小区域的运营,让民众更早地接受,包括法律、伦理方面得到提升,共同促进这个领域的发展。