自动驾驶从 0 到 1 之路

About Pony.ai：

从 0 说起

汽车是 1886 年诞生的，卡尔本茨先生建造的人类历史上的第一辆汽车，到现在只有短短 130 多年的历史。人类首次尝试无人驾驶的时间为 1925 年，当然这不是为了展示人工智能，而是用来展示无线电技术，它是用后面一辆车的无线电来控制前面一辆车的行为。之后的很多年，技术还是达不到让车辆自主行驶的水平。往往很多新事物的产生，都发端于科幻。比如，小说海底两万里中的潜水艇，成书的时候还没有潜水艇，但是在短短的一段时间之后潜水艇就出现了，所以科幻和科学是有密切关系的。自动驾驶也一样，在现实中还没有出现自动驾驶车辆的时候，科幻先描绘了自动驾驶的未来：

这个是 1982 年的美剧《霹雳游侠》，90 年代引入中国，当时也是比较火热的一部剧，里面就有描绘自动驾驶的片段，如上。

很快过了 20 年以后，在科研上，就出现了这样的汽车，最著名的就是 DARPA Challenge，DARPA 是美国国防部下属的研究机构，现在所使用的 GPS 系统，就是这家机构在 70 年代资助的。DARPA 在 2004 年第一次举办了无人车挑战赛，在一个沙漠路段，让自动驾驶汽车完成行驶，当时没有车辆完成挑战。但是到了 2005 年，有 5 个团队达成了目标，到 2007 年，开始挑战模拟的城市道路，并且需要在限定时间内完成。这个挑战赛的难度越来越大，并且开始有科研机构参与进来，其中最著名的就是斯坦福大学和卡耐基梅隆大学的研究团队，现在很多自动驾驶领域的领导者，都是当时研究团队里的研究生和教授。他们也贡献了自动驾驶领域最有参考价值的文献，如：

• “Towards 3D Object Recognition via Classification of Arbitrary Object Tracks”

• “Tracking-based semi-supervised learning”

• “Towards fully autonomous driving: Systems and algorithms”

所以在科研之后，工业界就开始关注这件事情，在最近的十几年还有很多事情让无人驾驶成为可能：

• 车辆技术：汽车的电子化和电动化。因为自动驾驶很多程序是需要电控系统的，如果是传统的液压或者机械控制方式，在反应速度和控制难度都会大很多。

• 算力 &芯片：算力的提升和芯片技术的进步，最优代表性的就是 CPU。

• 传感器：比如激光雷达，让自动驾驶能够达到更好的感知效果。

• 大数据：互联网带来的大数据技术。

所有的这些再结合机器学习算法的进步，让自动驾驶成为可能，并让工业界进入这一领域。

第一个是 Google，在 2009 年进入这一领域，并且收购了上述两个最优秀的大学科研团队。因此 Google 的无人车领先于世界，直到今天。

其他的公司也陆续进入了这一领域：

主要分为三类公司：高科技公司、汽车的一级供应商和主机厂。通过早期的文献，这些公司打造了自己的原型车。

当原型车出来之后，是否就是实现了从 0 到 1？不是的，原因可以参考上面的例子：现实非常骨感，即使我们根据前面的论文做出了原型车，在路上会遇到这样的情况，如逆行的电动车，这在挑战赛里是没有的。

还有这个场景，可以看到晚上会有一辆三轮车，并且上面会有非常庞大的物体，这对人工智能会是一个很大的挑战：如何判断这到底是个什么物体。

还有红绿灯，我们会发现每个城市，甚至不同的区域，红绿灯都有不同的模式，有各种的形状，以及逆光等等，都需要算法来解决，还有个更可怕的情况，如最右边的红绿灯，大家可以看到是个绿灯，但是真实的情况这个红绿灯坏了是不亮的，但是反绿。如果自动驾驶汽车要安全行驶就必须要解决这些问题，这些都是前面那些论文里不曾提及的。

工业界打造自动驾驶汽车，一定会商业化，并且创造市场价值，这不是做一个研究，所以最终的目标一定是：扩大车辆的数量，覆盖的范围，行驶的里程，运营的时段。所以这就带来了很多工程上的挑战。这里只是列举了其中一些：稳定性、可靠性、可扩展性、自动化、复杂场景处理、Corner case、大规模地图生成、地图增量快速更新、大数据存储和计算、BI、HMI、Control Center，所有的这些都需要我们去面对。

打个比方，就是从第一辆的奔驰车->5、60 年代的奔驰车->到现在的奔驰车。我们需要一次次的迭代。类比一下汽车换代，也许我们做出的第一辆原型车就是左边这辆车，但是我们最终的目标，是达到最右边或者中间的状态，虽然都是自动驾驶汽车，但是有非常大的不同。比汽车换代更难的是，我们的系统在升级换代时，是需要保持同步的测试的。

方法是我们会有一个非常快的迭代和流程，一个工程师如果要开发一个功能，或者修复一个 bug，会先在代码上做更新，然后在模拟仿真的环境下测试，测试的环境或者场景来自我们从各个地方采集的数据，如果都完成了之后，我们会进行场地测试或者路测，来验证是否达到预期，中间任何步骤如果不符合预期，会重新回到第一步骤，然后再次验证。实际这个流程是非常快的，一般当天就会有结果。如果测试结果 OK，每周都会同步到我们所有的测试车辆上。并且每个工程师都可以独立、并行的来做这件事情，这就保证了一个非常快的迭代节奏。

这是软件的迭代节奏，硬件上虽然不如软件这么快，但是我们也在保持一个非常快的节奏。

在技术上，我们也做了很多的创新，比如车载操作系统，我们放弃了 ROS，打造了自己的 PonyBrain 操作系统，目的是让系统更好的适应自动驾驶的场景。ROS 是一个分布式系统，并且它的时序是无法保证的，跟自动驾驶集中式的处理是相悖的，所以用我们自己打造的系统会有更高的效率，从我们实测来看，在同样的场景，我们系统的性能要高一个数量级。保证了车辆会有更大的空间去做算法的开发，并且能够保证安全性。如果实时性比较差的话，车辆在高速行驶中的安全性就得不到保证，因为 0.1 秒的差距就有产生很大距离的误差。

在数据上，我们也面临非常大的挑战，首先它跟互联网数据一样都很大，单辆车就会产生 PB 级的数据，远远多于一个互联网用户产生的数据，并且来源和互联网数据也不同，它的数据来自于客户端、大量的传感器数据以及模块运行日志。所以我们会自己打造一套数据系统，当然我们会利用之前已经有的技术，以及互联网的经验积累。

仿真系统，这个对我们也是非常重要，如果要保证算法的快速迭代，没有仿真的验证就会很慢，原因是很多的验证不可能去做实测，左边显示的是我们路测时候的场景，所有我们在路测过中认为是很重要的场景或者 case，都会收集到仿真系统中，所有代码的改动，都会触发重新测试这些 case，它可以保证我们的系统是进化的，而不是解决了一个问题，又冒出另外一个问题。仿真系统还有另外一个功能就是可以创造一些场景，因为某些场景在现实中是很难收集得到的。

高精地图也是一个绕不开的话题，与传统导航地图相比，我们的数据量非常大，并且要求厘米级的精度，而导航地图到米就足够了。最后就是更新的频率，导航地图可能一个月更新一次，对于自动驾驶，我们最早是天级别的，后来发现不够，又采用增量和全量更新的方式做到了小时级别，后来发现小时级还是不够，因为经常会有人把路封住，比如修路，这时单纯靠感知的能力不是特别理想，如果我们的第一辆车感知到这个场景，我们就会下发到其他所有车辆，告诉他们这个地方是不通的，所以我们可以达到分钟级别的响应。

传感器的融合，最核心的传感器有毫米波雷达，摄像头，激光雷达等，这几个传感器都有各自的优点，目前还无法互相取代。那么如何去使用这些传感器，达到安全驾驶，我们的思路是把传感器的数据融合起来，这里展示的是，把激光雷达的数据和摄像头的数据进行了融合。激光雷达的一个特性是有非常准确的距离数据，摄像头的优点是分辨率非常高，并且有色彩和纹理，如果能把更多类的传感器数据融合在一起，那么后面无论是传统方法还是深度学习方法，都能取得一个更好的效果，从源头上解决感知效果的问题。当然这里有很多很难的技术，比如传感器的标定，我们需要把所有的传感器结果投影到一起，它们之间的 3D 关系，是一个很难的问题。还有就是时间的同步，每种传感器触发的时间都是不一致的，如果误差在零点零几秒，我们就无法做到图中的情况，做不到时间上的同步。

这是我们通过一系列创新和迭代达到的效果，这是加州车辆管理局（DMV）公布的，各家在加州获得牌照进行测试的一些自动驾驶公司的数据（不包括中国路测的数据），最重要的两个数据是里程和 MPI ( 平均多少公里以后需要人工接管，这个数据越高越好，表示车辆智能化程度越高 ) 。

这是 Pony.ai 部分路测片段，包含了晚高峰、动态寻路和雨夜等场景：

Pony.ai 部分路测片段

Pony.ai 在做的一个未来自动驾驶的可能落地模式：自动驾驶出租车（Robotaxi）。这里的技术挑战是什么呢？在很多公司的展示中，我们看到的是从 A 点到 B 点的展示，它只有一条固定路线，甚至是固定车道，并且容易过度拟合。而区域内出租车是多点动态寻路，面临的场景是该地区内的任何路线或车道，复杂性呈指数级增长。

2018 年 12 月，我们发布了 PonyPilot 项目的同名内测版小程序。通过小程序，试乘者在覆盖区域内可以自由选择想去的目的地。目前除了内部员工外，该小程序的权限为邀请制，未来考虑开放为可自由下载。

PonyPilot 体验

PonyPilot 内测版小程序

离 1 还有多远

我们自己认为自动驾驶会有这样的几个阶段：最早的就是原型车或者普通的展示，然后有些公司会往前走，做一个优秀的展示，第三个阶段就是我们现在在努力实现的，打造的无人驾驶车队的运营，只有通过这个阶段来验证系统的可靠性，去不断的收集数据，不断的算法迭代，才有可能达到商业化，它无法从一个优秀的展示，直接跨越到商业化产品，所以中间的阶段是目前头部公司一直在努力达到的一个阶段，这个阶段做好之后就会尝试在某个区域进行商业化的运营，这时自动驾驶就会真正进入到人们的生活，到最后才是自动驾驶进入城市或者千家万户。最终的目标还非常遥远（10 年计），但是自动驾驶的商业化没有那么远。

最终自动驾驶会成为一个现实，我们的智慧交通、智慧城市也会真正的实现，也许到那时在道路上开一辆非自动驾驶的汽车是非法的，比如现在在马路上骑马就是非法的。我们期待着这一天的实现，谢谢大家。

作者介绍：

李衡宇，Pony.ai 北京研发中心负责人，四川大学电子信息学硕士，前百度广告搜索部和自动驾驶事业部资深工程师，曾获“百度最高奖（百万美元大奖）”，目前在 Pony.ai 负责自动驾驶整体技术研发。

本文来自 DataFun 社区

原文链接：

https://mp.weixin.qq.com/s/_0wlfAE_Ccf3WOl-DUA1XA