正在阅读:

无人驾驶商用车抢先落地,图森未来如何掘金万亿货运市场

扫一扫下载界面新闻APP

无人驾驶商用车抢先落地,图森未来如何掘金万亿货运市场

L4级自动驾驶商业化触手可及。

指导 | 张扬 调研 | 唐靖茹 费凯琳 撰写| 唐靖茹

图森未来是国内最早从事商用车自动驾驶研发的人工智能公司,其目标定位清晰,最先选择的半封闭枢纽货运场景具有天然的落地优势,配合客户接受度高的商业模式,为L4级自动驾驶商业化落地做出了示范。随着产品技术更加成熟,政策法规逐渐放开,多场景的货运市场被覆盖之时,自动驾驶商用车的巨大潜力将被释放。

毫无疑问,自动驾驶将改变未来出行。但自动驾驶将给人类创造的价值,绝不仅限于出行领域。

L4场景中,无人巴士、无人出租车已相继亮相,科技感十足,颇受大众瞩目。而巨大的机会往往潜藏于被忽视处,物流运输场景即是其中一个。

2017年,我国社会物流总费用12.1万亿元,其中运输费用6.6万亿元,社会物流总费用与GDP的比率为14.6%,相比欧美等发达国家高出3到4个百分点。

业界认为,物流业基础设施、信息技术、制度环境等越完善,物流总成本在GDP中比重越低。我国物流行业尚存在较大提升空间,随着人工智能技术逐渐成熟,智慧物流必将发挥重要作用,无人驾驶卡车将承载城际运输和港口运输两个举足轻重的运输市场。

成立于2015年的图森未来是国内专注于商用车自动驾驶研发与应用的人工智能公司,早期曾探索计算机视觉技术在多个领域的企业级应用,后将商用车自动驾驶作为核心研发方向,并转变商业模式,直接提供无人车运输服务。

01

抢占先机

半封闭枢纽货运场景落地顺畅

图森未来首先从城际运输切入,在三年间完成了从无到有的过程,一步步朝着目标迈进。

先与主机厂达成战略合作关系,改装线控卡车,产出原型机;后获得加州车管局颁发的路测牌照,并在亚利桑那州图森市设立研发测试中心;而后举行了全国首次L4级自动驾驶卡车公开演示,并于今年宣布进军港口内集卡运输市场。

图森未来在国内选中港口场景率先落地,与场景特点有着密不可分的联系。港口货运属于半封闭枢纽场景,与城际运输相比,落地条件更为优越。

半封闭枢纽场景速度不高,危险性相对较低,客户接受度比较高,且港口范围内运输车辆参考工程机械管理,准入规则由港口制定,法规政策限制少,合作阻碍小。

半封闭枢纽场景中环境相对可控,需要学习处理的corner case也相对有限,车辆与TOS(码头管理系统)也能实现顺畅交互,非常适合早期自动驾驶落地。

2018年10月,图森未来率先取得国内首张卡车无人驾驶公开道路测试牌照,开放场景的落地更加值得期待。

02

定位运输服务商

成本优势创造价值

图森未来的商业模式显著有别于以算法软件为核心的技术供应商,其“运输服务商”的定位十分明确。

既然是提供运输服务,在服务结果没有差别的条件下,只有成本优势足够支撑更有竞争力的报价,才能取代传统的运输服务车队。

首先是直接的司机成本和直接的管理成本。

货运港口环境封闭,受海岸气候影响,工作条件艰苦,且24小时作业,不仅使得人力成本居高不下,也提高了人员管理难度。对于港口来说,无人驾驶运输不仅能够节省司机成本,还能够节约港口的人员管理支出,更能有效避免司机疲劳驾驶或情绪化工作造成的危险驾驶行为。

其次,车辆的使用效率更高。

由于港口卸货量存在峰谷波动,传统车队很难完美协调人车匹配。高峰期人员未到位,车辆无法被利用;低谷期存在人员闲置,浪费成本。自动驾驶车辆则可以随时被调配,完全适应港口的需求波动。

最后,油耗表现会更好,这一点在高速场景下尤为明显。

人类司机受各种因素影响,难免存在情绪化的驾驶行为。机器在决策规划上能够比人更精准,还能完全保持理性,经图森未来实测,在高速场景下能够节约7%-10%的油耗,对于利润率偏低的运输行业来说,吸引力十足。

虽然由于加装传感器等硬件设备,车辆本身的造价更高,但据其内部测算,仍然存在较大的毛利空间。

中国港口内集卡运输每年市场规模近百亿元人民币,干线运输市场更是高达1.5万亿人民币。图森未来将针对每位客户提供全套运输服务和全面的运营支持,逐步取代传统运输车队,高客单价叠加高黏性,LTV非常可观。

03

技术保障商用能力

百辆投放2019年铺开

港口全天候作业,作为落地商用,就必须适应不同的工作环境。

图森未来采用摄像头、毫米波雷达和激光雷达融合方案,并结合高精地图及SLAM定位,能够适应各种天气状况。自落地运营以来,白天、夜晚、雨天及雾天等特殊工况下的商用能力都已得到验证。

虽然目前高速场景落地在国内还需要等待政策支持,但逐步放开是可预见的趋势。欧美对自动驾驶的政策相对宽松,图森未来的高速运输已在美国先行落地并开始持续取得收入。

行驶速度的提升必然要求感知能力的提升,只有感知到更远距离的环境状态,才能给决策和控制留有充分的余地。据图森未来联合创始人兼COO郝佳男介绍,图森未来以视觉技术为核心,能够超越人眼的感知能力,实现千米感知,奠定高速自动驾驶基础。

全球视觉计算技术行业领袖英伟达是图森未来的B轮投资方。英伟达与图森有紧密的技术交流,会根据图森未来的业务需求定制芯片,给予充分支持,而图森未来所展示出的综合技术能力也反向证明了英伟达芯片的高性能。

为保证运营安全并持续监控产品状态,进行迭代升级,图森未来目前在港口运输车上配备了安全员,预期2019年年底实现完全无人监督,上百辆无人驾驶运输车将在港口全面铺开。

近期,爱分析专访图森未来联合创始人兼COO郝佳男,就智能驾驶领域行业趋势和图森未来的业务发展进行了交流,部分精彩内容与读者分享。

04

千米感知能力超越人眼

综合能力保障行车安全

爱分析:图森未来的落地进展情况如何?

郝佳男:现在我们进行得很顺利,美国那边已经在为客户去运一些货物了。

我们在2017年做了一些阶段性的测试,包括在高速公路上,但国内确实有一些政策上的限制。工博会时工信部部长亲自上车去体验自动驾驶,给了很高的评价,希望快速推进,现在确实也落实了很多。

今年我们把战线拓宽到港口,其实现在跟很多用户都有密切合作。对于卡车,我们觉得上海作为落地的点是比较合适的。作为交通枢纽,然后包括高速,包括港口,上海的集装箱吞吐量是非常高的。

所以我们的期望是先服务比较大的客户,把整套产品先落地。因为我们认为自动驾驶,其实不是做演示,还是要实际地把产品做出来。所以还是找到实际用户,找到实际场景,然后在那边去完成。

现在上海这边我们开了新的office,也开了新的厂房,之后我们有很多重心会放在上海去做落地。

爱分析:城际运输相当于是高速场景?

郝佳男:其实也不能用高速去概括,因为高速只是中间那一段,在两端其实有驳接的路段,这个路段其实还挺复杂的,可能都是一些城乡的路段,然后车辆也不是很守规矩,也不一定有很清晰的道路,这块是要被解决的。

然后中间的高速,肯定也有很困难的点,因为速度快。包括卡车本身,因为它很重,然后中间有曲轴,在开卡车的时候,不能像小车一样,发现有问题要赶紧换道,或者说踩一脚急刹,这些对卡车来说都是极其危险的。

所以卡车要求我们预见到未来发生的很多事情,去让自己安全,不要让自己陷入到很危险的境地,不然怎么着都会出问题,那就不好了。所以我们前一阵发布了一个叫千米感知的技术。这个技术是很重要的一环,只有看得远,才能够遇见到更远未来有可能会发生的事情。其实对于高速,特别是对于卡车来说,是必须的。可能对于小车来说,没有千米的要求,但是也有很远距离的要求。

这方面其实是一个综合实力的体现,我们经过这么长时间的积累,在传感器结构,包括算法这些方面进行创新,最终才解决了这种长距离的感知问题。这不是简单堆砌装备,或者只用一些简单的trick能解决,其实是一个很复杂,很系统的工程才能把它解决掉。

爱分析:关于长距离感知,主流的有哪些解决方案?

郝佳男:如果是用激光雷达,现在主流的激光雷达有效感知距离可能是在80到100米,这个距离对于高速其实是不够的。我们的方案是主要基于视觉去做更远距离的感知。

因为你并不是看到这边有障碍物,你要真的知道它是什么,要知道它的速度,甚至要预测它之后的行为,摄像头能够给我们丰富的信息,所以比较适合去做这个。

我们本身的方案里面,长距离感知占有很大的比例,越远,其实视觉的比例会越大。整套系统,是多重传感器一起去融合的结果。

爱分析:目前的视觉系统是能达到人眼精度还是超过人眼?

郝佳男:实际上能够超过人眼。人比较强的是对它的理解,比如说我看到前面有束光,我知道可能有个车要蹿出来,这是人真的很强的,但这个不是人眼,是人脑。

比如说我们在黑天,或者真的进到一个会议室,只有一个玻璃门,其他都是墙,把灯关了,人基本上是看不太清了,但是我们的传感器能够看清。

因为传感器本身,比如说感光原件,可能比人眼要好,但是怎么理解这个图像,这就是要拼实力了,比如算法要很强,能够去理解它,这一点上是不太一样。而且包括比如说下雾了,有些时候人也会受到视线影响,这件事情对于系统来说也不是不可解决,系统也可以通过别的方式去把雾尽可能地降低,这些都是能够去做的。

爱分析:现在整套方案需要多少个摄像头?

郝佳男:如果是很完整的方案,比如说要跑高速也要跑港区,也要跑城市路段,大概是9到11个摄像头,会有一些分布,就是比较关注的点会有摄像头。

05

趋势明显

传感器融合能力考验技术水平

爱分析:传感器融合是在数据层面还是目标层面?

郝佳男:其实这是两个都要做的事情,要去看实际的融合目标是什么。

比如说两个传感器,需要在最原始的数据做融合,有益于后面的处理,我们就会去做;如果这两个传感器相对来说是很独立的输入,并不需要跟别的数据混合起来用,那可能就会独立地去做一个输出。

这些其实是看实际的,它能输出的东西也是看我们最终要求的结果。

爱分析:不同传感器感知矛盾的时候,如何处理?

郝佳男:其实这就是融合,融合其实是要针对不同的数据来源。

举个简单的例子,比如说我有四个传感器,我知道这个传感器在某一种工况下是信度比较高的,然后在另一个在其他工况下比较好,但是在刚才就不好。它们输出的时候,其实会告诉我的融合模块,比如说我现在有个结果,但我觉得不太稳,我其实拿不准。一个可能说我特别确信,这块地上有一个障碍物;另一个说我可能看到这边有一个东西,但我不确定。

这些其实不是简单是一个输出,比如它说有,它说没有,其实你就很难办,我到底信谁的。其实融合不是这样,有额外的很多跟信度相关的信息,而且这也不是单一的维度。比如说某个纵向比较准,另一个横向比较准,这些都是有区分的。

这些东西会最终融合起来,所以这部分融合确实就是一个深水区,这个地方能做好了和做得不好,差别非常大。

爱分析:融合模块能够集成到视觉芯片上吗?

郝佳男:这块其实并没有必要去用一个芯片。通常车上的计算能力,要么可以做分布式的,比如每一个传感器经过初步处理,然后去做;也可以做成中央式的,所有的数据先到一个地方,然后去做。但实际上更普遍的是两个融合,有一些其实做了初步处理,然后再往后去融合,这种肯定用得最多。

爱分析:分布式的稳定性会更高吗?

郝佳男:这个其实是要算的,比如这一个软硬件设计出来,放在这个地方,最终给一个输出,理论上怎么去算它的可靠性。如果单体的可靠性是一个值,可以认为是这样,假如说是中央式的,要算每个传感器的可靠性,然后再算中央的节点可靠性,是不是还有冗余节点,互相之间是不是有链路,这些都要去考虑,其实并不能说这个就比另一个好。

而且现在就算是车本身,设计上也是两种兼而有之。这个是要去评估的,比如用了一堆分布式的东西,但是不一定就提供了冗余度。

06

车端智能必不可少

持续升级静待产品成熟

爱分析:现在港口场景里是否能做到完全无人?

郝佳男:实际上现在不能够做到百分之百无接管,这个肯定还是需要去进一步磨练,因为工况太复杂了。比如传感器失效,或者车出现故障,这些是必须要考虑的。并不是说简简单单算法是好的,它就是好的,这个要去考量。

爱分析:所以现在实现的是L3级别?

郝佳男:不是。L3的话,系统假设就是有人存在的,我们人的接管并不是按L3要求的。假如设计L3的系统,其实都不用去考虑这么多可靠性的要求。保证可靠性差不多就OK了,有人作为后盾,很多的场景不用考虑就完了。出了问题,我交给人,只要保证交给人能解决。

但是现在不是,很多设计是完全不一样的,包括这两者对算力的要求,对很多整体的设计,其实都太不一样。一个是帮助人的东西,一个是替代掉人的东西,两个差别非常大。

爱分析:港口TOS能够辅助一部分决策吗?

郝佳男:并不是,TOS其实是告诉你要做什么事情。

比如你要去箱区抓一个箱子,那这属于业务系统。但是你怎么过去,你怎么保证你的车是安全的,这个是我们做的。

我们不去管集装箱堆区里面箱子应该怎么堆,或者我是要从船上放一个箱子,还是现在先不放,这个是TOS决定的。现有所有的港口都有这样的TOS系统,只不过对接方式不一样,人开的车上有一个屏幕,比如上面写你去哪个箱区,接一个什么号的箱子,然后再去哪,只不过现在指令传达到了自动化的卡车里,是这样去做的。

爱分析:未来是否有可能全部交给中央控制决定?

郝佳男:可以大范围地规划,比如车要走这条路好还是走那条路好,但是不可能车上没有任何的决策,完全由中控去做,这是不行的。因为这受限于网络可靠性,还有延迟、带宽这些问题。

这是一个很现实的问题,不可能交给一个远端去做这样的处理,这本身是会有问题的。所以车内做了大部分短期的,比如几秒甚至分钟级别的决策;大范围的,比如知道这条路堵了,那中控告诉你不要走,这些中控可以告诉你。其他是不行的,必须车辆自己去做决策。

爱分析:今年到明年有怎样的战略目标?

郝佳男:今年我们还有很多技术方案会逐渐成熟起来,然后明年就是小批量的部署,一两百辆。因为它是渐进性的,如果很多方案都没成熟,其实上一百辆车也没什么用,只有当它慢慢成熟起来,才能去把量上去,就是要去发现更多问题。

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

无人驾驶商用车抢先落地,图森未来如何掘金万亿货运市场

L4级自动驾驶商业化触手可及。

指导 | 张扬 调研 | 唐靖茹 费凯琳 撰写| 唐靖茹

图森未来是国内最早从事商用车自动驾驶研发的人工智能公司,其目标定位清晰,最先选择的半封闭枢纽货运场景具有天然的落地优势,配合客户接受度高的商业模式,为L4级自动驾驶商业化落地做出了示范。随着产品技术更加成熟,政策法规逐渐放开,多场景的货运市场被覆盖之时,自动驾驶商用车的巨大潜力将被释放。

毫无疑问,自动驾驶将改变未来出行。但自动驾驶将给人类创造的价值,绝不仅限于出行领域。

L4场景中,无人巴士、无人出租车已相继亮相,科技感十足,颇受大众瞩目。而巨大的机会往往潜藏于被忽视处,物流运输场景即是其中一个。

2017年,我国社会物流总费用12.1万亿元,其中运输费用6.6万亿元,社会物流总费用与GDP的比率为14.6%,相比欧美等发达国家高出3到4个百分点。

业界认为,物流业基础设施、信息技术、制度环境等越完善,物流总成本在GDP中比重越低。我国物流行业尚存在较大提升空间,随着人工智能技术逐渐成熟,智慧物流必将发挥重要作用,无人驾驶卡车将承载城际运输和港口运输两个举足轻重的运输市场。

成立于2015年的图森未来是国内专注于商用车自动驾驶研发与应用的人工智能公司,早期曾探索计算机视觉技术在多个领域的企业级应用,后将商用车自动驾驶作为核心研发方向,并转变商业模式,直接提供无人车运输服务。

01

抢占先机

半封闭枢纽货运场景落地顺畅

图森未来首先从城际运输切入,在三年间完成了从无到有的过程,一步步朝着目标迈进。

先与主机厂达成战略合作关系,改装线控卡车,产出原型机;后获得加州车管局颁发的路测牌照,并在亚利桑那州图森市设立研发测试中心;而后举行了全国首次L4级自动驾驶卡车公开演示,并于今年宣布进军港口内集卡运输市场。

图森未来在国内选中港口场景率先落地,与场景特点有着密不可分的联系。港口货运属于半封闭枢纽场景,与城际运输相比,落地条件更为优越。

半封闭枢纽场景速度不高,危险性相对较低,客户接受度比较高,且港口范围内运输车辆参考工程机械管理,准入规则由港口制定,法规政策限制少,合作阻碍小。

半封闭枢纽场景中环境相对可控,需要学习处理的corner case也相对有限,车辆与TOS(码头管理系统)也能实现顺畅交互,非常适合早期自动驾驶落地。

2018年10月,图森未来率先取得国内首张卡车无人驾驶公开道路测试牌照,开放场景的落地更加值得期待。

02

定位运输服务商

成本优势创造价值

图森未来的商业模式显著有别于以算法软件为核心的技术供应商,其“运输服务商”的定位十分明确。

既然是提供运输服务,在服务结果没有差别的条件下,只有成本优势足够支撑更有竞争力的报价,才能取代传统的运输服务车队。

首先是直接的司机成本和直接的管理成本。

货运港口环境封闭,受海岸气候影响,工作条件艰苦,且24小时作业,不仅使得人力成本居高不下,也提高了人员管理难度。对于港口来说,无人驾驶运输不仅能够节省司机成本,还能够节约港口的人员管理支出,更能有效避免司机疲劳驾驶或情绪化工作造成的危险驾驶行为。

其次,车辆的使用效率更高。

由于港口卸货量存在峰谷波动,传统车队很难完美协调人车匹配。高峰期人员未到位,车辆无法被利用;低谷期存在人员闲置,浪费成本。自动驾驶车辆则可以随时被调配,完全适应港口的需求波动。

最后,油耗表现会更好,这一点在高速场景下尤为明显。

人类司机受各种因素影响,难免存在情绪化的驾驶行为。机器在决策规划上能够比人更精准,还能完全保持理性,经图森未来实测,在高速场景下能够节约7%-10%的油耗,对于利润率偏低的运输行业来说,吸引力十足。

虽然由于加装传感器等硬件设备,车辆本身的造价更高,但据其内部测算,仍然存在较大的毛利空间。

中国港口内集卡运输每年市场规模近百亿元人民币,干线运输市场更是高达1.5万亿人民币。图森未来将针对每位客户提供全套运输服务和全面的运营支持,逐步取代传统运输车队,高客单价叠加高黏性,LTV非常可观。

03

技术保障商用能力

百辆投放2019年铺开

港口全天候作业,作为落地商用,就必须适应不同的工作环境。

图森未来采用摄像头、毫米波雷达和激光雷达融合方案,并结合高精地图及SLAM定位,能够适应各种天气状况。自落地运营以来,白天、夜晚、雨天及雾天等特殊工况下的商用能力都已得到验证。

虽然目前高速场景落地在国内还需要等待政策支持,但逐步放开是可预见的趋势。欧美对自动驾驶的政策相对宽松,图森未来的高速运输已在美国先行落地并开始持续取得收入。

行驶速度的提升必然要求感知能力的提升,只有感知到更远距离的环境状态,才能给决策和控制留有充分的余地。据图森未来联合创始人兼COO郝佳男介绍,图森未来以视觉技术为核心,能够超越人眼的感知能力,实现千米感知,奠定高速自动驾驶基础。

全球视觉计算技术行业领袖英伟达是图森未来的B轮投资方。英伟达与图森有紧密的技术交流,会根据图森未来的业务需求定制芯片,给予充分支持,而图森未来所展示出的综合技术能力也反向证明了英伟达芯片的高性能。

为保证运营安全并持续监控产品状态,进行迭代升级,图森未来目前在港口运输车上配备了安全员,预期2019年年底实现完全无人监督,上百辆无人驾驶运输车将在港口全面铺开。

近期,爱分析专访图森未来联合创始人兼COO郝佳男,就智能驾驶领域行业趋势和图森未来的业务发展进行了交流,部分精彩内容与读者分享。

04

千米感知能力超越人眼

综合能力保障行车安全

爱分析:图森未来的落地进展情况如何?

郝佳男:现在我们进行得很顺利,美国那边已经在为客户去运一些货物了。

我们在2017年做了一些阶段性的测试,包括在高速公路上,但国内确实有一些政策上的限制。工博会时工信部部长亲自上车去体验自动驾驶,给了很高的评价,希望快速推进,现在确实也落实了很多。

今年我们把战线拓宽到港口,其实现在跟很多用户都有密切合作。对于卡车,我们觉得上海作为落地的点是比较合适的。作为交通枢纽,然后包括高速,包括港口,上海的集装箱吞吐量是非常高的。

所以我们的期望是先服务比较大的客户,把整套产品先落地。因为我们认为自动驾驶,其实不是做演示,还是要实际地把产品做出来。所以还是找到实际用户,找到实际场景,然后在那边去完成。

现在上海这边我们开了新的office,也开了新的厂房,之后我们有很多重心会放在上海去做落地。

爱分析:城际运输相当于是高速场景?

郝佳男:其实也不能用高速去概括,因为高速只是中间那一段,在两端其实有驳接的路段,这个路段其实还挺复杂的,可能都是一些城乡的路段,然后车辆也不是很守规矩,也不一定有很清晰的道路,这块是要被解决的。

然后中间的高速,肯定也有很困难的点,因为速度快。包括卡车本身,因为它很重,然后中间有曲轴,在开卡车的时候,不能像小车一样,发现有问题要赶紧换道,或者说踩一脚急刹,这些对卡车来说都是极其危险的。

所以卡车要求我们预见到未来发生的很多事情,去让自己安全,不要让自己陷入到很危险的境地,不然怎么着都会出问题,那就不好了。所以我们前一阵发布了一个叫千米感知的技术。这个技术是很重要的一环,只有看得远,才能够遇见到更远未来有可能会发生的事情。其实对于高速,特别是对于卡车来说,是必须的。可能对于小车来说,没有千米的要求,但是也有很远距离的要求。

这方面其实是一个综合实力的体现,我们经过这么长时间的积累,在传感器结构,包括算法这些方面进行创新,最终才解决了这种长距离的感知问题。这不是简单堆砌装备,或者只用一些简单的trick能解决,其实是一个很复杂,很系统的工程才能把它解决掉。

爱分析:关于长距离感知,主流的有哪些解决方案?

郝佳男:如果是用激光雷达,现在主流的激光雷达有效感知距离可能是在80到100米,这个距离对于高速其实是不够的。我们的方案是主要基于视觉去做更远距离的感知。

因为你并不是看到这边有障碍物,你要真的知道它是什么,要知道它的速度,甚至要预测它之后的行为,摄像头能够给我们丰富的信息,所以比较适合去做这个。

我们本身的方案里面,长距离感知占有很大的比例,越远,其实视觉的比例会越大。整套系统,是多重传感器一起去融合的结果。

爱分析:目前的视觉系统是能达到人眼精度还是超过人眼?

郝佳男:实际上能够超过人眼。人比较强的是对它的理解,比如说我看到前面有束光,我知道可能有个车要蹿出来,这是人真的很强的,但这个不是人眼,是人脑。

比如说我们在黑天,或者真的进到一个会议室,只有一个玻璃门,其他都是墙,把灯关了,人基本上是看不太清了,但是我们的传感器能够看清。

因为传感器本身,比如说感光原件,可能比人眼要好,但是怎么理解这个图像,这就是要拼实力了,比如算法要很强,能够去理解它,这一点上是不太一样。而且包括比如说下雾了,有些时候人也会受到视线影响,这件事情对于系统来说也不是不可解决,系统也可以通过别的方式去把雾尽可能地降低,这些都是能够去做的。

爱分析:现在整套方案需要多少个摄像头?

郝佳男:如果是很完整的方案,比如说要跑高速也要跑港区,也要跑城市路段,大概是9到11个摄像头,会有一些分布,就是比较关注的点会有摄像头。

05

趋势明显

传感器融合能力考验技术水平

爱分析:传感器融合是在数据层面还是目标层面?

郝佳男:其实这是两个都要做的事情,要去看实际的融合目标是什么。

比如说两个传感器,需要在最原始的数据做融合,有益于后面的处理,我们就会去做;如果这两个传感器相对来说是很独立的输入,并不需要跟别的数据混合起来用,那可能就会独立地去做一个输出。

这些其实是看实际的,它能输出的东西也是看我们最终要求的结果。

爱分析:不同传感器感知矛盾的时候,如何处理?

郝佳男:其实这就是融合,融合其实是要针对不同的数据来源。

举个简单的例子,比如说我有四个传感器,我知道这个传感器在某一种工况下是信度比较高的,然后在另一个在其他工况下比较好,但是在刚才就不好。它们输出的时候,其实会告诉我的融合模块,比如说我现在有个结果,但我觉得不太稳,我其实拿不准。一个可能说我特别确信,这块地上有一个障碍物;另一个说我可能看到这边有一个东西,但我不确定。

这些其实不是简单是一个输出,比如它说有,它说没有,其实你就很难办,我到底信谁的。其实融合不是这样,有额外的很多跟信度相关的信息,而且这也不是单一的维度。比如说某个纵向比较准,另一个横向比较准,这些都是有区分的。

这些东西会最终融合起来,所以这部分融合确实就是一个深水区,这个地方能做好了和做得不好,差别非常大。

爱分析:融合模块能够集成到视觉芯片上吗?

郝佳男:这块其实并没有必要去用一个芯片。通常车上的计算能力,要么可以做分布式的,比如每一个传感器经过初步处理,然后去做;也可以做成中央式的,所有的数据先到一个地方,然后去做。但实际上更普遍的是两个融合,有一些其实做了初步处理,然后再往后去融合,这种肯定用得最多。

爱分析:分布式的稳定性会更高吗?

郝佳男:这个其实是要算的,比如这一个软硬件设计出来,放在这个地方,最终给一个输出,理论上怎么去算它的可靠性。如果单体的可靠性是一个值,可以认为是这样,假如说是中央式的,要算每个传感器的可靠性,然后再算中央的节点可靠性,是不是还有冗余节点,互相之间是不是有链路,这些都要去考虑,其实并不能说这个就比另一个好。

而且现在就算是车本身,设计上也是两种兼而有之。这个是要去评估的,比如用了一堆分布式的东西,但是不一定就提供了冗余度。

06

车端智能必不可少

持续升级静待产品成熟

爱分析:现在港口场景里是否能做到完全无人?

郝佳男:实际上现在不能够做到百分之百无接管,这个肯定还是需要去进一步磨练,因为工况太复杂了。比如传感器失效,或者车出现故障,这些是必须要考虑的。并不是说简简单单算法是好的,它就是好的,这个要去考量。

爱分析:所以现在实现的是L3级别?

郝佳男:不是。L3的话,系统假设就是有人存在的,我们人的接管并不是按L3要求的。假如设计L3的系统,其实都不用去考虑这么多可靠性的要求。保证可靠性差不多就OK了,有人作为后盾,很多的场景不用考虑就完了。出了问题,我交给人,只要保证交给人能解决。

但是现在不是,很多设计是完全不一样的,包括这两者对算力的要求,对很多整体的设计,其实都太不一样。一个是帮助人的东西,一个是替代掉人的东西,两个差别非常大。

爱分析:港口TOS能够辅助一部分决策吗?

郝佳男:并不是,TOS其实是告诉你要做什么事情。

比如你要去箱区抓一个箱子,那这属于业务系统。但是你怎么过去,你怎么保证你的车是安全的,这个是我们做的。

我们不去管集装箱堆区里面箱子应该怎么堆,或者我是要从船上放一个箱子,还是现在先不放,这个是TOS决定的。现有所有的港口都有这样的TOS系统,只不过对接方式不一样,人开的车上有一个屏幕,比如上面写你去哪个箱区,接一个什么号的箱子,然后再去哪,只不过现在指令传达到了自动化的卡车里,是这样去做的。

爱分析:未来是否有可能全部交给中央控制决定?

郝佳男:可以大范围地规划,比如车要走这条路好还是走那条路好,但是不可能车上没有任何的决策,完全由中控去做,这是不行的。因为这受限于网络可靠性,还有延迟、带宽这些问题。

这是一个很现实的问题,不可能交给一个远端去做这样的处理,这本身是会有问题的。所以车内做了大部分短期的,比如几秒甚至分钟级别的决策;大范围的,比如知道这条路堵了,那中控告诉你不要走,这些中控可以告诉你。其他是不行的,必须车辆自己去做决策。

爱分析:今年到明年有怎样的战略目标?

郝佳男:今年我们还有很多技术方案会逐渐成熟起来,然后明年就是小批量的部署,一两百辆。因为它是渐进性的,如果很多方案都没成熟,其实上一百辆车也没什么用,只有当它慢慢成熟起来,才能去把量上去,就是要去发现更多问题。

本文为转载内容,授权事宜请联系原著作权人。