演講實錄丨吳甘沙 2020-2025：無人駕駛的應許

2020-2025：無人駕駛的應許

吳甘沙

馭勢科技創始人&CEO

吳甘沙：今年2月份出來創業，我們做的事情就是智能駕駛，我今天的題目跟的內容不完全一致，說實話我的內容有點虛，看到李院士那麼認真的在準備新的內容，所以昨天晚上我又加入了一些新的內容，但這些新內容我敢保證以前很少給大家看過。

    今天我這個內容就分成兩部分：一部分是2020-2025智能駕駛尤其是無人駕駛能夠給我們帶來什麼？第二部分是想分享一下，我們公司為了達到這樣一種願景，在做一些什麼樣的技術準備。

    首先有一個新的判斷，大家心裏麵應該有數，就是2016年的人工智能它是一個什麼樣級別的大趨勢，我們把它跟1996年的互聯網以及1976年的PC相提並論。大家知道1976年PC引領了數字化的二十年，而1996年互聯網帶來了網絡化的二十年，今天仍在享受網絡化的紅利。2016年即將揭開，是波瀾壯闊智能化的二十年，這個大的趨勢我希望大家都能夠放在自己的心裏麵，這將影響你未來二十年你會做什麼？

    在未來五到十年這麼一個時間尺度上，我們認為在所有的智能產業當中，智能駕駛是非常好的，首先它市場非常大，涉及到三個萬億美金的市場，第一個是市場市場；第二個是出行市場，現在大家都知道優步、滴滴；第三個是自動駕駛直接或間接帶來的社會效益，這是在它的報告中給出的數字，一年能夠給美國帶來1.3萬億美金的社會效益，相當於美國GDP的8%。我們腦海裏想一想，還有沒有第二個人工智能的技術達到如此之高的社會效益，我是沒有想到。這些社會效益怎麼來體現呢？我還是拿北京作為一個沙盤推演一下。

    北京車很多，600萬輛機動車，絕大多數是私家車，車多導致了堵車，堵車又導致了排放、霧霾，又導致了交通事故，車多還導致了停車困難，一輛車90%以上的時間是停著的，而且需要兩個停車位，20-30%的土地在北京是用來停車的，這個數字大家聽起來覺得觸目驚心，房價貴在軍功章裏也有停車的一半。我們就在想怎麼能夠通過智能駕駛，尤其是無人駕駛來去打破這樣的鏈條，我們去問大家為什麼要買車？根源是在車特別多，而且人駕駛，我們得到兩個原因，第一個原因是說要按需出行，但是我打不到車，全北京隻有7萬輛出租車；第二個原因是工薪階層整天打車太貴了，所以我們現在在考慮一個願景，就是在十年以後，北京可能隻生下了300萬輛車，減少了一半，但是其中有200萬輛可能是無人駕駛的出租車，大家初一聽到這麼一個願景，可能覺得有點太不靠譜了，怎麼有那麼多無人駕駛的出租車呢？我請大家回想一下十年以前，2006年蘋果還沒有出現，移動互聯網根本沒有，今天享受的O2O各種各樣的服務完全都沒有，過去的十年技術改變了這麼一個世界，未來這十年，我們相信技術的發展是呈加速的態勢。當然，這些出租車跟剛才劉院士說的完全自主的出租汽車還不完全一樣，我們把它定位成為在城市區域行駛的中低速的無人駕駛汽車，所謂中低速像穀歌是調在40公裏的時速以下，這200萬輛出租車就能夠解決剛才的問題，一個就是我們想打車，車3分鍾之內就能來，我們有一個大調度的算法，把這些車分布在城市的各個地方，保證我要車車就能來，保證出租車費能夠降到今天的1/3，為什麼？今天出租車的人本機構一大塊是人力成本、一塊是分子錢，一塊是油錢。那麼無人駕駛把人力成本去掉，份子錢滴滴優步已經擠出去了，油錢是由於我們很多車在空駛，而且新能源每公裏的能源成本比今天的化石原料低很多，所以打車會非常便宜，大家改變了消費習慣，就不會去買車，我享受這種按需出行的服務。

    那所有很多一環一環的服務就會被打破了，首先一排車可以整整齊齊的在路上開，車的能源效率也會極大的提升，所以邏輯鏈條的第一環，堵車和排放先去解決了，還有我們的通行效率也會得到極大的提升。大家知道，今天北京的平均時速20公裏/小時，就是因為十字路口、交通燈，而未來有了車跟車、車跟路的通訊以後，大家可以感覺通過一個全局的調度算盤，我這車在十字路口根本不用停，我按照某種特定的次序去通行，能夠保證不去撞上別人，所以我們的平均時速至少能夠提升2-3倍。還有大量的車是以運營為目的的，所以對停車位要求大量的減少，即使需要停車對每一個停車位的要求也減少了，像這樣停進去，所以我們我們大量的空間就能夠釋放出來，大家想象一下，假設每一條道路變得更窄，能夠釋放出來的空間是巨量的，還有今天我們中國每一天，幾十億小時的時間浪費在了路上，因為我們堵在路上，沒辦法做任何事情，未來車會改變它的形態，可能會變成智能空間的形態，它是除了家和辦公之外的第三種形態。大家想象一下，在這空間裏放一個咖啡機，就變成了移動的星巴克；在裏麵放一塊大屏幕，它就變成了移動的影院；在裏麵放一套辦公設備，大就變成了移動的寫字樓，它將會極大的改變我們現在的生活工作的狀態，我們家可以離單位變得更遠，因為我在路上可以工作，我們今天的很多商業地產，寫字樓、商業中心、綜合體都可以拆散了塞到每一輛車裏，事實上把每一條路都變成了移動的商業遺產，這個對於我們未來商業模式的提升，帶來的空間是非常大的，因為可能打一個車10塊錢，非常便宜，但你在裏麵喝一杯咖啡就30幾塊錢，看一場電影50幾塊錢，所以這也是我們為智能駕駛非常激動的原因，我們認為在未來10-20年之內，所有人或者物的交通相關的產業都會被重新定義，無論你是出租車業、停車業、寫字樓、服務業、物流、金融業、保險業。

    現在處在什麼樣的時間點？剛才說的是未來的時間場景，我就拿一個例子來說，這是兩條頭條新聞，它說是在無人駕駛當中要用到一個設備叫激光雷達，待會湯總會更加詳細的介紹。大家可以看到，激光雷達從2007年城市挑戰賽當中第一次用到無人駕駛當中，到現在差不多十年的時間，它的價錢沒有變化，7500美金一個，但是現在我們已經看到了曙光。在未來的三五年之內會降到500美金以下，甚至是300美金以下，甚至達到100美金，為什麼？大家可以去看上麵這條，說現在是底特律來去拯救矽穀了，原來靠優步、穀歌那樣玩無人駕駛價格是下不來的，現在底特律的定單巨量的湧來，所以現在價格變得便宜。

    我們再從用戶的角度，這是世界經濟論壇BCG對全世界很多城市政策製定者進行調研，88%城市的製定者希望無人駕駛汽車在未來十年當中，在城市裏得到商業化，所以這從用戶的角度，它又是一個巨大的（挑戰）。大家可以看智能駕駛裏麵包括了很多種不同的形態，剛才李院士已經介紹了一些，比如說2007年第一次出現產品的這樣一種駕駛輔助係統，更接近於李院士講的；2015年特斯拉是大規模的商業化輔助駕駛，2020年大家可以看到有兩個重要的新的智能駕駛形態出來，一種叫做高度自動駕駛，從某種程度上就是李院士說的機器在多數情況下駕駛，但是偶爾需要人幹預，它跟輔助駕駛的區別在什麼地方？輔助駕駛的適用場景是非常簡單的，在封閉的結構化上。輔助駕駛現在還是要求人隨時把手放在方向盤上，把注意力放在路上，而高度自動駕駛允許駕駛員有5-8秒鍾的時間反應，重新會回到決策環節；另外一種像穀歌、優步在說限定場景的無人駕駛，也就是說把駕駛員整個拿掉，但是它是有限定的一些條件，比如說在城市區域最高時速不能高於40公裏/小時，真正的全天候、全區域的無人駕駛可能需要30-50年的時間，這個我們隻能說聽天由命，我們要去看怎麼能夠更好的去推動技術的更快發展。

    現在我們往往把前麵這兩種叫做自動駕駛，後麵這兩種叫做無人駕駛，就我們公司馭勢而言，我們做了很多輔助方麵的工作，如何去改進特斯拉曾經出現過的事故，既然我們叫2020-2025，這些東西我們就略過不說，我們說要達到自動駕駛和無人駕駛需要做什麼樣的技術準備。

    第一，要有一個更好的指引和定位係統，不把它叫做地圖，把它指引圖，就是在一些關鍵的地方，它要能夠對這個車的行駛做一個指引，比如說我在高速上順著車道開就行了，不需要指引，但是我上閘道的時候就需要指引，這裏麵強調三個要點，我們需要融合各種各樣的傳感器，但是不依賴於任何一個傳感器，因為任何一個傳感器都可能會失效，這是我們的第一個要求。二是室內室外、地上地下要無縫銜接。三是希望能夠眾包生成，不像機器人那樣去建圖和定位。這是在北京房山的研究院，綠色的線是用GPS（RTK）係統，大家可以看到很多地方軌跡是非常精確的，這一點看GPS的信號就發生了很多的跳躍，而且這種跳躍是不規則的，一天的這個時間在這邊，換一個時間就到那邊了，實際上跟衛星的數目和地麵基站的通訊狀況是有關係的，如果純靠GPS（RTK）進行自動駕駛是會有問題，所以要加入慣性導航係統，但是還有個問題，今天的GPS（RTK）可以做到比較便宜了，三千塊，年底一千塊有可能出來，但是慣性導航係統，尤其是高質量的慣性導航係統非常昂貴，我們通過視覺的方法去實現。大家可以看，這個是攝象頭，這是我們算法的監控窗口，這條線就是我們規劃路徑的一條線，當然當中也有車道線，包括一些障礙物，這是我們的視覺雷達，用雙目去判斷障礙物。這條線大家可以看到，紅色和藍色線，事實上是代表著用視覺的裏程器跟GPS的融合，把整個的路徑、軌跡會變得非常的穩定，這是我們第一個要做的。

    第二，我們在想GPS（RTK）在地下沒有了，室內可能通過WIFI，還是通過UWB，這些東西對於基礎設施的依賴還是太大。所以我們覺得基於視覺標誌物的指引和定位可能是最方便的，我們就開始做這方麵的探討。視覺標誌物有很多種，可以在三維空間裏的某些指示牌，人導航經常靠這種東西，也可能是道路地麵上的一些特殊的符號，特殊的語意，我們人也是靠這樣的語意進行導航，所以我們做了三維空間標誌物的識別和匹配，大家可以看下麵是一個標誌物的匹配，我們實時在開的時候通過計算機係統的算法，在畫麵當中找到標誌物，然後跟地圖裏麵進行匹配，匹配到了我就知道我到底是在什麼樣的地方，匹配到了我就知道下一步應該往那裏走，這是我們做的第二個事情，但這個事情也是有缺點的，在3D空間裏麵的指示牌非常稀疏，經常可能隔幾公裏才有，而且有時候會識別不出來，這就會導致在相當長的一段時間裏，如果GPS不好用，那你就失去了位置。怎麼辦了？我們想到了第三個係統，地麵是連續的，地麵的符號也是可以幫助我們做匹配、做定位的，這是我們攝象頭看到的東西做了幾何空間的轉換，變成從上到下，你就可以看到很多非常有意思的，非常特別的視覺符號，我就可以用視覺的算法把地麵貼起來，就像我們拍照用全景模式去拍，下一步我就在這個裏麵把這些視覺的符號抽取出來，變成適量的指引圖，實時在開的時候，根據我開的東西跟這些指引圖做一個匹配，我就可以知道我在什麼地方，而這樣的一個匹配，事實上搜索空間是相當之小的，為什麼？我還是有GPS，GPS把我定位在幾十米的空間裏，在幾十米的空間裏就可以匹配出來，而像這樣地麵上有很多陰影的情況下，我也能夠做很好的匹配。這是我們在實際車上麵運行的情況，這也是我們的攝象頭，我們的設想實際就是黑白的，因為它是為算法看的，這是我們實時攝象頭看到的視野，背景跟它進行匹配，所以這條綠色的線就是我們具體匹配出來的運行軌跡，大家可以看到車道裏麵達到了大概10-20厘米的定位技術，這是我們做的這些事情，在指引圖在定位上做的一些探討。

    其次是認知的提升。我們也做了一些探索，可能沒有李院士說的那麼全麵，但是大家可以看到我們做了很多方麵的嚐試。

    認知階段1：從識別不能撞的東西到明白整個世界，全麵世界模型。你不能撞的東西數據庫畢竟是有限的，不能窮盡，假設我們開到印度去，一頭牛出現在路上，它從來沒有在你的數據庫裏，你能不能撞？不能撞，所以需要全麵世界模型，這個算法叫象素標簽，或者叫做語意分割。大家可以看到，這是我們實時攝象頭看到的東西，這是我們做語意分割，紫色的是道路，棕色的是汽車，橙色的是灌木叢等等，這12類能夠保證我們實際在運行的時候，能夠去做適當的這樣一些反應。當然，光路麵的檢測還不夠，這是把整個的路麵進一步做了分割，真正這個方向能夠行駛的是這一半，或者你看到了公交車道，在這個時間點會把我們可行駛的路麵進一步收縮成這麼一大塊，或者我要左轉，我把我可行駛的區域縮成最左麵的，再下一步就是對非結構化道路的理解，大家可以看到，這些道路要麼車道線非常不清晰，要麼被大雪覆蓋，要麼馬路邊上馬路牙也看不見，這時候就需要把行駛區域找出來，或者把運行的規劃軌跡找出來，這是我們要說的認知階段的第一步。

    認知階段2：從不撞到舒適的駕乘感受。每個人對於安全距離，對於加速、減速、換道的習慣是不一樣的，所以我們需要做駕駛員學習，這是我們合夥人做的實驗，上車之前車頂上放了三樣東西，繞著北京的三環開了一圈，48公裏全部是沒有人幹預的，在這裏麵非常實際的交通狀況，而且是最高時速達到80公裏/小時，做了像這樣一種自動的換道等等，但是這個實驗最重要的目的是要展現，展示當中這三樣東西一直在車頂上，這是完全沒有（汽片）的，這是中央電視台拍的。

    認知階段3：從確定的經驗到自學習。所謂的自學習剛才李院士也說了，能不能在駕駛員指導之下，這套人工係統能夠自己獲得學習的能力，現在關於自學習最火的技術就是基於深度學習的端到端的學習，你的視頻進去，控製信號直接出來，這套技術我們也做了研究，發現它有優勢，優勢就是自學習，但是缺點在於還不夠安全可靠。因為我們傳統的這套係統，感知、規劃、控製，每一塊、每一個階段都是有多重冗餘的，但是一旦變成端到端了很難去控製，我要求有很多數量高質量的樣本來給它做訓練，而這麼一個數量是組合爆炸，所以我們認為完全做端到端，目前來說是不合適的，但是你可以借用裏麵自學習的那一部分，所以我們希望做的，深度學習從純感知到規劃，到了學習的這部分，但是我們學習的目的是把它沉澱下來成為知識，然後這些知識經驗和專家係統會進一步的指導規劃和控製，它的整個過程是結合了傳統的這些感知規劃控製，每步步步為營的做法，同時也加入了端到端深度學習。

    認知階段4：從詠春木人樁到少林18銅人。在一個真實的駕駛路礦上，在這麼一個態勢下，道路上麵的每一個智能體都是活的，而且是人，這時候就像過少林銅人一樣，要猜測他人的動機，要預判行為，合理的判定路程。

    大家可以看到這個車開的是一頓一頓的，它知道周圍有很多人，所以它必須得製動的行駛。我們用了這個過程去預測每一個人他的動機、他的運動軌跡，會不會跟我車的運動軌跡相交，如果不相交我沒必要做主動的製動，這樣整個車開的非常平酸，做這個算法的研究員也在我們公司裏，把這個算法也運用到我們的車上。

    這個案例（PPT）跟李院士的仿真有點相似，但是說的是不同的事情，它說的是環島，在這個環島裏紅色的車是自動駕駛或者無人駕駛的車，怎麼能夠很好的切進去，這時候就需要我去判斷每一輛車的動機，判斷它的行為，它是激進的還是很慢的車，我在合適的時間點去切進去，它用到了（遞歸視頻）網絡或者強化學習的方式，能夠做這樣的一種認知。

    第三要做的就是要運用激光雷達，傳統的輔助駕駛大家知道特斯拉，一個前視的攝象頭，加上一圈的超聲波，我們認為到2020-2025要實現無人駕駛，要實現激光雷達，它對三維的環境能夠做非常全新的介入，這我就不多說了。

    現在這麼幾家領先的激光雷達廠商，包括，它也出了好幾帶的激光雷達，未來三五年如果能夠達到100萬台的訂單，就一定能做到500美金以下，另外他們出了豪言，他們要做120線的激光雷達，意味著它的垂直方向和雷達率得到很大的提升，還有一個是ibeo和Valeo做激光雷達的，還有Quanergy希望2020年做到200美金、1000美金，除了這幾家也出來一些新的，日本的先鋒也是說要在2020年能夠推出可量產的激光雷達，這裏麵是蠻有意思的，這家Quanergy原來是做音箱的，現在開始做激光雷達。我們現在跟中科院聯合做了一個博士後項目，博士後項目方向就是做激光雷達和視覺的融合，所以也歡迎大家如果有認識這一方麵的博士生，也可以推薦到我們這麼一個博士後的項目當中來。

    第四，車聯網。我給大家舉個例子，今年年初在清明節的時候，滬寧高速上出現了幾十輛車連環相撞的事故，如果說把自動駕駛或者無人駕駛放進去，還是沒辦法避免，因為下雨可見性非常差，這時候像超視距的傳感器就有優勢了，第一輛一踩刹車，後麵的車都自動踩刹車，這樣就可以避免事故，還可以更好的做編隊出行，尤其針對大貨車，他們對道路的利用率能夠提升，安全性能夠提升，油耗能夠提升，對於大貨車油耗的提升非常重要。在高速上一輛車非常製動，這樣的變化會向後傳播幾公裏，你在車速上突然感覺車速變慢了，可能是因為幾公裏前有人刹車了，以後這種速度的變化向兩邊傳播很快就消失了，把每一輛車的速度調成前後車的平均就可以了，但是它能夠去改變我們高速公路的通行，還有如果十字路有了V2X以後，交通燈也可以拿掉。

    第五，測試驗證的方法群。大家都糾結於自動駕駛安全還是人駕駛安全，前段時間特斯拉出了一起車禍，他說我行駛了1.3億英裏才死了一個人，美國是9000萬英裏就要死一個人，所以我還是比人安全。聽起來很有道理，但是大家如果懂統計學就知道，它不是統計上顯著的這樣一種計算，因為第二天再死一個人就變成6500英裏死一個人，那麼究竟多少路程能夠證明自動駕駛比人開的安全呢？這是蘭德公司做的研究，他發現要開近百億英裏才能夠證明自動駕駛比人開的安全，但是沒有一家車廠在車上路之前開100億英裏。現在穀歌的無人駕駛汽車一天會跑幾百萬英裏，所以我們也做了模擬器，模擬器什麼都可以模擬，包括攝象頭、雷達，可以設計在現實生活當中不存在的交通狀況，我們用到了帶有一定隨機性，又是基於機器學習的算法，大家知道有什麼問題？就是它是一種歸納法，事實上是你不能窮盡樣本空間，因為你不能防止（黑客）的出現，針對這樣算法，運用到不能出一點事情的自動駕駛裏挑戰非常大，這是穀歌和MIU發布的研究，左邊的照片和右邊的照片，人眼看起來沒有任何一點差別，但事實上他們有一些象素級別的差距，大家可以看到中間就是象素級別的差別，因為中間這些象素級別的差距，我的深度學習算法，左邊能認的出來，右邊就認不出來，大家可以看到算法本身還是有很大的問題，所以我們說我們要重新去研究、測試和驗證方法學。

    現在的商用飛機和軍用飛機，它的成本當中一半是軟件的測試和驗證，我們的汽車有多複雜呢？一輛奔馳的S級轎車上麵的代碼行數是播音787行數的十幾倍，意味著你要有更好的測試和驗證的方法學。

    第六，小型化、高效能、高可靠的硬件結構。

    我給大家看一下汽車裏麵的硬件，尤其是計算這塊怎麼演進的，一開始在2005年，斯坦福的這輛車後備廂是這樣的，到2010年的時候普銳斯就變成這麼小，到雷克薩斯就變得這麼小，現在做到這麼大，跟筆記本差不多，但是它的計算能力相當於一兩百台的筆記本。

    還有我們不能隻考慮計算，在汽車裏麵有一個執行的機構，大腦發出的決策命名，怎麼讓方向盤、油門、刹車去執行這些決策，執行機構也不能出錯，必須得考慮，這是沃爾沃的一個車，每一樣功能都樣雙目，大家再看福特，每一樣功能都有，其實除了油門沒有，其他的像刹車、方向盤都有問題。

    這是我們的最後一頁，用中國古人的一句話“時來天地皆同力，運去英雄不自由”。意味著我們要看清楚人工智能大勢，看清楚無人駕駛的大勢，謝謝大家！