圓桌論壇:無人車商業化的基本功——兼顧駕駛能力與魯棒性
9月28日,由億歐汽車主辦的“開啟自動駕駛‘黑盒子’—— 2018億歐汽車自動駕駛商業落地沙龍”在北京東方廣場IO/">NIO House舉行。本次沙龍以“系統魯棒性與自動駕駛的商業落地”為話題,我們與來自供應鏈、科技公司和產業資本等近20位嘉賓,共同探討了無人駕駛技術該如何兼顧駕駛能力與魯棒性,從而適應高風險,實現大規模的商業化落地。
其中,馭勢科技聯合創始人兼首席產品官周鑫、智行者科技聯合創始人兼產品總監霍舒豪、Wayz.ai合夥人兼自動駕駛副總裁崔運凱、酷哇機器人聯合創始人兼COO劉力源、詩航智慧CTO劉振宇共同參與了以 “無人車商業化的基本功:兼顧駕駛能力與魯棒性” 為主題的圓桌討論,同時景馳科技CEO韓旭與Velodyne亞太區總監翁煒參與了會後問答環節。
周鑫認為:
1、系統魯棒性意味著在演算法單個或多個失效的情況下,怎麼樣保持全系統進行降級的使用,最後保持可靠退出。
2、解決方案系統是關鍵,可能深度學習現在看起來是一個學習界最高的方法論,但是我們不會侷限在這個方法論上。
3、技術是決定自動駕駛行業上限的唯一標準。
霍舒豪認為:
1、現在各地出臺的相應自動駕駛法律法規或相關測試條例,更像一個針對駕駛員的測試,只不過搬到了自動駕駛車輛裡面來,自動駕駛需要另外一套測試體系和評判體系。
2、選擇從一些低速可控的場景先去實現落地,是選擇了一個很好的商業產品切入點,在向乘用車發展的路途中,沿途下蛋,把成果孵化出來,服務到物流等行業裡面去。
崔運凱認為:
1、對於高精地圖而言,魯棒性的意義體現在資料採集時,不管是白天黑夜,不管什麼樣的環境條件下都可以完成高效的採集,採集到的感測器訊號對我們來講是有意義的。
2、要把自動駕駛作為一個系統去思考,深度學習是手段不是目的。
3、只有真正把無人車投放市場,讓消費者感受到無人駕駛時,才有一個視窗、機會和別人進行交流,才最有可能的去優化你的產品。
劉力源認為:
1、目前測試場的環境與真實環境的複雜程度相比還差的挺遠。
2、應該真正把深度學習這個事情跟場景某些資料結合起來,而不是一直讓它在固定的場景裡跑。
3、現階段不應該以高速和低速劃分場景,而是要以場景的複雜度。
劉振宇認為:
1、對於整合商而言,魯棒性意味著我們所屬於的每個平臺都要經過很嚴苛的考驗,組成整體性的時候才能保證安全性。
2、自動駕駛行業一榮俱榮,一辱俱辱。不建議強求大躍進式的發展,要遵循本身的科學規律,逐步驗證,才能有序地向前發展。
韓旭認為:
1、測試場周圍的交通要很便利,場地還要比較大。
以下為分享實錄(有刪改):
Q:對於自動駕駛系統的魯棒性這一概念,各位是如何理解的?在整個技術研發過程中,“魯棒性”的重要意義具體體現在何處?
劉振宇:詩航智慧跟其他四位公司不太一樣,我們屬於技術落地公司,意味著我們很多平臺都是由原創公司開發,我們進行技術整合。魯棒性對我們很重要的意義是,假設系統由兩個演算法串聯起來,對於我們來說整個系統的可靠性很有可能只有0.81。魯棒性意味著我們所屬於的每個平臺都要經過很嚴苛的考驗,組成整體性的時候才能保證安全性。
周鑫:從我們的角度出發,應該說是系統的魯棒性,或者說可靠性。從我們自己的理解來看,無人駕駛系統的魯棒性涉及到很多,涉及到乘客生命安全則更多指的是功能安全,因為功能安全涉及到系統的可靠,所有的演算法動作無誤,進一步會涉及到所有的感測器器件、執行器器件、運算部件。
在演算法單個或多個失效的情況下,怎麼樣保持全系統進行降級的使用,最後保持可靠退出。我們更加講究的是功能安全,這個在整個業界,包括全世界從美國到德國到歐洲,整個行業現在都在規範方面做很多的工作,馭勢也在這方面全力推進。
霍舒豪:我看到“魯棒性”這個題目的第一反應就是這麼專業的詞,觀眾可能聽不懂,我也是第一次在這種公開會議上用這個專業的詞。這個詞最早來源於控制理論。回到自動駕駛,咱們的系統和演算法和產品在不同的場景下的適應性以及對這些不同產品能夠穩定正確並且安全地執行,這個其實對各家的技術和產品會提出很高的要求。
咱們經常會談到corner case(極端情況)就是一個很好的體現,當你做到99%的時候還有很多corner case要去克服,這就是我們需要去不斷研究的地方,這也是可靠性的一個體現。
崔運凱:Wayz.ai是一家高精地圖公司,我們不是造感測器的,在我們整個軟體的設計中,是基於魯棒性的考量。其中,視覺也是很重要的一部分,我們認識到了感測器的短板,我們知道當感測器融合時,GPS在室外,ADAS、攝像頭在隧道里面,都會遇到不同的情況。
我們設立產品就是要提高它的魯棒性,能做到 我們在採集的時候,不管是白天黑夜,不管什麼樣的環境條件下都可以做到高效的採集,採集到的感測器訊號對我們來講是有意義的 ,這個對於高精地圖公司是非常重要的。
劉力源:從我們公司的角度而言,我們把魯棒性分成兩個部分,一個是各個部件,因為畢竟自動駕駛是很長的產業鏈,各個部件都有穩定性和使用週期耐用性的問題,這時我們會考慮整個系統的魯棒性,我們會把它做成一個產品,這個產品過程中每個部件會有出錯的概率,但是會有一個反應的時間,我可以把這個錯誤糾正過來,在整體的系統上面實現很好的魯棒性。
Q:當下,諸多自動駕駛企業均表示應用深度學習演算法並擁有很多人工智慧人才,各位認為應該從哪些維度評價深度學習演算法的最終效果?
劉力源:我們覺得深度學習肯定是自動駕駛裡面非常重要、非常關鍵的一環,它主要是能夠用比較少的資源快速的把模型跑出來,但是我們也同時認為僅僅依靠自動駕駛很多場景是不能做到的。我們認為 應該真正把深度學習這個事情跟場景某些資料結合起來,而不是一直讓它在固定的場景裡跑 ,因為永遠會跑出意想不到的結果,這也是它的侷限。
崔運凱:我們是為了解決一個問題去發明一個方法,解決這個問題是根本的,為此我們發明了很多“武器”。這個問題不能反過來看,不能說為了用深度學習而去解決問題。
在美國主流自動駕駛公司腦海裡,要為解決這個問題設計不同的演算法和系統,在他們看來整個無人駕駛的corner case不是單一演算法能夠解決的,而是把它作為一個系統去思考,怎麼可以從系統設計的角度讓自動駕駛技術快速落地。如果可以跑通,還要結合系統中其他的設計去實現穩定性的最大化,以此形成一個競爭閉環。關鍵是 我們要把自動駕駛作為一個系統去思考。
霍舒豪:當深度學習沒有廣泛普及時,你會有其他的方法,比如傳統機器人的方法等等。這些手段的最終目標是一樣的,比如說識別一個東西,再比如說基於這個識別做出正確決策等類似問題,它的評判標準是一樣的。
從我們公司角度來說我們也在用這種工具,但是沒有必要說只有深度學習才能解決一切問題,它就是我們選用的一種工具,就像選用其他工具一樣,都有它的適應性和適應的區域。從這件事情來說,國外或者國內已經開始反思這種方法,它的一些缺點和內部的不可把控性,也會衍生其他的方法去解決它相應的問題。工具一直都是在演進的過程當中。
周鑫:從我們的角度出發,我們是創業公司,最終的目的是選擇能夠解決問題的技術方案和技術產品,所以不存在騎驢找馬的問題。首先要明確我們到底解決什麼問題,然後從系統方法去找最經濟、最迅速的方式來實現。對我們來說, 解決方案系統是關鍵,中間有很多不同的手段,可能深度學習現在看起來是一個學習界最高的方法論,我們會優先考慮,但是我們不會侷限在這個方法論上 。
第二,無論從縱向還是橫向來看,這個系統是一個很複雜的系統,目前來看學術界內部從端到端的AI思路不現實,這種路線仍處在學術研究早期的階段。實際操作更多屬於中間某一個環節,從某一個橫向縱向的角度看,相比傳統方式,深度學習的方法是否更好。我們會做對比性的研究,什麼方法好就用什麼方法,甚至很多時候多種方法並用, 目前來說沒有一種方法可以包打天下 。甚至有時候對於一些可靠性,或者魯棒性要求非常高的,資源要求允許的情況下必定使用這種方法。
劉振宇:實際上自動駕駛並不是一個最新技術,現在比較成熟的自動駕駛,比如說飛機的自動駕駛,都作為物流車、乘用車的自動駕駛前的參考系統。剛才提到魯棒性的問題,在系統上增加魯棒性是錢學森老先生回國之後的思路,這是一個比較傳統的思路,這個思路在以後很長一段時間依然是主導的方向。
第二,剛才說到深度學習,我要澄清一點,深度學習只是機器學習很小的一部分。實際上機器學習從60年代開始很長一段時間,我們所提到的神經網路只是發展中的一部分,之所以要跳出大的眼光看這個問題,實際上我們從2013、2014年開始興起AI潮,理論基礎仍然是十幾年的理論。在自動駕駛方面,大家比較擔心的就是自動駕駛所訓練出來的網路過於耦合的問題。從深度學習的原理來講你的網路非常耦合,一旦出現陌生情況,你最後要用什麼樣的方法來處理這個問題?
剛才大家已經提到了很多感測器融合的問題,實際上也有多個演算法融合的問題, 我們很有可能並不是單一的端到端的解決方案,很有可能最後的解決方案是多種演算法、兩三種傳統演算法配合兩三種訓練傳統網路,以各個網路不同的方式儘可能多的去覆蓋極端情況 。不管是從魯棒性來講,還是演算法來講,既然是系統的問題,我們就拿系統性的方法去做。
Q:可以看到臺上來自智行者、馭勢科技以及酷哇機器人的領導都選擇從低速場景切入,當然市場上也有很多企業選擇貨運場景率先實現技術落地,那麼與直接切入計程車運營場景相比,二者的優劣勢分別體現在哪些方面?結合幾位的從業經驗來看,自動駕駛商業化究竟是場景先行還是技術先行?
周鑫:我覺得這是個偽命題,不存在技術先行和產品先行,對我們來說永遠是技術先行,技術是決定這個行業上限的唯一標準。馭勢是第一個提出來要做數控場景的無人駕駛,我相信所有做無人駕駛的一定是瞄準乘用車無人駕駛去的,因為真正的市場一定是落在那一點,從無人駕駛出租車一定也是瞄準這點。
但是從整個業界來看,這個目標是巨集大的,也很遙遠,我們在自己商業實踐中總結出來一步一個臺階,我們不能等行業成熟之後才開始。技術路線是長期的,我們會有階段性成熟的東西,先找一些場景落地,逐步逐步的驗證,我們相信技術的發展永遠是滾動、迭代、驗證再發展的週期,我們去找一些數控增強的場景驗證我們的階段性技術,賣向終端使用者。
馭勢是個初創公司,沒有特別大的後爸爸站在背後,生存永遠是個問題,我們不需要考慮哪一個落地場景能夠讓我們走得更順一點。從我們的角度出發,技術和落地永遠是不矛盾的,我們在所有公開道路的技術方案、演算法方案和數控產品落地的方案是完全一模一樣的,只不過 我們在區域性成熟的進行拆解落地 。
長期路線是乘用車的L4、L5落地,對於真正的場景來說,不存在這兩條路線誰難誰容易的問題。簡單來說,在北京任何一個社群中心、十字路口,車輛都開不到30公里以上,但是沒有人敢說這個場景很容易,擺到中國任何一個城鄉結合部都別想開出30公里每小時以上,但是那個地方開車的技術一定比在高速公路上難。
我們在2017年初杭州來福士廣場,地庫實際場景運營超過100天,就像東方廣場的地庫裡面我們車跟著賓士、寶馬停在一起,我們非常緊張,但是實際上我們沒有發生過一起事故,而且跟他們緊密的配合在一起,從這個最終會反饋來看我們有膽子離開高速公路,真正開到城鎮場景中去。這中間不存在誰難誰容易,並且 這兩條技術路線互為反饋,在理論演算法演進回饋你的落地產品,在落地產品中積累的經驗回饋到你的理論開發上來。
霍舒豪:咱們可以回顧一下智行者的發展過程,在2016年的時候汽車業界有一個事件,智行者參與到其中。我們一開始是針對乘用車去做技術的開發和積累,但是在整個技術落地和產品化、開發過程中有一個反思,我們這個技術如果真正讓老百姓用起來,距離落地還有多遠?這不僅僅包括技術、法律問題,還會有外部約束在這裡面。
對於創業公司來說,很少有那麼多家公司能像Mobileye那樣,在十年的發展過程中沒有產品。這對於創業公司來說壓力很大,但是這個事情不能不做,我們會 選擇從一些低速可控的場景先去做落地,這個過程中並不是降低了我們的技術難度,或者選了討巧的方式,而是說我們選了一個很好的商業產品切入點,在低速可控的場景裡面一樣有很多難題難點 。
比如說我們在校園裡面去推行我們的產品,校園環境大家都知道很多教學樓、樹木,對你的定位精度、定位演算法有很高的難度要求,這些場景裡面規則是弱約束的。高速公路上可能就是車輛行駛在一條車道上,頂多換換道、壓一條線,但是不會一輛車橫穿馬路。但是在低約束場景下,人的行為和你遇到的障礙物行為更不可測,速度越低不可測性越大,這些難點對於自動駕駛就提出了另外一個要求。
我們在這些場景做這個事情的時候,會發現它不僅僅針對低速有幫助,在整個演算法設計的時候,或者這套體系設計的時候,這些真實資料都能給演算法很好的反饋,對於切入乘用車場景很有幫助,不能割裂的看待這兩件事情。
另外還有一點,我們在做低速場景或者產品化的時候,自動駕駛技術會跟更多的行業、領域去結合,自動駕駛技術不僅僅是交通行業的技術,它其實可以服務到我們的生活相關的行業裡面去,比如選擇物流、環衛,他們都會有這些痛點,這些痛點恰恰是自動駕駛可以解決的,在向乘用車發展的路途中,我們是沿途下蛋,把成果孵化出來,服務到這些行業裡面去。
崔運凱:從我2015年加入Uber,到後期發展到上千人的團隊,我們的地圖為優步業務提供了服務。對地圖來講,無論是高速,還是低速園區,或者是室內停車場,或者是城市,我們同樣一個演算法都可以做,包含在同樣一個流程中。我們和寬凳科技最大的區別在於我們用一套演算法體系覆蓋所有的場景。作為一個地圖的生產者,或者服務者,我們希望能夠服務所有的使用者,不管場景,還是車隊,或者是你想在高速上運營物流,這對於地圖供應商和定位服務供應商是非常重要的。
劉力源:從我們團隊自己考慮商業化的路徑來說,robot taxi有一些商業化的難點是目前需要用一段時間解決的。第一, 這種商業模式真正創造的價值是他能夠把人們的用車習慣改變掉。 現在實際上一臺私家車一天只能執行一個小時,一年中只有10%不到的時間能夠使用這個車。我把車輛的運力釋放出來之後變成共享的概念,首先人使用的習慣要做改變。
第二,涉及到人、乘客,相當於 所有乘用鏈條上面的體驗,全都要進行變革和革新 。這實際上是鏈條非常長的一件事情,不適合當下自動駕駛創業公司去做,但是我們能夠直接為某些場景進行成本上和效率上的優化,只需要考慮是否降低成本,而不需要考慮體驗上的東西,這個是目前很難落地的點。
第三,我們覺得 現階段不應該以高速和低速劃分場景,而是要以場景的複雜度。 在複雜場景下各種各樣的演算法都是很複雜的,一個很簡單的封閉式場景,需要處理的資料量很少,像自動駕駛飛機,只是應對平流層,沒有任何障礙物的場景。而實際道路,在北京等一線城市,或者三線城市都很複雜的場景,我們認為真正區分自動駕駛的難度應該按照這個標準。
Q:如今供給側發展的非常快,剛才大家談到無人車落地場景的時候同時要考慮消費者的體驗,怎麼樣讓消費者對於L3、L4、L5有更好的乘坐和使用的體驗?以及怎麼樣能夠打消消費者的顧慮去接受自動駕駛技術?
周鑫:我代表一家之言,我們以前跟很多人探討過L3和L4的區別。很多國際主機廠慢慢的不願意去做L2,想直接跳到L3或者更高階的技術,這裡面會涉及到很多的問題。L3有一個基本的假設,車輛處理不了的緊急情況,人會接管,如果這個人正好看電視劇看的很嗨,你讓他2秒之內接管,這個時候接管比不接管更可怕,會造成多車事故。人機互動是非常大的挑戰,我感覺這點好像超出技術本身了。
劉振宇:我們之前也討論過很長時間出租車的問題,任何一個乘用車和計程車本質上不是一個技術問題,而是一個乘客感受的問題。簡單的說比如我從北京站出來回我家,作為一個乘客我不在乎這個車是不是自動駕駛,我在乎的是是否有車把我能接走,比如是不是有司機幫我搬行李,包括在出租車經常會出現兩個乘客要在不同的地方下車,我中途可能還要改目的地。
我們談自動駕駛,我們真正去談剛才說的L3、L4乘客的駕駛體驗,最終客戶想要的是一個感受,他並不會因為他是自動駕駛,或者這個東西到達了某個級別就會降低他對的需求。L3和L4一定是未來的趨勢,它更多的是真正完成事情的複雜程度,而不是簡簡單單為了我要去做自動駕駛而自動駕駛,這個肯定不是我們最終的初衷。
崔運凱:在優步的時候蠻有意思,當時作為一個員工會有特殊的優待,我有一個按鈕大家都沒有,上面寫著VIP,按了VIP之後就可以把無人車叫過來。當然這個功能是為了讓我們自己不斷地觀測車輛行為並改進,同時也想讓你帶著你的朋友和家人過來體驗這個無人駕駛,更多的瞭解無人駕駛。
我就發現,當我把無人車叫來帶大家走了一圈,整個過程極其之無聊,為什麼?他們後來發現無人駕駛車到一定程度之後和人開車一樣,根本辨別不出來到底是不是人開的,這才是真正無人駕駛車最高的境界。當越來越多的人親自上車體驗到這個感覺的時候,他才會感覺無人駕駛車並沒有想象中可怕,大家對於自動駕駛就會更親近。
另外一點,2015年優步做了一件事情,我們很早開始做了一個研究專案:車裡如果有人故意破壞這個車怎麼辦?怎麼設計內室保證人和車在有效掌控的範圍之內?甚至包括前面的方向盤拆掉了之後,人和車怎麼去協同,甚至包括你車門的設計。所有的這些要從很早的時候就開始想,未來可能會出現哪些問題,這就是為什麼優步在2016年的時候依然會有安全員坐在車裡, 你只有真正把它放到市場上,真正讓消費者感受到無人駕駛的時候,才有一個視窗、機會和別人進行交流,你這樣才最有可能的去優化你的產品。
翁煒:各位都是做應用場景的,從我這邊瞭解的情況是,所謂的物流車也好,掃地車也好,或者是小規模的乘用車會在這兩年時間比較大規模的落地,各位作為背後的團隊指揮者,你們認為什麼會降低商業化程序的速度?
韓旭: 最大的還是安全問題,安全分兩方面,一個是對內的安全,一個是對外的安全。 我這個人比較喜歡講故事,當優步撞死人的時候,景馳怎麼辦?決定停止所有無人車測試。但是公司有資料員想測,他認為人開車去採集道路資料沒事,當他的車停在紅燈時,一個礦泉水瓶砸了過來。這是真實發生的事情,這就是我們很擔心的事情。
從技術角度來說,憑我多年的認識我認為攝像頭根本做出來,一定要依靠鐳射雷達。技術發展還要一段時間,有人就這麼吹,吹到最後就是安全的問題。當時圖森的人說,你們別再吹了,出現一個安全問題,所有從業者都會倒下。有一點我想跟所有的人說,我們想讓出行更美好,但前期是安全。不管怎麼樣,我們景馳的口號是安全第一。
劉振宇:自動駕駛一榮俱榮,一辱俱辱。實際上我覺得不便於把自動駕駛這個事情割裂的來看,自動駕駛其實是汽車電子發展到了某一個節點,向前發展的很自然的一步。比如ADAS,1975年提出來,1985年商用;ESP,1996年提出,當時就商用了。從這個角度看,我們每個技術驗證的時間越來越短,汽車電子從ABS最開始就已經開始了一個自動化的程序,比如說在沒有ABS之前,緊急剎車溼滑路面防打滑是很複雜的過程;比如新手司機開著手動擋上坡的時候,那個時候是靠腳底很複雜的配合實現上坡不熄火。
我們一直在為自動化的程序努力,到後面我們做所謂的L2、L3,它是由一個曲線一直髮展上來的,我不建議非常強求的來做大躍進,我們本身是有科學規律的,我們只要按照這個科學規律一步步去做,把每一步該的驗證的驗證過,它會有序的向前發展。即使中間出現一點事故,但是行業整體的趨勢是不會變的,這個我是充滿信心的。
周鑫:這個行業現在發展太快了,所有人期望特別高,從最終消費者到車廠到行業使用者都非常有熱情,整個業內想盡量做到多快好省。首先要控制公眾和行業,要讓大家明白這是一件充滿科學跟工程規律的事情,要緩慢的進行,逐步逐步的驗證。第二,這個行業真的一榮俱榮、一損俱損,無人駕駛這個行業本身非常的大,每個人都有自己發揮的一小片天地,為什麼要競爭?
最怕的就是有人過於激進,公眾熱情是比較盲目的。回到中國的本質和現狀,從馭勢的角度來說我們要做中國的傳統產業,中國是汽車製造大國,但是我們不是技術大國, 在無人駕駛方面很多國內技術不行,這點不光是我們做系統整合,做地圖,做感測器的企業,甚至是整個汽車行業都在努力,從公眾到感測器到電子行業到汽車部件到做系統的都需要努力 ,任何一個鏈子掉了都實現不了。
霍舒豪:自動駕駛是需要整個全產業鏈條一塊去努力的事情,不僅僅是依賴系統整合商,也依賴感測器等等,是整個業界技術綜合的體現。如果它真的慢下來話,除了發生重大的安全問題,有可能是因為技術達到了一定程度,在這個階段需要做沉澱和突破,才會躍升到另外一個臺階,反過來說 慢下來有可能並不是一件壞事 。另外一個角度,如果我們從需求側來看,不管從傳統汽車行業,還是從其他物流行業來講,都希望這個東西更快更好,從整個大趨勢來看我們是樂觀的態度。
崔運凱:回答這個問題我感覺有兩點:第一個是供應鏈,第二個是人。供應鏈的問題很好理解,剛才也問到了做這件事情什麼最難?至少在我心中,規模化最難,你真正做到規模化需要行業比較好的整合,包括ADAS生產的工藝,包括地圖和定位的服務,規模化擴展采集,甚至包括後面的各種場景,再到後面的使用者,要調動整個產業鏈。
另外,大家反覆提到Uber車禍。技術上沒有任何問題,Uber這個事故說到底是一個人為事故,最後這個詳細報告發過來應該有更多的細節。人一定要把意識放在最高層次,我們在座的人都心裡把人的生命放在第一位,高過KPI,高過技術落地的速度,我們每個人都有可能是坐在車裡的人。
劉力源:新造車行業和自動駕駛行業是有共同點的。大家都是一家,他們的對手是傳統車企。本質上來說各位提到的安全問題非常重要,在我們看來,雖然說資本市場和使用者的期待都非常高,做起這個行業確實需要很高的熱情,人才才會湧入。在座的都是創始人,我們的頭腦相對清晰一點, 雖然外界期望很高,但是很多東西我們要循序漸進,我們的技術做到60%,但是我們只發了30%出來,剩下的是在實驗室做測試,但是並不代表我們不能100%做到那個場景。 其實有很多手段保持這個行業快速發展,但前提是我們需要不斷地用各種各樣的手段保證安全。
Q:在研發和商業化過程中,企業對於測試場提供的具體服務有沒有什麼期望?當下,測試場是呈現出合作還是競爭的態勢?
劉力源:說實話,測試場跟我們實際上路的場景不太一樣,測試場有做過很多改進,簡單來說測試場就是為自動駕駛而造的,提供了一個非常安全封閉的環境。如果說未來測試場可以有哪些比較好的改進?可能 在複雜度上可以去做一些模擬,或者有一些低成本方式的設定或改進 ,我們其實目前覺得測試場的環境與真實環境的複雜程度相比還差的挺遠。
崔運凱:我自己的背景是網際網路公司,網際網路公司最重要的是快速迭代。以我以前的經驗來看,做軟體迭代的第一步最好的是把線下測試場和線上測試場進行融合,先讓大家去線上跑通,然後再到線下提高效率。我們公司其中很大一個產品是地圖,可以形成非常高的測試功能, 可以藉助模型匯入測試軟體做線上的測試,可以支援軟體的迭代 ,我感覺我們有很好的結合點。
霍舒豪:剛才我們一直強調安全問題,要保證安全,測試是必不可少的環節。結合整個汽車開發來說,左邊是開發,右邊是測試,測試包括了很多環節,系統測試、整合測試到最後的整車測試,在這個過程中我們需要很多方面配合,一方面是工具,另一方面是提供場地。基於這些測試結果可以形成一套針對中國國內的行業標準。
現在各地都有出臺相應的自動駕駛法律法規,或者是相關的測試條例,如果我們細看,其實 更像一個針對駕駛員的測試,只不過搬到了自動駕駛車輛裡面來 。從我們角度理解,自動駕駛可能需要另外一套測試體系和評判體系,這也是我們後面需要做的一些事情。
周鑫:我們大概去過亦莊和海淀,也去過別的城市的測試場。我是覺得測試場對無人駕駛這個行業發展來說正面作用很大,有助於我們建立一些統一的評估標準但我們會慢慢的要求進行一些越來越貼近於真實路況的場景,我說的真實場景是場景的複雜度。 現在的複雜度是偏低的 ,但是我們會開始要求60、50公里,各種極限情況下的測試,來驗證初創企業是否有能力構建安全完整的測試場景。
第二點,我們會發現現在不像為自動駕駛車做的測試場,而完全是為了ADAS做的測試場。第三點,對於行業的培訓來說,除了用來做測試和驗收以外,我們希望在整個研發過程中間能有更好的改進, 其一是虛擬測試廠,其二是真實的迭代驗收 ,而不僅僅是最後的測試驗收。
劉振宇:我們現在經常看到希望用一個測試場覆蓋整個測試過程。我們知道每一個新車型實際進行測試的話,作為初創公司沒有自己專屬的測試場,要從很多很基礎的科目開始測,比如加速、制動、轉向,其實這個本身來講並不需要一個非常複雜的測試環境,但是會佔用跑道很長時間。中級到高階測試還有其他不同的測試科目,包括像剛才提到ADAS,ADAS測試場跟我們自動駕駛測試場還是不同的測試廠場。我相信測試場也是百花齊放,會有各個層級、階段的測試場滿足各個階段的開發需求。最後一句話, 測試場從來不嫌多 。
韓旭:當時我在百度的時候做測試去過亦莊,從百度科技園到亦莊吃個午飯就該往回走了。最主要的一點是 測試場周圍的交通要很便利,場地還要比較大 。做軟體行業的都是迭代,天下武功唯快不破,迭代速度要快。為什麼我會選廣州生物島去測車?我們只要求一點,就是推開公司門就能測車,這點非常重要。
作為2018陸家嘴產業金融論壇系列活動之一, 2018年10月19日 ,由上海市浦東新區人民政府、上海市金融服務辦公室、上海現代服務業聯合會指導,億歐公司、上海現代服務業聯合會汽車產業金融專委會、圓石金融研究院主辦,車輪聯合主辦的 “汽車流通新變數——GIIS 2018汽車新消費產業創新峰會” 將在 上海金茂君悅大酒店2樓 隆重舉辦。
2018年,汽車流通領域正在發生新的變化。此次峰會將聚焦汽車新金融、汽車新零售、汽車新營銷三大環境變數對汽車新消費的促進,屆時將有主機廠、銀行、交易平臺、金融科技平臺、流通第三方服務平臺等產業關鍵環節的重磅嘉賓參與。
點此報名:
ofollow,noindex" target="_blank">https://www.iyiou.com/post/ad/id/687
本文系投稿稿件,作者:周鑫/霍舒豪/崔運凱等;轉載請註明作者姓名和“來源:億歐”;文章內容系作者個人觀點,不代表億歐對觀點贊同或支援。