领骏科技杨文利：自动驾驶降维商用是摘取“皇冠上明珠”的必经之路 | 甲子引力

自动驾驶出行服务最大的难点在于如何打造技术与应用的商业闭环。

编辑 | 刘小倩

2021年12月4日，科技智库「甲子光年」在线上举行2021「甲子引力」大会。在当日下午的“未来出行”专场上，领骏科技的创始人&CEO杨文利就《决策规划核心技术在城市服务中的应用实践——自动驾驶技术降维商用》主题发表了演讲。

会上，杨文利谈到，自动驾驶技术的降维商用是摘取皇冠上明珠的必经之路。领骏科技正在把自动驾驶乘用车的技术降维应用到客运巴士领域中。同时，利用在自动驾驶巴士这个场景中积累的数据，反过来支撑自动驾驶乘用车技术的发展。目前，领骏科技已经在赣州开通了自动驾驶巴士的试运营。

以下是演讲实录：

今天，我想向大家分享领骏科技的一些研究成果和应用实践。

第一，向大家介绍领骏的研发体系和技术架构；

第二，向大家分享领骏在自动驾驶技术应用中的商业闭环；

第三，向大家介绍公司在自动驾驶技术领域的实践经验；

领骏科技成立于2016年，聚焦智能决策、轨迹规划控制、传感器融合和场景仿真等方面的技术研发。团队成员主要来自清华大学、复旦大学、美国宾夕法尼亚州立大学、日本东京大学等国内外高等学府，并拥有百度、一汽、蚂蚁集团等国际知名企业的工作经验。

首先介绍的是领骏科技自研技术体系。上图左边是基础平台层，包括仿真技术和地图工具，为整套自动驾驶系统提供数据支持；中间是核心算法，主要聚焦在高复杂度场景下的自动驾驶核心算法。上图右边是场景应用，一方面，公司将自动驾驶量产软件装在量产车上；另外一方面，将自动驾驶技术在垂直应用场景里面进行商业化落地。

我们的自动驾驶产品既包括了软件产品，也包括了和它相匹配的硬件套装，以及可以进行自动驾驶前装的预控制器芯片和相关算法。

自动驾驶需要在场景中进行应用，这个场景既包括了开放场景，如城市客运、城市物流等；也包括了封闭场景，如矿山、港口、园区等智能网联与车路协同。

打磨技术，离不开对场景需求的理解，我们必须沉浸到场景中去，才能了解客户的需求，了解场景对自动驾驶技术功能上的需求、性能上的需求。我们理解需求之后，就可以指导研发，并进一步指导产品的设计，围绕产品、车辆、场景、需求、研发这五个环节形成完整商业闭环。

此外，我们可以把场景粗略地分为四大领域：

第一个领域是后装的RoboTaxi，也就是无人出租车，是L4级自动驾驶在城市开放道路中的开放性应用。

第二个是量产前装技术。量产前装是说将自动驾驶的产品在车辆出厂之前装载在乘用量产车上。后装跟前装的区别在于车辆装载了自动驾驶整套系统之后，是否通过了安全测试、通过车型公告，以及能否申请正式上路牌照。

第三个领域是场景应用。场景应用是把我们在开放道路和开放环境中使用的自动驾驶技术降维到某一个相对受限、相对可控的场景中去。比如，自动驾驶技术在城市巴士中的应用，它的车速更低，线路更加固定，所以可以更容易实现商业化。

第四个领域是小型低速的移动机器人。它包括外卖车辆、物流车辆、清扫车辆等，这些场景由于车辆运行速度较低、车辆辎重较小，在城市应用中更容易落地。

小型低速和场景应用的本质区别是，小型低速的车辆不载人，而在场景应用中，这些车辆既可以运人也可以运货。同时，它可能会有一个安全员的座位。

前几年，我们以自动驾驶乘用车作为研发基础，今年我们会把乘用车的自动驾驶技术运用到城市巴士中。那么，这两个场景有哪些相似性和不同呢？

首先，场景高度相似。无论是自动驾驶的乘用车，还是自动驾驶的巴士，都是运行在城市复杂道路之中，走的是真实的城市开放道路。在路面上，它会遇到路口红绿灯、岔路、交叉口等复杂环境，也会遇到机动车、行人、电动车等障碍物交通元素，所以是一个相对复杂的真实交通环境。

其次，巴士是自动驾驶乘用车技术的降维应用。以RoboTaxi为例，它运行的路线是动态的，可能是从a点移动到b点，而b点由乘客指定。它的运行路线涉及城市道路到高速公路，涉及到全路段范围。

而在巴士的应用中，运行之初会设置固定站点，所以线路相对固定，同时是一个中低速的运行场景。支线物流和巴士的场景非常相似，也是固定路线和中低速运行，这都是乘用车技术的降维应用。

最后，数据有一定的通用性。无论是自动驾驶的巴士还是乘用车，它们的运行环境都是在城市的开放道路上。因此在巴士和支线物流中，我们收集到的数据就可以反过来支撑乘用车自动驾驶技术的研发。

所以，在特定场景中，我们可以把自动驾驶乘用车的技术降维应用到城市公交领域中。同时，在自动驾驶巴士这个场景中积累的数据，可以反过来支撑自动驾驶乘用车技术的发展，这两个是相辅相成互相促进的关系。

自动驾驶乘用车到目前为止还没有得到大范围的开放性应用，它的难点在于和人类的博弈。从感知领域来讲，自动驾驶车辆上装备的激光雷达、毫米波雷达、视觉雷达，已经可以比人类的眼睛更加精准地感知到周围事物。

然而，人类司机的驾驶风格和驾驶行为不可预测，驾驶风格和驾驶行为也会受到很多因素的影响。如果有一天路面上行驶的大部分都是自动驾驶车辆，自动驾驶的大规模应用反而会变得简单。

如何对自动驾驶系统进行有效和高效地测试也是难点之一。我们看到，如果是比较简单的辅助驾驶系统，它会有完整的测试集。通过测试集，我们可以判断功能是否符合规范要求，是否具备上路的条件。但是，对于高等级自动驾驶技术的测试标准，目前尚没有形成。

因此，我们研发了一套仿真测试系统，用以解决这个难题。那么领骏是如何克服以上这些难题的呢？下面给大家介绍领骏自动驾驶这些年研发过程中的一些成果和优势。

首先，我们研发的这套自动驾驶系统，我们称之为“P2P系统”，是指从一个parking lots到另外一个parking lots，是全路段、全场景的自动驾驶解决方案。它涵盖从自动泊车、城市的最后一公里、城市普通道路，一直到高速公路，最后回到目的地停车场的全部驾驶场景，也涉及从-5km/h到+120km/h的全速度段。

其次，这套系统可以覆盖极高复杂度的场景，比如说在一个没有红绿灯协调的拥堵环岛，这样的环岛在中国并不是很罕见。此时，自动驾驶系统就需要不断地和人类司机进行博弈。

此外，我们可以把覆盖全路段，同时能应对高复杂度场景的整套软件系统，集成在一颗计算功率小于30瓦的嵌入式系统芯片内，形成高集成度的预控制器，这也在为自动驾驶系统实现最终的量产铺平技术方面的道路。

在完成上述技术研发，快速提升技术成熟度的过程中，研发团队逐渐形成数据研发闭环。这中间有五个要素点，首先是产品，其次是数据，通过产品在场景中的应用，我们积累了大量的数据。这些数据来自于路面，也来自于仿真。

我们对数据进行语义级分析，提炼出独立场景，构建增量式的场景库。我们把整个场景库放到仿真引擎里，将大量独立的场景进行排列组合，重组出新的虚拟测试环境，从而提高数据的整体利用率。

举例来说，我们可以从100公里的路测数据中提炼出N个场景，与场景库中已有的场景进行随机排列组合，重构出数百公里，甚至是上千公里的有效测试数据，这就是我们提出的数据反刍技术。

有了数据反刍和仿真场景后，它的主要工作是高效地打磨算法，从而实现产品-数据-场景-仿真-算法-产品的数据研发闭环。

其次，领骏科技仿真平台跟市场上其他的仿真工具区别明显。它的界面并不美观，但实用性极好，我们没有花费大量的计算力对环境面貌进行渲染，更多的是聚焦在自动驾驶场景上。

对于决策规划来讲，它的本质是路面上其他的车辆物体和我的空间逻辑关系，包括相对位置，相对速度，它在哪一个车道，它的历史运动轨迹是什么样的，它下一步将进行什么样的行为……这一切都会影响自动驾驶算法做出的决策。

这样做的好处，首先是提高了数据利用率，还可以把抽象的、独立的场景进行随机的排列组合。

今年，领骏科技把落地场景聚焦在自动驾驶巴士的垂直应用场景中。我们认为，自动驾驶巴士是自动驾驶乘用车技术降维商用的最佳场景之一。

目前，领骏科技在赣州开通了自动驾驶巴士的试运营。中短期内，我们会以自动驾驶巴士在城市中的运营服务为主要的商业落地场景，而中长期则会拓展到无人的城市支线物流。

另外，乘用车会始终作为领骏核心技术研发的平台，实现自动驾驶乘用车在开放道路中的大规模应用。这样的应用是我们心中“皇冠上的明珠”，也是领骏科技一直追寻的技术理想和技术方向。

以上是我分享的全部内容，非常感谢大家的聆听，也非常感谢主办方。

END.

直播回放

2021「甲子引力」大会现场开启视频、图文直播页面。长按下方二维码关注「甲子光年」公众号，并在首页输入关键词“直播”，获取直播地址。

预告

本周，「甲子光年」将通过微信公众号等渠道持续推送2021甲子引力大会精彩内容实录，敬请期待！

本文首发于微信公众号：甲子光年。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。

（李显杰 ）