<var id="dvbv5"><video id="dvbv5"></video></var>
<cite id="dvbv5"></cite>
<cite id="dvbv5"><video id="dvbv5"></video></cite><var id="dvbv5"><video id="dvbv5"></video></var>
<cite id="dvbv5"></cite>
<var id="dvbv5"><video id="dvbv5"><thead id="dvbv5"></thead></video></var>
<var id="dvbv5"></var>
<var id="dvbv5"><strike id="dvbv5"><thead id="dvbv5"></thead></strike></var>
<var id="dvbv5"></var>
<var id="dvbv5"></var>

滴滴孟醒:自動駕駛產業化要解決的不僅僅是技術難題

2019-11-12 19:23:41

版權聲明:本文版權為網易汽車所有,轉載請注明出處。

網易汽車11月12日報道12019年11月12日,作為中韓汽車領域層次最高、規模最大、內容最專業、影響力最深遠的交流對話平臺,由國家信息中心信息化和產業發展部與現代汽車(中國)投資有限公司合作舉辦的“第七屆中韓汽車產業發展研討會”將于北京正式召開。研討會將圍繞“以東方智慧驅動自動駕駛新時代”主題,邀請中、韓兩國汽車及自動駕駛領域行業精英共聚一堂,展示中、韓兩國汽車自動駕駛技術最新成就,探討中、韓兩國在自動駕駛領域的合作與發展。

研討會上,滴滴自動駕駛公司COO孟醒表示,自動駕駛產業化有很多難題,技術難題依然存在,對整個行業來講都是很大的挑戰。同時也要思考如何與產業配合,得到政府的支持,更好得做地方測試,更好得迭代數據和搭建運營。今天我們做的事情就是將他平行的往前推進,逐步嘗試探索一些可以解決的方式,將自動駕駛和運營服務推到一個可商業化的階段。

以下為滴滴自動駕駛公司COO孟醒演講實錄:

各位領導、嘉賓大家早上好!很榮幸今天有機會跟大家一起分享一下我和滴滴在自動駕駛這個層面上的商業化的思考。

滴滴3年前自動駕駛團隊成立,然后逐漸到今天搭建了一個相對來講比較成形比較大的自動駕駛的團隊。

過去3年主要大家面臨的跟行業面臨的問題都一樣,都是技術上的挑戰。在最近這幾年,技術上我們持續會面對挑戰,但是我們攻克一個又一個的難題之后。我們進入到下一個場景就是大家離商業化開始思考這個問題。我們怎么做運營,怎么做商業化。我們在技術依然還有很多挑戰情況下,怎么能夠把我們現有技術開始讓大家看到利用和落地的可能性。

今天正好借這個機會跟大家分享一下。

介紹一下滴滴,滴滴是國內最大的一站式出行平臺,我們同時也是在全球范圍內最大的出行網絡平臺,每年有超過100億人次的出行體驗,相當于全世界的人口每人都至少乘坐一次。除了國內市場,實際上滴滴在拉美也做到比較大的規模,尤其是像在巴西。

滴滴將如何提供更安全和更高效的出行服務作為目標,希望給乘客帶來更好的出行體驗。未來自動駕駛,也將進一步實現滴滴的愿景。到現在為止,我們用3年的時間,做了自動駕駛軟件層面的全棧的研發,從比感知、決策、控制、地圖模擬器等等,全套的實現一個車完全自主自動跑起來的整個軟件研發體系。

現在在中美兩地大概擁有200左右的員工和工程師,中國美國加在一起大概4個城市在過去一年半到兩年的時間進行路測。

今年8月,滴滴將自動駕駛團隊升級成一個獨立的公司。我是3個月之前加入滴滴,在這之前我一直在做風險投資,從2015到2016年就看自動駕駛行業。

我在2016年在行業里投了第一家的自動駕駛公司,在這兩三年的時間里,中國和美國比,大家關注的在投自動駕駛這件事來講,投資角度來講,資本人的角度和社會的角度來看這個問題的時候,大家沒有很好評判標準,唯一的評判標準就是做這個公司的團隊,有沒有做過什么事情,相關領域比如說計算機視覺、自動控制、汽車領域的積累有沒有足夠深,我們通過這個來猜測技術帶到什么樣的程度。對這個行業再理解深刻一點的人,可能理解是說從技術路線來講,你選擇的純視覺還是說帶激光、傳感器融合的方案,是不是更有道理。再往下看到的就是說多快的拿出一輛車技術demo,開始在路上跑,先開始在道路寬廣的來跑,在白天比較容易的道路上跑,接下來在黑天、雨雪天、在車道不清晰的地方來跑,如果我很快拿出一個很好的demo,意味著說你可以成為很成功的公司。

整個行業的認知,相對來講是比較單純的,其實背后剛才說的假設是什么?誰在技術上能會成為先行者,誰能夠拉開技術上的差距,誰就有可能在自動駕駛行業里成為下一個最大的公司或者成功的公司。

到2018年我們看到,自動駕駛之間的競爭,或者說迭代已經不是一個單個公司所完成的使命了。

如果我們放到競爭的環境來講感覺更多的是在聯盟與聯盟之間開始產生,很多大家在行業里的人都發現,自動駕駛是一個長期需要投入的一件事情,同時需要的資源不是任何一家公司獨立可以完成的這件事情,而需要一個產業,從上游到下游,到政府政策到各個方面,一起去配合能實現的這件事情,所以2018年之后我們看到一個很快的現象就是大量的產業聯盟開始組建,而且這個產業聯盟不是一般意義上的說很多家公司、幾十家公司放在一個形成的產業,可能是一兩家或者兩三家公司做這種非常深度的產業聯盟,然后形成這樣的體系。

這個體系的背后本質上就是說大家開始關注自動駕駛能贏與否,或者能做出與否,核心不僅僅是技術實現的程度。而是在于車是不是配合對應開發進度,政策是否對應開發進度。

如果你做運營車輛,你流量體系是否可以建立起來等等,所有的東西變得非常的重要,背后變得越來越復雜,所需要的技能也變得越來越復雜。

所處的環境其實變得越來越復雜了之后,我們需要資源更多,所以產業形成了更廣闊的結盟。從我們角度來講,看到的很明確的點是,比如說在政策方面,其實在2017年之前,在國內的一些地方,有一些路測政策逐漸開放出來。2019年之后尤其是下半年,各地方政府都很大力度去推行這種比如說自動駕駛的落地,與載人示范運用場景,給了自動駕駛公司很大程度上的空間,可以把它的技術開始跟乘客結合在一起,然后把這個應用到實際場景里。雖然場景有它的局限性,車輛也不會特別多,我們可以看到一點點未來的樣子。過去我們對未來的樣子想象,是通過視頻,通過我們想象力。但是很快我們可以通過滴滴APP去打到一輛自動駕駛車,然后通過體驗得到真實反饋。這在過去是很難做到的。

從今年下半年開始這件事跟我們越來越近。我們在很有意思的時代,一方面盡量推動我們的技術,推進我們技術迭代的速度;另一方面在有限的范圍之內,提供一個更完整的體驗,讓大家知道這個體驗整體而言是什么樣的。

滴滴所做的自動駕駛場景是L4及以上。L4的場景是跟服務直接相關,希望運營這種服務。實現這件事情需要很多個環節。首先是自動駕駛技術本身的實現程度。剛才講的感知這些決策系統。有很多重要的節點其實我們要跟供應商、車企的合作,車企會決定比如說我們一個L4的車,它能夠在什么時間點交付一個帶冗余系統的轉向,同樣傳感器也很重要,在大量的路測車上裝了很多傳感器,這些傳感企可以做測試,但是不能做量產車輛運營,他們什么時候成熟,能不能幫助他們推動一起成熟,很多行業里成熟是雞跟蛋的問題。另外的一件事,是需要政府支持。這一點非常非常的重要,對我們不同場景落地,把更有意思的測試環境納入到技術當中來,讓我們技術迭代更快。

除了這個已經考慮到的問題,針對我們要做L4及以上的自動駕駛我們還要考慮兩個問題。第一個是數據,絕大多數我們跑自動駕駛的時候,我們收集數據的能力是相對匱乏的,我們用有限的車來收集迭代速度是慢的。

另外就是駕駛的行為,涉及到自動駕駛運營的時候,乘客需求的數據,匹配派單的數據。我們假設今天有一輛自動駕駛車,想把它變成服務網絡的時候,你要運營和管理,要調度,要定價、修理維修等等這些事情,針對于自動駕駛又會引入一些新的挑戰,比如說遠程接管。這些都是新的挑戰都需要很成熟的運營團隊來做。這些挑戰今天變得越來越真實。

滴滴希望把網約車搭建的運營體系所體現的優勢運用到自動駕駛運營中來。

第一在數據上,滴滴一年運送乘客大概有100億次單,每天都有數千萬的單量,以及大量車輛行駛軌跡。然后我們需要對乘客和車輛做路徑規劃和供需匹配,積累了非常大量的數據。

在解決自動駕駛的問題,尤其是解決感知的問題的時候,非常重要的一個問題就是長尾問題。解決長尾問題是碰到你有足夠多的采集設備和采集車收集到看到這個事情,才可以做到,我們網約車或者其他的體系,就作為一個很好的收集渠道,建立很好的收集體系,使得我們更快碰到這樣的長尾問題。

圖片中間超載三輪車,現在面臨的問題就是,看到之后再進行分類,如果沒看到可能當作一個靜態障礙物或者其他的障礙物,無法更好的預測,它的行為跟正常三輪車是一樣的,如果沒有做這樣的預測可能就會出錯。只有足夠多的采集量級之后才能把這些問題逐漸分類和解決。

對于一般的自動駕駛公司,采集的數據的車輛有限。在中國擁有100輛車以上的公司還非常少。之后把數據放進入到仿真模擬器里面然后迭代,然后再進行機器學習,重新裝到車里,做一個回環,這是有效的數據結構,但是數據量小,大家都知道做深度學習和智能學習的過程,需要大量的數據填充,閉環完成。

但是數據量不夠,所以迭代速度慢。對滴滴來講,其實我們可以用更多現成數據幫助迭代,大量的網約車也可以作為我們數據采集的車隊。這些場景也是真實場景的數據,這個測試價值非常高,然后迭代到機器學習里,反饋到我們車隊,這樣的速度使得我們迭代的節奏變得更快。

這是蘭德公司去年做的一個研究,假設今天對自動駕駛已經非常有自信,自動駕駛能力和人類駕駛技術一樣,已經到達這個技術。

在95%的置信水平下,需要連續2.75億英里的駕駛不出事故,才能說跟人類差不多的水平,或者說出事故,但是連續開88億英里,至少2.7億英里不出事故,有100輛車,88億英里要開400年,如果是2.75億英里需要開12.5年,這是驗證而不是開發整個的測試里程數。做100輛車很難做出這樣的驗證,需要用更大量的車或者其他的方式來把這部分的驗證跑通。

剛才講數據的部分,我再講一下運營網絡。有些區域特別適合做自動駕駛,有些區域不適合做自動駕駛,甚至于永遠不適合做自動駕駛,自動駕駛不僅僅是跟車有關系,跟場景有非常大的關系。

我們希望實現哪些場景。第一是供需最不平衡的,缺供應的地方,乘客打不到車的地方。哪些需求量最大,但是供應量最少。其次是找哪些場景適合自動駕駛的使用。

基于這個我們再去判斷說,在哪些地方我們用自動駕駛的車,用在哪些場景先去跑,哪些逐步去跑。

做自動駕駛不是解決萬能的問題,是解決場景的問題,場景有很多的維度,把這些維度放進來之后,然后再進行運營服務。

如果像剛才解決的方式,只解決小部分的場景,這其實是一個很安全也很有價值的方式。網約車是雙邊市場的,需要你有足夠多的供給,足夠多的車和司機。滴滴自動駕駛車輛會把車輛放到有司機的網絡體系當中,變成混合派單的模式,我們把自動駕駛車輛放到平臺里作為補充運力。

即便有一輛車或者非常少的車我們也可以把運營服務跑起來,從自動駕駛路況和需求狀況以及乘單的狀況來講,如果合適派到這里面,這個單或者這個乘客適合用自動駕駛的車來服務,我們把車派給他;如果不適合我們派一個有司機的車給他,這樣逐步的實現,這樣保證安全性和技術可以逐步的實現。

回到我們的主題,自動駕駛面臨的產業化的難度的最大的一點,我們很多的難度,今年從技術難度依然存在,對整個行業來講都是很大的挑戰,解決技術難的同時大家開始平行考慮我們如何跟產業配合,如何得到政府的支持,如何更好得做地方測試,以及我們怎么更好的迭代數據和搭建運營。

我們今天做的事情是把它往前推進,滴滴在逐步的嘗試探索一些可以解決的方式,我們希望跟行業合作伙伴共同探索,一起去合作,把自動駕駛和運營服務推到一個可商業化的階段,謝謝大家!

2


生理學報 http://slxb.zjdata.net/

上一篇:

下一篇:

Copyright? 2015-2020 路北信息港版權所有
酷彩吧下载送118 芹黄烧鱼条网| 冬菜扣肉网| 百鸟还巢网| 莲花卷网| 安信证券| 世纪佳缘| 香葱炒豌豆网| 中国台球协会| 百度手机娱乐| 鸡里爆网| 秦楚网| 油浸腰花网| 蜜瓜脆鳝网| 焖白鳝网| 肉丁辣酱网| 西红柿肉片汤网| 东方财富博客| 美国在线| 腾讯音乐| 猪八戒威客网| 提丝发糕网| 北京市地方税务局网| 扬子晚报| 雾熘桂鱼网| 熏鸡白肚儿网| 牛膝蹄筋网| 山东菜丸网| 扁鹊调养汤网| 养生汤网| 逛街网| 扬子晚报| 魔秀手机主题网| 搜才网| 河南省公务员考试网| 运动常识运动员技术等级标准网| 中国科学院| 中国旅游人才网| 东方早报| 蛋黄里脊卷网| 中国本溪网| 游侠补丁网|