行业过冬 自动驾驶的长尾问题何解？

wujiang009

　　记者/董静怡
　　自动驾驶产业的寒冬还未过去。
* z1 L$ F/ \! T; m/ R　　在技术快速演进的同时，自动驾驶产业落地遭遇瓶颈。受制于技术成熟度、商业化等问题，单车智能路线尚停留在L2+级。风口已过，泡沫散去，自动驾驶的故事里只留下了困境。
　　技术上的长尾问题是自动驾驶商业化的主要制约因素。由于道路场景复杂，即使现有技术已经实现了90%以上场景的自动驾驶，但剩下10%的长尾场景如果不得到解决，自动驾驶就始终无法落地。
3 o, T( l, F) {　　于是，各大自动驾驶公司开始在里程测试上下功夫，获取数据以及通过数据迭代算法的能力成为自动驾驶公司完善自动驾驶技术、提升商业化应用的核心竞争力。但国内政策审慎，目前地方上一般只采用“试点示范区”“政策先行区”形式划定区域范围，而非全域开放，场景丰富度仍十分受限。受此约束，自动驾驶技术的精进只能缓慢前行。
  O9 E- c4 [9 a6 |9 I6 E$ }　　政策监管程度与技术成熟度之间形成的悖论似乎将自动驾驶带入了“死胡同”，然而跳出这个框架，行业发展也并非无路可走。
　　“当前L3和L4级自动驾驶迟迟无法落地，其核心技术瓶颈就在感知层面。因为感知不到，就不会有后面的决策和执行。”复星全球合伙人，复睿智行董事长王立普表示，“我们研发的感知产品，不仅能用在车端，也能用在路端，支撑我们的长期发展。”
　　近日，一站式智慧出行技术及运营服务商复睿智行发布了公司自主研发的高性能4D毫米波雷达、融合感知算法、智能路侧通信计算一体化单元、V2X协议栈，运营平台等一系列智能驾驶与智慧交通软硬件产品及多个智能场景的解决方案，显示出复睿智行的发展路径。
　　王立普表示，复睿智行的使命就是再造一个感知系统，打开通往未来的入口。
4 @. Z0 v% s6 Z$ e　　前融合感知解决长尾难题
3 \0 x# g1 `/ d& \; R　　自动驾驶核心技术体系可简单概括为“感知、决策与执行”，在复睿智行看来，感知是今天自动驾驶里面最难解决的问题，也是自动驾驶要解决最先决的条件。
　　“感知很好的时候，我相信在控制上会简单很多，”复睿智行首席技术官周轶博士在接受记者采访时表示，“先把源头做好，从而去减少对整个链路的焦虑。”
　　感知层面主要指的是自动驾驶汽车可通过车载摄像机、激光雷达、毫米波雷达等传感器来感知周围环境，实时动态监测周边环境变化。如今发展之下，不同传感器各有优劣，通常来看，融合使用才能实现自动驾驶所需的准度和精度。
& J7 ]% Z: U% A7 l/ i! Z　　但这也出现了自动驾驶行业中一个严重的问题：传感器的无限堆叠以及数据的无限堆叠。
) F1 V; n8 j& ^* Q" o　　“因为整个市场对自动驾驶的呼声很高，大家并没有把毫米波雷达、激光雷达、摄像头做得更好，就开始通过无限堆叠传感器的数量去实现自动驾驶所追求的感知。”周轶表示。
　　这显然不是最理想的解决方案，甚至在堆叠后也仍旧无法解决长尾问题。基于此，复睿智行在发布会上同步发布了自研的以前融合为核心的融合感知算法，结合自研毫米波雷达与摄像头及激光雷达，实现软硬件高度统一的域控制器+感知融合算法部署。
' ~1 `8 r2 w. P4 R　　何谓前融合感知算法？即将所有传感器都运行同一套算法，把来自激光雷达、摄像头和毫米波雷达的不同原始数据统一处理，让最终的感知结果变得更加稳定可靠，更能利用到每个传感器的优势，提供像素级别的深度信息，提供精确的目标形状，也可以解决数据样本不足的问题。
7 O7 _# F6 \# J& X4 L- j- [6 a　　前融合感知算法因门槛高、测试环境复杂、数据量要求大等，在行业内鲜有企业涉猎，业内较为主流应用的是后融合算法，即基于多传感器的多层数据，分别进行不同的算法去独立感知，最后进行识别物体的合并，完成整个感知过程。
　　“通过前融合算法，就从根本上解决了数据焦虑的问题，因为我并不需要知道前方是什么东西挡住我，我只知道它在哪，它挡了多少路，我就可以躲过它。”周轶告诉21世纪经济报道记者，“这可以从根本上去覆盖掉绝大部分的长尾场景，或者几乎是100%的长尾场景。”
* S3 K7 Y8 T2 _7 f; U. F　　复睿智行自研4D毫米波雷达为打造前融合感知算法提供领先的传感器支持。据周轶介绍，4D毫米波雷达在延续传统毫米波雷达探测距离、方位、速度、全天候运行、低成本等优势的基础上，凭借其丰富的点云输出和新增的俯仰向信息感知能力，已成为高阶智能辅助驾驶及未来自动驾驶落地的核心传感器之一。
　　车路协同是补充路径
6 o4 T1 j; p5 p  c7 ~2 ]　　当L4级别的单车智能技术尚无法落地之时，车路协同作为单车智能感知的补缺与延伸，也能降低单车智能的硬件需求和成本，从而加速智能驾驶的落地。复睿智行把车路协同当作了解决感知问题的另外一条补充路径。
　　“L0、L1自动驾驶1.0、2.0阶段是人与车在协调控制权，而在L3级别以上的自动驾驶，我们看到的是车跟路在协调控制权。这是一个大的协调控制权方面的迁徙。”复睿智行首席运营官薛春宇告诉21世纪经济报道记者，他表示，车路协同可以解决效率、安全冗余、盲区警示、感知长尾等方面的问题，“现在单车智能碰到的问题基本上都是可以靠车路协同来解决的。”
　　不仅如此，车路协同也是有效解决交通拥堵的方案之一。据百度推算，以车路协同为基础的智能交通设施建设，有望将通行效率提升15%至30%。
4 B2 o$ Q" t8 i/ }　　但问题也是显而易见的，运营主体不明、商业化路径不清晰是最大的阻碍。薛春宇向21世纪经济报道记者表示，车路协同需要三方，即交通端、车端、通信端，三端同时发力，但是现在这三端发力是参差不齐的，通信端参与度很高，交通端参与度中等，车端参与度很低，且应用场景比较单一。
　　薛春宇表示，车路协同是大趋势是行业内的共识，目前各地政府都会成立平台公司，先用平台公司买单。复睿智行依托“车路云一体化”技术路线，发布了硬件平台+软件平台+运营平台+多元场景的系统级解决方案。
　　亿欧智库近日发布的《2022中国车路协同产业发展蓝皮书》显示，随着车路协同逐步走向规模化与市场化，路端基础设施的改造成本将从现在的100余万元/km进一步降低，预测2025年将降至50万元/km以下，路端市场规模也将在2022年至2025年间迎来快速增长，2030年中国车路协同整体市场规模有望达到4960亿元，市场潜力巨大。
　　“单车智能与车路协同是实现自动驾驶落地的两大支撑，两者不是2选1，这两条是殊途同归的一条路，是必须协同的路，只不过是侧重点不一样，最终一定会走向融合。”薛春宇向记者表示，“并且，车路协同这条路它不只是为单车智能服务的，它是一张网，而自动驾驶其实只是用跑在车路协同这张网上的一个应用。”
　　薛春宇表示，实现自动驾驶不仅要注重单车智能与车路协同的融合，还要推动车路协同与智慧交通、智慧城市的融合，并针对不同场景制定相应方案。
　　据悉，在公司创立的一年时间里，复睿智行已先后在柳州、成都、武汉、南京、上海金桥等多地，开启交通智能网联升级项目。