让谷歌“无人车之父”Sebastian Thrun都点赞的自动驾驶技能，是什么样的？

就像老司机的操作一样——又快又稳。

例如，面对走到机动车道上的行人，灵巧操作避让，而不是小心翼翼地跟在后面：

懂得审时度势，在繁忙的商业区，看哪条道车流量比较少，就果断变道：

遇上从侧面溘然冲出来的摩托，也能轻松避让，不慌不忙：

没错，这是滴滴正在测试的最新自动驾驶系统。
坐在驾驶座上的安全员，全程双手离开方向盘。

上面还只是普通操作。

对付自动驾驶系统来说，更大的寻衅在于逆光、夜间、大型车辆密集等场景。

这些情形下，传感器设备和自动驾驶系统每每会遭遇更为繁芜的滋扰。

那么滴滴的最新自动驾驶系统又表现如何？

霸占镜头30%以上的大片光芒，并不影响它判断红绿灯，依旧以正常速率连续行驶：

夜间进行无保护左转时，面对对向直行车辆，也会迅速判明情形，而不是一味等待：

路遇大车丝毫不惧，避让后方来车后，急速选择变道超车：

乃至在连续5小时完备无人接管的情形下，从白天开到夜晚，也没有发生什么事件。

一年前，滴滴自动驾驶在上海开放"大众年夜众测试时，还是个谨慎的新手司机。

如今，它已经变得更加游刃有余。

滴滴“老司机”，如何快速练成？

那么问题来了，滴滴的自动驾驶“新手司机”，在短短一年韶光内，究竟是经历了若何的修炼，才有了如今这样更加靠近人类司机的表现呢？

感知优化

首先，还是要从感知技能的优化提及。

不妨先以路遇大型车辆这个场景来举例。

人类司机普遍有一个共识，开车上路，只管即便避着大车走。
个中一个主要缘故原由是，大车自身的盲区多，也随意马虎遮挡旁车的视线。

对付传感器而言，这样的寻衅同样存在。

根据滴滴自动驾驶公司COO孟醒先容，当RoboTaxi靠近大车时，大车很可能会占满传感器的视野，导致传感器判断失落真。

这种时候，来自摄像头或者激光雷达的单一旗子暗记就不足可靠了。
滴滴的方案，便是将不同的传感器旗子暗记进行组合：

在识别出大型车辆之后，不是纯挚依赖机器学习的办法去进行跟踪，还要加入点云分割等技能，进一步判断大车的边界间隔，增强自动驾驶系统对付大车边界的理解。

其余一个对传感器磨练不小的场景，这天落时分，司机们在路上常常遇见的逆光场景。

在某些情形下，夕阳的光晕乃至会霸占全体摄像头视野的30%以上。

意味着比拟度低的情形下，有些人和物会在摄像头里“隐身”。

此前，特斯拉频频在白色大卡车上栽跟头，就可能与此有关。

为此，滴滴的工程师们在多传感器领悟方案的根本上，还做了很多动态数据增强的事情，以确保在不同亮度条件下，都能准确识别和避让行人、汽车，以及其他路面上的物体。
比如在比拟度、白平衡比较差的情形下，去放大、加亮一些比较主要的场景。

前文也说到，滴滴这一次连续5个小时的show，从白天一贯开到了黑夜。

事实上，纵然对付人类司机而言，夜间开车的体验也与白天大相径庭。

为了更自若地在夜幕中行驶，滴滴的自动驾驶系统也被专门演习出了夜间模式。

一方面，是有针对性地网络夜间数据，演习专门的夜间模型——尤其对付摄像头来说，夜晚采集到的数据与白天截然不同，能看到的人和物、能看清的间隔、识别的角度都可能发生变革。

另一方面，同样是多传感器领悟方案——领悟3-4种平行的识别办法。
并且，根据夜间交通参与者置信度的不同，工程师们也对不同识别办法的权重做了有针对性的调度。

值得一提的是，这样的夜间模式，会根据韶光和外界亮度的情形，自动开启。

其余，针对***中没有展示出来的景象变革的影响，孟醒也做了补充解释。

详细而言，滴滴自动驾驶把景象分为4档：

第一档，光照条件良好的普通景象；第二档，轻微繁芜的景象情形，如小到中雨；第三档，大到暴雨、大风等场景；第四档，沙尘暴、台风等极度景象。

孟醒表示，绝大多数的景象场景，如今滴滴自动驾驶系统都能覆盖得不错，这个中也引入了不少新的算法。

以大雨场景为例，滴滴引入了一种新的激光雷达旗子暗记处理办法：

利用激光雷达多次发射、多次回收旗子暗记，这样回收的回波中就包含了不同的形态和相位信息。
对这样更丰富的旗子暗记进行处理，系统就能够判断出哪一些物体是可以穿透的，而哪一些又是不能穿透的。

至于沙尘暴、台风天这样不适宜出行的极度景象，孟醒坦言，这对付当下的自动驾驶技能研发来说不是最主要的场景。

缘故原由很大略，想要常态化运营，可靠性是非常主要的。

基于这样的条件，滴滴当前须要重点捕捉的，是那些发生概率较高、影响较大的出行场景。

行为决策

说完了感知方面的提升，在行为决策方面，滴滴自动驾驶系统又是怎么向人类老司机靠拢的呢？

首先，在被投喂了大量人类司机驾驶车辆数据之后，滴滴自动驾驶系统对付交通参与者行为的预测准确性，有了明显的提升。

这也是为什么面对与其他车辆、行人的博弈，如今的滴滴“老司机”显得更为自傲。

孟醒谈到，对付RoboTaxi而言，可靠性是最主要的，也便是说，车一定不能出事件。
而“事件”不仅仅是指安全事件，也包括体验上的事件，如车辆频繁急刹，让搭客以为不舒畅。

更进一步，还有效率层面的“事件”——自动驾驶车辆不能由于一个繁芜的场景，一贯卡去世不动。

而说到可靠性，滴滴自动驾驶系统还有一项“绝招”，便是“安全模式”。

可以看到，不才面这样一个幼儿园附近的场景下，道路两旁临时停放了许多等待接小朋友放学的车辆，同时还会有大量行人、电动车涌现。

这些动态成分的变革、叠加，就对自动驾驶的预测、决策和方案提出了更高的哀求。

对此，滴滴自动驾驶系统配备了风险评估模式。

当风险指数（Risk Potential）上升时，安全模式就会被启动，RoboTaxi就会以更谨慎的办法去驾驶车辆，提升安全系数。

滴滴“老司机”，如何快速迭代？

去年6月才刚刚面向"大众推出载人测试做事，短韶光内又有了明显的进步，滴滴的自动驾驶技能，进展不可谓烦懑。

但实在也并不出人意料。

毕竟滴滴自动驾驶是“富二代”。

自动驾驶技能上，滴滴具有独特的上风——有目标，有路径，有资源，还加上一点海内环境的条件。

首先，有目标。

比较于其他自动驾驶车企，滴滴从一开始就看到了自己的“终点”——RoboTaxi。

没错，并非像Waymo等公司一样纯技能驱动，而是从落地场景出发，思考所需技能。

至于技能出来后如何运营？不用考虑。

滴滴的网约车平台，已经供应了自动驾驶商业化落地的办法，例如，自动驾驶与有人驾驶同时派单，根据路况、景象和路径决定派单模式，同时为用户供应做事等。

其次，比较于如Uber一类的网约车平台，滴滴在自动驾驶上的技能路径又更加明确。

例如，如何利用从网约车平台采集的真实场景数据。

背靠滴滴平台的自动驾驶，每天订单数量均匀达数千万，加之司机的行驶轨迹和安装在交通工具上的桔视设备，整年可以采集近1000亿公里的真实场景数据。

凭借这些真实数据和仿真系统数据，滴滴自动驾驶能形成经营、安全和技能三张舆图，可以在10秒内筛选出最具有测试代价的地点。

此外，滴滴还基于从桔视设备上采集的数据，为网约车司机开拓出了智能化驾驶安全系统：

不仅能对车外的前向碰撞、前车急刹、车道偏离等场景及时预警，还能在司机进入疲倦状态前，通过语音提醒司机把稳行车透风、及时安歇、避免疲倦驾驶，让出行更安全。

这个名为“基于桔视的AIoT智能驾驶感知平台”的项目，已经在今年4月10日，获评吴文俊人工智能科技进步奖“企业技能创新工程项目”。

对付滴滴而言，目标和路径都很明确，“无非是怎么实行的问题”；但其他企业，就不一定有这么明确的方向了。

除此之外，滴滴的自动驾驶资源，也确实丰富——人才、资金……都有足够的底气。

孟醒在采访中表示，目前团队已经超过500人，而支撑研发和技能迭代，资金也比较充裕。

加之海内也高度重视V2X（车联网）技能的推进事情，各地都在建成车路协同自动驾驶的干系设备和道路，又为实现真正的自动驾驶，进一步创造了条件。

而在这次“5小时无接管”的***中，也包含了支持V2X的部分道路测试。

天时地利人和，滴滴都有了。

滴滴自动驾驶，下一步往哪开？

滴滴自动驾驶，自2016年组建团队以来，已有5年研发历史。

起步并非最早，发展速率却绝对算是最快之一：

2019年8月，滴滴官宣将自动驾驶业务升级为子公司，运营和研发架构一应俱全；

2020年6月，RoboTaxi项目落地上海，正式开放公众年夜众自动驾驶测试体验；

2020年11月，滴滴与北京汽车集团互助的新一代L4自动驾驶车亮相；

同月，滴滴自动驾驶成为首家得到上海三个测试区牌照企业，总里程达530.57公里；

现在，滴滴又发布了环球首个5小时连续无监管路测***，测试车辆在环境感知、行为决策、运动方案与掌握等方面的表现，连“无人车之父”都给予了极高的评价……

以是，滴滴自动驾驶，下一步会往哪开？

据孟醒透露，在技能路径上，滴滴自动驾驶将会经历三个阶段，包括性能测试、可靠性和落地。

在进行性能测试时，开拓团队会迅速搭建一个车辆模型，并用各种场景去寻衅它，理解它的性能边界，即目前研究技能所能达到的最高性能。

接下来，便是提升自动驾驶系统的可靠性了，这里面的核心，是求稳。
只有靠真实数据的迭代，才能考验出系统的稳定性来。

末了，才到量产落地的环节。

对付滴滴而言，这几个阶段会有重叠的部分，因此更多时候会并行进行，但目前的研究重心，仍旧放在“可靠性”这一阶段上。

而这一阶段，也是滴滴最有信心与其他车企拉开差距的一环。

目前，滴滴尚未透露详细落地韶光，表示商用化仍旧取决于硬件本钱、车企平台、政策体系等成分，“还须要与行业一同互助实现”。

但能够确定的是，滴滴自动驾驶技能研发，未来将仍旧聚焦于网约车场景。

至于滴滴是否会进军自动驾驶卡车赛道，孟醒只表示：

目前，更多是在技能层面上保持关注。

在滴滴自动驾驶上一轮融资后，我们说滴滴手握中国最好的自动驾驶资源，出发点和势头会有所不同。
而且在中国搞自动驾驶，没有人不倾慕滴滴。

而现在技能上的快速迭代和进展，也是对这种资源上风的最好印证。

— 完 —

量子位 QbitAI · 号签约

关注我们，第一韶光获知前沿科技动态