编者按：近两年，国内Robotaxi的公共运营百花齐放，这些Robotaxi搭载的自动驾驶系统也具备应对常见场景的能力。比如识别红绿灯、避让行人、变道超车等等。在这样的背景下，零接管似乎成为了行业发展的硬通货。针对这种“只接英雄数”的现象，新智嘉与近10位行业资深人士进行了交流探讨，并从五个重要角度梳理出一个优秀的自动驾驶系统在他们眼中应该是什么样子。有人说，自动驾驶的第二波发展浪潮已经到来，从五年前惊艳众人的频繁demo，到整个行业的实用主义蔓延。也有人说，今年将是自动驾驶落地的元年，从感知规划和决策算法的斗争，到Robotaxi在多地的开放运营。虽然这些说法还没有定论，但可以看出，几乎所有的自动驾驶系统都具备应对常见场景的能力，比如识别红绿灯、避让行人、变道和超车等。然而，作为外界了解这个行业发展的重要窗口，行业内的相关报道大多集中在路况、天气、车辆基本配置（激光雷达、摄像头、模型）以及安保人员出勤次数等方面。接手等内容同质化比较严重。这个信息很重要，行业的进步也值得欣喜。同时，我们也可以思考：站在行业亲历者和目击者的角度，我们应该如何判断一个自动驾驶系统好不好？是否有更深入的内容等待我们去挖掘，而不是仅仅接手英雄数？在自动驾驶技术攻坚阶段，长尾场景成为玩家绕不开的话题。自动驾驶上路遇到或可能遇到的主要通道问题都解决了吗？针对这些问题，新智驾从自动驾驶技术企业、主机厂、Tier1、用户的角度，与近10位行业资深人士合作，从以下五个维度进行了探讨和总结。一个优秀的自动驾驶系统应该具备的能力和特性，可能无法全部列举出来，但足以一窥究竟。接管的次数越少越好，但需要分场景。近两年，面向公众开放的Robotaxi运营服务在国内多个城市如雨后春笋般涌现。看似遥远的自动驾驶技术，已经开始走近用户的生活。人工接管的次数无疑已经成为影响用户体验的最直观指标。目前，向媒体开放试乘的自动驾驶车辆，都有固定的行驶路线。科技公司基于这些路线做了很多测试，接管的本质是将车辆驾驶控制权从“机器”转移到“人”。在此背景下，零接管似乎成为了行业硬通货。AutoX相关负责人指出，在用户试乘的情况下，出现人工接管是大概率事件，对常见交通场景的稳定处理是成熟自动驾驶系统的基本素质。诚然，接管次数与技术安全息息相关，只有在不依赖安全员和任何形式的人为直接干预的情况下，自动驾驶技术才能带来更大的商业价值。但需要注意的是，人工接管不能简单地等同于自动驾驶技术的不成熟，接管率也不能作为评价自动驾驶系统优秀与否的唯一标准。《自动驾驶脱离报告》，曾经是自动驾驶行业的风向标，近年来却受到了越来越多的争议。该报告由加州机动车管理局（DMV）发布，试图通过接管数量等指标对主要自动驾驶玩家的实力进行排名。但争议点之一是，操作场景的客观复杂性，甚至是安全员的主观判断，都可能影响人工接管的次数。“目前媒体试乘体验中所说的‘零接管’，更多是指公关层面的零接管。”某自动驾驶公司相关负责人告诉新知家。如果是非媒体试乘（比如研发测试阶段），玩家可能更倾向于选择更复杂的场景来磨练系统——测试的意义在于发现问题。只有不断发现问题，解决问题，系统才能进入稳定的迭代期。英泰相关负责人提到了ODD（OperationalDesignDomain）场景的重要性：“因为业内绝大多数人还在谈L4及以下系统，不只是谈L5。谈零接管必须结合ODD场景。”根据SAEJ3016标准的定义，即使是L4级自动驾驶，当超过ODD场景时，也需要人类驾驶员接管。因此，在不同的场景下，即使是同一个自动驾驶系统的接管数量也可能出现巨大差异，脱离场景谈零接管意义不大。另一方面，接管次数可能更大程度上反映了系统的可靠性，但评价自动驾驶系统的性能还有其他重要维度，仅靠接管次数并不能成为客观公正的衡量标准。长尾场景的处理是关键，但任重而道远。长尾场景已经成为业界讨论自动驾驶发展现状时绕不开的话题。玩家通常将其理解为所有突发性低概率事件。、不可预知的场景，比如路口交通信号灯故障、酒驾车辆等。包括小马智行在内的多位受访者表示，这些场景很难应对，是实现自动驾驶甚至完全无人驾驶的必要条件。解决的关键问题也是反映一个企业技术水平的重要因素。然而，目前业界还没有量化直观的评价体系来帮助业界了解自动驾驶系统的长尾场景处理能力。从开发者的角度，英达认为建立这样一个评价体系非常重要，主要可以从两个部分切入：第一部分是建立一个已知典型场景的场景库，这是现有的基础已知的危险。场景的高级概览。通过评估自动驾驶系统在这些典型场景下的表现，可以在一定程度上评估自动驾驶系统的长尾场景处理能力。第二部分是通过大规模实车道路行驶（可以是路试也可以是众包）场景采集、仿真和数据回充，来评估系统在未知危险场景下的性能表现。在不断的测试、评估、迭代的循环下，很多原本被认为是长尾场景的情况可以逐渐解决，变成日常可以处理的复杂场景，最后变成系统可以轻松处理的通用场景。变身能力也增强了。自动驾驶会对漂浮在道路中间的气球作出反应。有意思的是，随着自动驾驶系统日趋成熟，甚至实现真正的完全无人驾驶，对于如何应对长尾场景，不同的玩家有着不同的想法。有些人认为解决技术问题的过程应该是循序渐进的。目前，自动驾驶在道路上遇到的主要渠道问题（包括已知的危险场景）还远未完全解决，精力和时间应该集中在这上面。部分。长尾场景，也就是那些未知的、危险的场景，并不是现阶段自动驾驶面临的主要问题。另一种声音表示，技术端要注意既要覆盖路上的主通道问题，又要覆盖最后1%的长尾问题。如果优先处理主通道场景和长尾场景，很容易从一开始就陷入“错误的假设”，这样的研发思路在后期可能会遇到瓶颈。但是，受访者无一例外地提到了虚拟仿真测试对于长尾场景处理的重要性。为了穷尽自动驾驶系统可能遇到的各种场景，保证系统的安全可靠，应对长尾场景，玩家还有很长的路要走。合理的系统架构有助于事半功倍。架构不是简单的技术或特定类型的组件，而是顶层设计。就像维持一个国家正常运转所需要的基本社会制度和发展规划一样，架构反映了一个系统中的实体以及它们之间的关系。从宏观上看，自动驾驶技术的实现离不开以下三个核心过程：环保意识和定位。包括摄像头和激光雷达等环境感知硬件、卫星定位和惯性定位相关设备、V2X系统）；决策规划。包括基于高精度地图的路径规划，以及基于交通参与者行为预测和自动驾驶行为的决策；执行控制。涉及到CAN数据总线、油门、刹车、转向等。在细节方面，玩家在设计/优化自动驾驶架构时也有很多因素需要考虑。例如，哪些任务应该由系统独立完成？如何分配计算资源？哪些东西是明确禁止的？例如，传感器、计算平台等硬件设备如何选择和布局？如何实现各种传感器与整车的协同？如何保证安全冗余？可见该架构对于自动驾驶系统的意义重大。也就是说，优秀的架构足以支持更好的软件迭代，保证成本、性能、功能的平衡，加强系统的演进性和可扩展性——这也是很多自动驾驶玩家非常重视系统架构的原因。小马智行相关负责人告诉新知家，为了让车辆能够顺利完成自动驾驶任务，小马智行结合了车辆本身，在软硬件各个模块上都加入了冗余设计；同时，基于不同硬件传感器之间的协同，为系统提供时空同步数据，实现更安全的车辆控制。英达也在提高自动驾驶系统的安全性和可靠性方面做了大量工作。严格遵循产品软硬件开发功能安全的开发要求和流程；对系统进行全方位的单元测试、模块测试和集成测试。保证系统的正常运行。也有业内人士对不同阶段的自动驾驶系统架构优化方向发表了看法：早期的系统架构设计应注重软硬件解耦，保证架构开发的灵活性和软件的通用性，并避免重复开发。问题;在真正的产品开发阶段，需要支持软硬件一体化，结合软硬件进行深度优化，从而提升用户体验。不过，在科技行业可以说是有专攻。擅长三电系统开放的企业，在自动驾驶算法层面可能会感到吃力，而精通算法的企业，往往缺乏汽车研发的专业知识。站在主机厂的角度，奇瑞相关负责人向新智驾透露：单一主机厂或Tier1有限的数据不足以支撑自动驾驶算法的快速迭代演进。不过，主机厂与Tier1的合作还是比较大的。双方不应停留在传统方式上，而应探索互利共赢的合作新模式。优秀的自动化运行能力，让用户安心。如果说以上三个维度凸显了自动驾驶系统的硬实力，它们是保证车辆能够安全、顺利地完成自动驾驶任务的前提。那么，自动化运营能力是软实力，是差异化服务的重要体现，是提升用户体验的关键。正在积极布局无人驾驶小巴的宇通相关负责人表示，“自动化运营能力可以理解为类似于人类司机的服务能力，比如人类司机不仅需要开车，还需要处理各种情况。待定。“奇瑞也有类似的观点——良好的人机配合，用户在用车过程中会有安全的心理体验。用户体验是基于“人”的，是在实际应用过程中产生的主观感受，因此，用户的心理安全应该是系统除了要像老司机一样做出自然舒适的加减速、正确及时的转向等驾驶决策外，还要通过信息显示或其他合适的方式进行人机交互。人性化的人机交互可以减少或消除用户在使用自动驾驶功能时产生的困惑、紧张、焦虑等情绪，具体来说，还可以从以下几点提升用户体验：帮助用户理解系统在做什么，比如交互界面的信息展示，或者车内的语音播报；n平易近人的语言，而不是机械晦涩的语言；满足用户的个性化需求，如听音乐、看视频等；支持在用户的帮助下自我提升，并留有用户反馈的渠道。总之，自动驾驶发展的本质将是最终安全地完成从A点到B点的交通任务。从车辆启动，到自动驾驶，再到停车，全程固化。在可预见的未来，系统的自动化能力将变得越来越重要。产线管理、远程控制、成本控制等细节当然，仅仅实现完美的自动驾驶效果，带来愉悦的用户体验还远远不够。为了让自动驾驶系统成为真正接地气的大规模应用产品，玩家们不得不面对许多看似微不足道但却很重要的问题。比如在量产过程中，如何更清楚地掌握硬件的磨损状态，才能在正常运行时不出现故障？同时，当自动驾驶车辆发生极端安全事故时，如何采取远程应急措施？此外，降低成本一直是摆在各大自动驾驶玩家面前的一座大山。百度携手极虎，共同发布共享无人车——ApolloMoon。据称成本低至48万，仅为行业L4级自动驾驶量产车型平均成本的三分之一。这是第一款降到普通量产乘用车价格区间的Robotaxi车型。自动驾驶系统开发成本高，元器件成本高。对于其他玩家，如何在不影响系统性能的情况下，提升自身的供应链整合能力，优化成本？这些问题可能会影响自动驾驶系统部署进度的快速规模化。总结自动驾驶技术开始与越来越多的乘客紧密相连，同时也为未来出行带来了无限想象空间。回到最初的问题：什么样的自动驾驶系统才能称得上“优秀”？由于不确定因素很多，判断这个问题可能永远没有单一的标准，但可以得出一个东西——从竞争的技术背景和算法能力，到竞争的产品定义和工程速度，将是未来的主旋律。或许，市场很快就会给我们最终的答案。本文转载自雷锋网。如需转载，请在雷锋网官网申请授权。
