国内的自动驾驶技术目前发展到什么阶段了？ 第1页

https://www. zhihu.com/answer/219339 5274

这次百度的Apollo技术开放日，百度演示Apollo Moo极狐版、威马版、广汽版三款车型的合作。在极狐版本的阿尔法T车型上使用的百度激光雷达方案，整体成本下探到了 48 万元，是业内平均水平的三分之一。这个价格已经非常接近大众了。

无人驾驶这个东西已经说了很多很多年了，不说汽车厂商早期的探索，特斯拉Autopilot系统的第一起事故过去都5年了。那还是L2、L3级别的自动驾驶。

至于无需驾驶员监控的情况下，汽车可以完全实现自动驾驶的L4级别无人驾驶，一直都在演示，没有落地。

百度被大众所知是BAT，一家互联网搜索企业。虽然百度搞无人驾驶和人工智能很久了，但是大众一直对百度的人工智能技术不了解，百度是如何做到给汽车企业提供无人驾驶解决方案的？百度搞无人驾驶的目的何在呢？

一、非一日之功

无人驾驶的核心技术是人工智能，百度专注人工智能的时间，比很多人知道的都要更早一点。

百度在人工智能技术上图像识别、语音识别都很强。2016年，百度的语音识别就被MIT列为十大突破技术。2017年百度人脸识别就上了《最强大脑》节目，赢了最强的人类。2018年百度就造了昆仑芯片，达到260TOPS，2021年造了昆仑2，用7nm工艺提升了3倍性能。

在无人驾驶上，2017年百度已经达到其他厂商今天拿出来的演示水平。

之后，百度的无人车，先在金龙汽车的厂区内运行。然后在北京的公园里面运行萝卜快跑无人驾驶在一些城市运行。

这样一步一步积累，百度才有实力给汽车厂商提供方案，百度在无人驾驶上不是突然的，而是很多年持续投入不断积累的成果。现在国内无人驾驶和人工智能的团队，大多数都与百度有渊源。

二、安全第一，成本低廉，普及容易，数据共享的方案

特斯拉最近一段时间，在国内出事比较多。实际上，早在2016年，特斯拉的自动驾驶就出过致命事故。

因为，特斯拉的方案是一个毫米波雷达，加两个前置摄像头，加几个超声波雷达的方案。

这套方案当年因为摄像头没有识别出大货车的白色车身，毫米波雷达从底盘底下过去了，超声波雷达识别距离不够，在2016年一头撞上货车导致致命事故。

在2016年，其实激光雷达要安全得多，但是特斯拉非常努力的提升算力，就是不舍得用多线激光雷达，因为当时一个多线激光雷达等于一辆超跑。

相比之下，百度的方案非常注重安全。百度的Apollo ANP给全车配置12个摄像头、5个毫米波雷达、12个超声波雷达，用800TOPS的算力去处理。除了依靠算力对多路信号的处理，百度手里还有百度地图，这是厘米级的高精度3D地图。所以，百度的L4级别视觉方案也又很高的安全性。

而这次拿出来的百度的Apollo Moon则是百度 Apollo 第五代L4级自动驾驶量产车型。

它将百度先进的激光雷达方案搭载主流量产车型前装量产而成。该方案具备800TOPS的算力，车顶采用了 1 颗禾赛的定制化激光雷达，前向还有一颗安全冗余激光雷达；一共配备 13 个摄像头、5 个毫米波雷达以及 2 颗激光雷达，能够对车辆外围环境实现精确感知，同时具备的自检和自清洁功能，能够确保了复杂天气及复杂城市路况下的安全行驶。

整套系统，百度采用了46项安全保障技术和59项出行服务设计，具备全传感器及计算单元冗余，复杂城市道路送达成功率高达99.99%。即使一套系统发生失效，也能确保整车仍然执行驾驶指令，将乘客送到安全地点。

因为有这种极端考虑安全的措施，所以百度才能把自动驾驶安全路测里程从600万公里至1800万公里。

因为有这套极端安全的系统，百度才取得了汽车厂商的青睐，获得多家厂商的合作。

需要说一下的，因为百度自己搞芯片，合作搞激光雷达。所以，百度提供的软硬件一体方案成本有很大优势，在其他厂商一辆演示车等于一辆超跑的时候，百度已经可以把L4级别无人驾驶汽车压到48万，已经达到了富裕家庭承受的水平。

而且百度的方案适配很容易，以前是一家一家合作，这次是一下拿出来三家。未来，汽车厂商使用百度的L4级别无人驾驶方案，会像配备ABS一样简单。只要想要，就能匹配。

需要特别说一下的是，百度和广汽、威马、北汽合作的三款车，都用了Apollo Moon的ANP-Robotaxi架构。

所谓，ANP-Robotaxi架构，其实就是一个L4 级 Robotaxi 自动驾驶数据与 L2+ 级辅助驾驶数据的共生共享，技术降维，数据反哺的体系。

我们知道，人工智能这个东西，并不是事先程序员编程编好了就用，而是要通过神经网络，用大量数据去投喂的。就像AlphaGO通过投喂棋谱数据，自己和自己下棋对抗，生成越来越强的棋力。这个过程被搞人工智能的人戏称为“炼丹”。

自动驾驶也需要尽可能多的实际驾驶数据去投喂，让人工智能去学习，才能越来越强。

但是L4级别的车太贵太少，能上路的地方不太多，专门找车去训练获取的数据量不够大。

而百度是同时在做辅助驾驶和自动驾驶的玩家，而且能够同时将高级自动驾驶和辅助驾驶做到同一款车上。

特斯拉能用很少的硬件实现一定水平的自动驾驶，是因为它敢装车，让用户使用，自己来获取数据。

百度的ANP-Robotaxi架构厉害在于，它把大规模量产的L2+级别和高级的L4 级做成数据共享，用L2+装车的海量数据去给L4级别服务，实现系统的迭代和优化。相当于L4级别的自动驾驶获得了前所未有的海量数据投喂。这个数据积累下来，L4级别的人工智能驾驶就厉害了。

三、产业落地的无人驾驶

百度持续多年，花很多钱搞无人车，当然不是用爱发电。百度自己提出来的是“赋能共享出行服务、赋能特殊作业场景、赋能智慧城市服务”三大落地场景。

这次与广汽、威马、北汽打造的48万自动驾驶车型，是车型落地和检验。要先有预装了百度驾驶技术的上市量产车，然后才能实现无人驾驶生态。

得益于百度多年的积累，预装了Apollo Moon的量产车，在加速、减速、掉头行驶中，车辆行驶极其平稳，面对行人、违停车辆，车辆快速识别、及时完成自主避让。

此外，Apollo Moon还具备车内人机语音交互、APP控制空调车窗、智能车门等人性化功能。

这意味着，搭载百度技术的无人车可以很容易的作为网约车使用。

对于难以预料的特殊情况，一定需要人类来处理的时候，百度也准备了“5G云代驾”。

通过“5G云代驾”做无人出租车和代驾的运营企业，也可以随时查看车辆情况，必要时远程干预无人驾驶车辆。这样可以确保所有情况下的运营安全。

技术实现，再加上萝卜快跑的运营，不断升级成熟。未来网约车、出租车无人化是可以逐步实现的，达到赋能共享出行服务的目的。

未来，网约车公司不再需要司机，只要投放车辆，就可以源源不断的运营，车辆自动运营，自动充电，不断接单。5G云代驾的人员，监控车辆运行，处理意外情况。车辆自动运营，自动充电，这是流动的印钞机。

现在虽然是三家车企拿出车型，未来可能是所有企业都拿出搭载百度无人车技术的车型，提供无人网约车服务，以后汽车是没有驾驶员的，如同现在的电梯没有电梯操作员。这是百度的赋能共享出行服务。

另外，无人驾驶成熟以后，也很容易应用到矿山，港口等作业车辆。各种物流车辆。这也是一个巨大的市场，这是百度赋能特殊作业场景。

无人驾驶普及后，结合智慧城市，可以管理城市交通，控制信号、车辆整体运行，提升整个城市的运行效率，这是赋能智慧城市服务。

有机构预计，2030年Robotaxi市场规模预计超过1.3万亿，头部玩家市场份额可以达到40%以上，而百度将成为头部玩家之一。

百度Apollo分别与广汽、威马、北汽打造的48万自动驾驶车型只是第一步，未来人工智能技术成熟将大大便利我们的生活，提升效率，让我们的世界更美好。

2019年2月21日，融资9500万美元成功啦，也独角兽啦，更新点新的啦。

这是图森未来的卡车，行驶在美国亚利桑那 I-10高速的一段，下午四点多，下大雨。

卡车最高时速105km/h，大雨，市区内+高速，还要让火车，总共1小时15分钟，全程无接管，大概是开了100多公里从一个仓库到另一个仓库完成一单中短途的运输。

后来， @量子位 的小（胖）哥哥也去坐了，证明我们真的还挺厉害的。因为我们是运货的，所以人类坐我们的车是不收费的。：）

再放一段骑兵视频吧，18年给某位货主运货的真实实录。因为保密协议，必须重码。

==========================================

2018年7月24日，我再更新一段最新的视频：

2018年7月，图森未来（TuSimple）在北方某深水港的无人内集卡车队试验运营已超过100天，在港区内的实际测试数已超过2000标准集装箱，模拟测试超过40000标准集装箱，具备了在白天、夜晚以及雨天等特殊天气下的完全商用能力。

在公布的视频中，由三辆图森未来（TuSimple）无人驾驶卡车所组成的车队按照港区内的生产逻辑和码头管理系统（TOS）直接对接，与码头内的桥吊、轮胎吊等设备顺畅交互，在无人介入的情况下参与了集装箱卸船后的水平运输全流程作业，并且在雨夜、路面湿滑和低照度的工况下依然保证了运输作业的安全性和可靠性。

在我们的实际运营中，已经可以支持8辆车同时编队全流程作业了，你说要是有啥瓶颈和障碍……可能是用于拍摄的GoPro数量不够吧…… :-P

========================

我肯定是利益相关方，我先给你看两个视频吧，可以一定程度上友善地提醒友商不要乱加定语。

这是在北方某港口

这是在北方某高速（缺乏艺术感的一镜到底，这还是我们上一个版本，最新技术实力等8月吧）

乘用车不熟，先聊聊商用车。

细扣技术的话恐怕过于晦涩，先从商业模式上讲讲：

商用车，尤其是重型卡车（车辆承载吨位14吨以上，对应美国的L7和L8），本身就是一种高使用率的生产工具，无论是上海洋山港内几乎24小时不停歇的内集卡，还是一家两口、三口上阵共同开18小时的外集卡，高使用效率意味着高速公路仓到仓的无人化自动驾驶运输以及封闭/半封闭道路无人化自动驾驶运输都是有利可图的。：)

于情于理的分析，货物运输场景的用户痛点明显，对自动驾驶技术应用的需求十分迫切——

·司机人工成本占总成本比例高达30-40%（美国更高，占到50%）；

·交通事故发生率高，且多为使用手机、疲劳驾驶等人为原因；

·对司机资质和经验要求高，符合要求司机稀缺，工作强度大；

·人工管理成本高，劳工纠纷严重影响物流行业运营效率；

从技术角度来说，你们敬爱的晓迪博士和乃岩博士比我精通的多，我先回答下我认为的几个要点：

·感知层面：乘用车时速100到0的刹车距离按规定是40米，卡车你猜多少？空载80米，满载150米，这意味着，感知距离越远，你我他就越安全。激光雷达现在能普遍适用的距离是70米到100，再远可能也能看，但松散的不像话，所以在卡车上只依靠激光雷达作为主要的感知方案，是不行的。某友商在门脸上安个低线激光冒充独角兽，太扯了。作为利益相关方的员工，图森采用摄像头为主感知方案，我们可以做到300米有效感知咯，后来技术又牛逼了，可以看到1000米咯（具体技术博士们不让讲）。晚上也不怕，我们合作参与的摄像头在0.05Lux（相当于只有星星，没有月亮的漆黑的夜晚）下只用10ms就能完成有效曝光。

·决策层面：这个我不太懂，但NVIDIA是我们的股东，软件和硬件的支持管够。

·控制层面：为啥大家都爱用林肯地MKZ，因为Autonomous Stuff 把MKZ的全套线控协议开源了。我所接触到的大部分无人驾驶企业，目前都只能做软件部分，还没有涉及车辆控制与硬件部分。但我大图森与主机厂、英伟达深度合作，拥有卡车所有CAN总线通讯协议，可实现对车辆的自主控制。当然啦，也有些厂商在车上按了四个机械臂，连上伺服电机分别控制方向盘、油门、刹车和排挡，效果好不好另说，但我看过后觉得还是很蒸汽朋克的。

行吧，差不多说这些吧，我在图森主要承担基于Steam平台下欧洲卡车模拟驾驶技术的前瞻研究，如果美国卡车模拟打折，我应该也会承担美国卡车模拟的相关研究。：）

欢迎大家来图森未来（TuSimple），我们有知乎上倍受爱戴的晓迪博士和乃岩博士，但请文明围观，禁止投喂。：）

==============================

2018年7月21日，又开始了基于Steam平台下美国卡车模拟驾驶技术的前瞻研究。