讓谷歌“無人車之父”Sebastian Thrun都點贊的自動駕駛技術，是什么樣的？

就像老司機的操作一樣——又快又穩。

例如，面對走到機動車道上的行人，靈活操作避讓，而不是小心翼翼地跟在后面：

懂得審時度勢，在繁忙的商業區，看哪條道車流量比較少，就果斷變道：

遇上從側面突然沖出來的摩托，也能輕松避讓，不慌不忙：

沒錯，這是滴滴正在測試的最新自動駕駛系統。坐在駕駛座上的安全員，全程雙手離開方向盤。

上面還只是普通操作。

對于自動駕駛系統來說，更大的挑戰在于逆光、夜間、大型車輛密集等場景。

這些情況下，傳感器設備和自動駕駛系統往往會遭遇更為復雜的干擾。

那么滴滴的最新自動駕駛系統又表現如何？

占據鏡頭30%以上的大片光線，并不影響它判斷紅綠燈，依舊以正常速度繼續行駛：

夜間進行無保護左轉時，面對對向直行車輛，也會迅速判明情況，而不是一味等待：

路遇大車絲毫不懼，避讓后方來車后，立刻選擇變道超車：

甚至在連續5小時完全無人接管的情況下，從白天開到夜晚，也沒有發生什么事故。

一年前，滴滴自動駕駛在上海開放公眾測試時，還是個謹慎的新手司機。

如今，它已經變得更加游刃有余。

滴滴“老司機”，如何快速練成？

那么問題來了，滴滴的自動駕駛“新手司機”，在短短一年時間內，究竟是經歷了怎樣的修煉，才有了如今這樣更加接近人類司機的表現呢？

感知優化

首先，還是要從感知技術的優化說起。

不妨先以路遇大型車輛這個場景來舉例。

人類司機普遍有一個共識，開車上路，盡量避著大車走。其中一個重要原因是，大車自身的盲區多，也容易遮擋旁車的視線。

對于傳感器而言，這樣的挑戰同樣存在。

根據滴滴自動駕駛公司COO孟醒介紹，當RoboTaxi接近大車時，大車很可能會占滿傳感器的視野，導致傳感器判斷失真。

這種時候，來自攝像頭或者激光雷達的單一信號就不夠可靠了。滴滴的方案，就是將不同的傳感器信號進行組合：

在識別出大型車輛之后，不是單純依靠機器學習的方式去進行跟蹤，還要加入點云分割等技術，進一步判斷大車的邊界距離，增強自動駕駛系統對于大車邊界的理解。

另外一個對傳感器考驗不小的場景，是日落時分，司機們在路上經常遇見的逆光場景。

在某些情況下，夕陽的光暈甚至會占據整個攝像頭視野的30%以上。

意味著對比度低的情況下，有些人和物會在攝像頭里“隱身”。

此前，特斯拉頻頻在白色大卡車上栽跟頭，就可能與此有關。

為此，滴滴的工程師們在多傳感器融合方案的基礎上，還做了很多動態數據增強的工作，以確保在不同亮度條件下，都能準確識別和避讓行人、汽車，以及其他路面上的物體。比如在對比度、白平衡比較差的情況下，去放大、加亮一些比較重要的場景。

前文也說到，滴滴這一次連續5個小時的show，從白天一直開到了黑夜。

事實上，即使對于人類司機而言，夜間開車的體驗也與白天大相徑庭。

為了更自如地在夜幕中行駛，滴滴的自動駕駛系統也被專門訓練出了夜間模式。

一方面，是有針對性地收集夜間數據，訓練專門的夜間模型——尤其對于攝像頭來說，夜晚采集到的數據與白天截然不同，能看到的人和物、能看清的距離、識別的角度都可能發生變化。

另一方面，同樣是多傳感器融合方案——融合3-4種平行的識別方式。并且，根據夜間交通參與者置信度的不同，工程師們也對不同識別方式的權重做了有針對性的調整。

值得一提的是，這樣的夜間模式，會根據時間和外界亮度的情況，自動開啟。

另外，針對視頻中沒有展示出來的天氣變化的影響，孟醒也做了補充說明。

具體而言，滴滴自動駕駛把天氣分為4檔：

第一檔，光照條件良好的普通天氣；

第二檔，稍微復雜的天氣情況，如小到中雨；

第三檔，大到暴雨、大風等場景；

第四檔，沙塵暴、臺風等極端天氣。

孟醒表示，絕大多數的天氣場景，如今滴滴自動駕駛系統都能覆蓋得不錯，這其中也引入了不少新的算法。

以大雨場景為例，滴滴引入了一種新的激光雷達信號處理方式：

利用激光雷達多次發射、多次回收信號，這樣回收的回波中就包含了不同的形態和相位信息。對這樣更豐富的信號進行處理，系統就能夠判斷出哪一些物體是可以穿透的，而哪一些又是不能穿透的。

至于沙塵暴、臺風天這樣不適宜出行的極端天氣，孟醒坦言，這對于當下的自動駕駛技術研發來說不是最重要的場景。

原因很簡單，想要常態化運營，可靠性是非常重要的。

基于這樣的前提，滴滴當前需要重點捕捉的，是那些發生概率較高、影響較大的出行場景。

行為決策

說完了感知方面的提升，在行為決策方面，滴滴自動駕駛系統又是怎么向人類老司機靠攏的呢？

首先，在被投喂了大量人類司機駕駛車輛數據之后，滴滴自動駕駛系統對于交通參與者行為的預測準確性，有了明顯的提升。

這也是為什么面對與其他車輛、行人的博弈，如今的滴滴“老司機”顯得更為自信。

孟醒談到，對于RoboTaxi而言，可靠性是最重要的，也就是說，車一定不能出事故。而“事故”不僅僅是指安全事故，也包括體驗上的事故，如車輛頻繁急剎，讓乘客覺得不舒服。

更進一步，還有效率層面的“事故”——自動駕駛車輛不能因為一個復雜的場景，一直卡死不動。

而說到可靠性，滴滴自動駕駛系統還有一項“絕招”，就是“安全模式”。

可以看到，在下面這樣一個幼兒園附近的場景下，道路兩旁臨時停放了許多等待接小朋友放學的車輛，同時還會有大量行人、電動車出現。

這些動態因素的變化、疊加，就對自動駕駛的預測、決策和規劃提出了更高的要求。

對此，滴滴自動駕駛系統配備了風險評估模式。

當風險指數（Risk Potential）上升時，安全模式就會被啟動，RoboTaxi就會以更謹慎的方式去駕駛車輛，提升安全系數。

滴滴“老司機”，如何快速迭代？

去年6月才剛剛面向公眾推出載人測試服務，短時間內又有了明顯的進步，滴滴的自動駕駛技術，進展不可謂不快。

但其實也并不出人意料。

畢竟滴滴自動駕駛是“富二代”。

自動駕駛技術上，滴滴具有獨特的優勢——有目標，有路徑，有資源，還加上一點國內環境的條件。

首先，有目標。

相比于其他自動駕駛車企，滴滴從一開始就看到了自己的“終點”——RoboTaxi。

沒錯，并非像Waymo等公司一樣純技術驅動，而是從落地場景出發，思考所需技術。

至于技術出來后如何運營？不用考慮。

滴滴的網約車平臺，已經提供了自動駕駛商業化落地的方式，例如，自動駕駛與有人駕駛同時派單，根據路況、天氣和路徑決定派單模式，同時為用戶提供服務等。

其次，相比于如Uber一類的網約車平臺，滴滴在自動駕駛上的技術路徑又更加明確。

例如，如何使用從網約車平臺采集的真實場景數據。

背靠滴滴平臺的自動駕駛，每天訂單數量平均達數千萬，加之司機的行駛軌跡和安裝在交通工具上的桔視設備，全年可以采集近1000億公里的真實場景數據。

憑借這些真實數據和仿真系統數據，滴滴自動駕駛能形成經營、安全和技術三張地圖，可以在10秒內篩選出最具有測試價值的地點。

此外，滴滴還基于從桔視設備上采集的數據，為網約車司機開發出了智能化駕駛安全系統：

不僅能對車外的前向碰撞、前車急剎、車道偏離等場景及時預警，還能在司機進入疲勞狀態前，通過語音提醒司機注意行車通風、及時休息、避免疲勞駕駛，讓出行更安全。

這個名為“基于桔視的AIoT智能駕駛感知平臺”的項目，已經在今年4月10日，獲評吳文俊人工智能科技進步獎“企業技術創新工程項目”。

對于滴滴而言，目標和路徑都很明確，“無非是怎么執行的問題”；但其他企業，就不一定有這么明確的方向了。

除此之外，滴滴的自動駕駛資源，也確實豐富——人才、資金……都有足夠的底氣。

孟醒在采訪中表示，目前團隊已經超過500人，而支撐研發和技術迭代，資金也比較充裕。

加之國內也高度重視V2X（車聯網）技術的推進工作，各地都在建成車路協同自動駕駛的相關設備和道路，又為實現真正的自動駕駛，進一步創造了條件。

而在這次“5小時無接管”的視頻中，也包含了支持V2X的部分道路測試。

天時地利人和，滴滴都有了。

滴滴自動駕駛，下一步往哪開？

滴滴自動駕駛，自2016年組建團隊以來，已有5年研發歷史。

起步并非最早，發展速度卻絕對算是最快之一：

2019年8月，滴滴官宣將自動駕駛業務升級為子公司，運營和研發架構一應俱全；

2020年6月，RoboTaxi項目落地上海，正式開放公眾自動駕駛測試體驗；

2020年11月，滴滴與北京汽車集團合作的新一代L4自動駕駛車亮相；

同月，滴滴自動駕駛成為首家獲得上海三個測試區牌照企業，總里程達530.57公里；

現在，滴滴又發布了全球首個5小時連續無監管路測視頻，測試車輛在環境感知、行為決策、運動規劃與控制等方面的表現，連“無人車之父”都給予了極高的評價……

所以，滴滴自動駕駛，下一步會往哪開？

據孟醒透露，在技術路徑上，滴滴自動駕駛將會經歷三個階段，包括性能測試、可靠性和落地。

在進行性能測試時，開發團隊會迅速搭建一個車輛模型，并用各種場景去挑戰它，理解它的性能邊界，即目前研究技術所能達到的最高性能。

接下來，就是提升自動駕駛系統的可靠性了，這里面的核心，是求穩。只有靠真實數據的迭代，才能檢驗出系統的穩定性來。

最后，才到量產落地的環節。

對于滴滴而言，這幾個階段會有重疊的部分，因此更多時候會并行進行，但目前的研究重心，仍然放在“可靠性”這一階段上。

而這一階段，也是滴滴最有信心與其他車企拉開差距的一環。

目前，滴滴尚未透露具體落地時間，表示商用化仍然取決于硬件成本、車企平臺、政策體系等因素，“還需要與行業一同合作實現”。

但能夠確定的是，滴滴自動駕駛技術研發，未來將仍然聚焦于網約車場景。

至于滴滴是否會進軍自動駕駛卡車賽道，孟醒只表示：

目前，更多是在技術層面上保持關注。

在滴滴自動駕駛上一輪融資后，我們說滴滴手握中國最好的自動駕駛資源，起點和勢頭會有所不同。而且在中國搞自動駕駛，沒有人不羨慕滴滴。

而現在技術上的快速迭代和進展，也是對這種資源優勢的最好印證。

責任編輯：lq