无人驾驶产业格局及技术路线分析

2017-10-26

大家好,这里是 Roadstar.ai 。我们是一家将硅谷最先进的多传感器深度融合无人驾驶技术带回中国,彻底改变中国人的出行的 startup 。在介绍我们是谁,我们做什么之前,让我们先分享一下我们对无人驾驶行业的看法。

 

1. 无人驾驶行业的现状分析

1.1 The origin: DARPA

在无人驾驶潮,起源于 2005 年,美国国防部举办的 DARPA Grand Challenge 。04 年的第一届没有手跑出来,但是 05 年在荒野的比,有多支伍成功跑完,斯坦福大学和卡耐基梅隆大学得了名。

 

而 2007 年的 DARPA Urban Challenge ,把挑放到了城市路况中,次是卡耐基梅隆大学,斯坦福大学和弗吉尼理工大学分别获得了第一,二,三名。

美国国防部的比,向世人明了无人驾驶上的可能性

 

1.2 Google 延续了 DARPA 的技术,从 09 年一直在不断的研发

Google 看到 DARPA 中无人驾驶的未来,于 2009 年将斯坦福 AI Lab 的负责人,也是 DARPA中斯坦福大学原型负责人 Sebastian 招到 Google,和他的原班人一起,继续无人驾驶领域的研究。Google X 于 2010 年 1 月正式成立。

从 09 年到 2016 年 6 月,Google 的无人了 2,777,585 公里。光 2016 年 8 月一个月,无人就行了 202,777 公里。

 

截止到在,Google 的无人了 500 万公里。最新的技术实力,可以达到平均连续8000 公里 1 次人工干的水平。

 

2016 年 12 月,Google 正式将 Google X 中的无人驾驶业务分拆出来,成立了独立公司 Waymo。

由于 Google 无人驾驶的大力推,在硅谷大家都能看到最前沿的技似乎已能很快的得到普及。目前,Google 的无人驾驶术还是公世界最高的水平。

 

1.3 Tesla 的探索—激进的先驱者

Tesla 从 2014 年底的型开始,就提供可的“驾驶包”。采用的是Mobileye 提供的 ADAS 技

 

随后,由于技线上的差异,Tesla 于2016 年 7 月止了和 Mobileye 的合作。目前 Tesla 的技线主要依靠 8 个环绕摄像头,1 个毫米波雷达和12个超声波传感器。

 

Tesla 的野心越来越大,宣称要在 2017 年末实现完全无人驾驶,而 2019 年全面上路。

仅靠最简单的 ADAS ,在光照好的条件下也可以实现相当高的精度,但是内普遍认为其安全性不达

 

Tesla 据是,目前 Tesla 在 “ 驾驶模式 ” 下累了 13 亿英里,而目前的事故概率相当低,至少是人同等里程下的二分之一。所以目前的自动驾驶,已可以实现强于人类两倍的性能。

 

现实中, 2016 年 5 月,Tesla 的一名主开启自动驾驶模式,在上看视频,直接撞到拖上身亡。根据事后调查Tesla 由于有免声明,要求对驾驶负责,而不能完全交Tesla 得以被判免

因此,Tesla 一方面宣称其技可以实现 Level 4 以上的“完全无人驾驶”,现实了免要求用户仅将其当做驾驶来使用

 

然 Tesla 的技线较为但是因其广泛的消者基数,吸引到了本市烈关注,可以掀起了无人驾驶

 

为 Google 车虽然在默默步,但知道,乘坐的人少,而 Tesla ,有广大的主基数。主通感受,得光是 ADAS 就离人想象中的无人驾驶了。竟 99% 的安全,和 99.9% 的安全,在消者看来其差异并不明

另一方面,Tesla 极其擅制造话题,也起到了推波助的作用。

1.4 Uber 和 Apple 的探索

2015 年 Uber CEO 正式宣布要用无人驾驶来提供服,招了一些卡耐基梅隆的研究,使用LiDAR + 的多感器融合技

 

2016 年 8 月,Uber 收了做无人驾驶的公司 Otto。同年 9 月,Uber 正式在匹堡提供基于无人驾驶的出租。同年 12 月,在旧金山提供同务。

截止至今,Uber 的技术还一筹,实际效果没有达到 Uber 期。目前 Uber 车队有 43 辆车,无人驾驶模式下每周行驶 20,000 英里,平均连续 0.8 英里一次人工干预。

apple 于 2014 年末开始正式启内部名“ Project Titan ”的野心勃勃的造车计完全无人驾驶电动车。据内部人士透露,Apple 是和一家机器人公司合作开发的技术原型车,采用最新的多感器融合该机器人公司是 Virginia Tech spin off 出来的公司,也曾经是 Virginia Tech 参加 DARPA Challenge 的团队和合作伙伴。

 

起初 Apple 是希望造一台比 Tesla 电动车,但 16 生了化,Apple 希望打造一台“完全无人驾驶电动车这辆车上不会有方向预计最早 2020 年投入市场。

 

而 2017 年 6 月,Apple CEO 公众承了苹果无人驾驶领域的趣,但是否了造,而是在研究无人驾驶件。

1.5 无人驾驶技术指标对比—距离实现 Level 4 还有多远?

尽管指选择有所差异,按照加州的定,申了无人驾驶牌照的公司需要报备各自的无人驾驶运行情况。其中最核心的指,是累无人驾驶下的里程数,和平均连续无人工干里程数。

结论来看,Google 的技依然瑶瑶先其他可比公司,累了 500 万公里,而最新的技可以达到平均连续 8000 公里 1 次人工干主机厂中比Nissan,大概是平均 230 公里 1 次人工干。而 Uber 的水平,大概停留在平均1.5 公里 1 次人工干,可以看到大家的差距还较

 

国内的百度,据消息称,目前水平和 Uber 相当。

 

根据内普遍的看法,如果无人驾驶车辆的安全性能达到人的 10 倍以上,就可以完全替代人。那么也完全实现无人驾驶需要的技,大连续 10 万公里1 次人工干的水平。

 

恰恰因为 Google 的水平已非常高,让资本市看到了短期内(3-5年)实现安全性的可能,目前各家企都在拼命冲刺技的最后公里。

 

1.6 蓬勃涌现的无人驾驶初创企业—向胜利发起冲锋的号角

从 2015 年开始,不断出做无人驾驶的初里我摘取了一些典型的,做接近于 Level 4(无人驾驶驾驶的定义见分析)技的企,供大家分析。

可以看出,2015 年和 2016 年,有很多从大公司,大学出来的初公司开始该领域。无人驾驶的开,呈出百花放的状。无人驾驶的黄埔校,有斯坦福大学,Google,和国内的百度。

 

按照上述的分析,些研究无人驾驶 Level 4 的企,都在努力试图用各自的技方案,实现安全性达,成本可控的“无人驾驶最后公里”。

 

究竟摘取最的桂冠呢?我们认为类比汽的引擎,池管理技等核心模,无人驾驶术应该也不会呈出一家独大的情况。最终应该有大公司,也有一些初公司可以做出性能和成本达品。

 

 

1.7 无人驾驶还是辅助驾驶

根据 SAE 的分,无人驾驶从 Level 0 到 Level 5 。更加详细的分类标准在网上已有很多,我就不做详细的科普。里做一下简单的定,并且大家明一下。

根据定Level 2 到 Level 3 应该划分驾驶”的范畴。之所以称之为辅驾驶,是因为这个等下,驾驶员要承担驾驶的完全任,无人驾驶不承担一切事故的后果。

 

目前 Level 2 的 ADAS 系的成本价降到 1,000 人民以内,前装的售价也在数千人民以内,可以算是得到了好商化的汽智能化配件。海外有著名的 Mobileye,国内也有很多做 ADAS 系对标正在努力赶超。

 

Level 2 的技术虽然可以实现全面的驾驶辅助,但是由于安全性的要求低,效果很多候是根据驾驶员的主感受而决定的,可以术门槛也相对较低。目前很多主机厂,都在研自己的ADAS 对 Mobileye 行替换。

 

Level 3,是在 Level 2 的基上,增加了更多的感器,提高安全系数后,能在部分路况下完全接管汽的控制的系。比如辆车从市区开到高速公路,在高速公路上可以实现无人驾驶下的定速巡航(Tesla 提供这项功能)。但是其问题是,由于适的路况较为少,而且系统还是要求在发求后类驾驶员必须在六秒之内接管,无法实现真正的人替代。

 

于国内目前涌出来,做低速无如机场摆,园区高等等的企,由于行速度非常低(10 km/h),安全性的要求也会低很多。一般而言,我将其技术归类到 Level 2 到 Level 3 。

 

而 Level 2,Level 3,然有着较为用,他所需要的技和 Level 4 以上渭分明的。也和很多人想象得不同,并不能实现从 Level 2 向 Level 4 的逐Level 4 的主要技,是要实现在市区境下的完全无人驾驶需要系极高的安全性。而 Level 4 的最大特征,在于定事先定好的区域,就可以实现“完全无人驾驶”。这样,商上可以实现对类驾驶员的替代,可以改变传统的生关系。而 Level 2,Level 3 的技,最终还是“帮助”人类驾驶员开得更好而已。

 

正因为 Level 4 有着巨大的技和相的更广的市,目前 Level 4 无人驾驶是市关注的焦点。

 

 

2. 无人驾驶行业的现状分析

2.1 车载传感器一览

无人使用的感器,大的来有以下类别:激光雷达,GPS (包括差分 GPS),IMU (性制),毫米波雷达,超声波雷达等等

然人可以只通过视觉和听实现驾驶,但是机器人缺乏能有效识别场景的大,需要通的“五感”,来弥补这个缺陷。感器,可以是无人驾驶的眼睛和耳

2.2 主要感器之 LiDAR

在不同感器类别中,源自于 DARPA 的激光雷达( LiDAR ),被认为是无人驾驶最重要也是最必不可缺少的感器。相比起其他感器,他最大的优势于空量非常精确,可以保高的安全系数。

图20 传感器的优劣势对比)

目前全球的 LiDAR 供几乎被 Velodyne 断。价格昂,最便宜的 16 线 7,900 美金,最的 64线 80,000 美金一台。

机械式激光雷达通高速旋,能点云形成间环境的准确感知,各家无人驾驶厂商需要开自己的点云特识别术。

 

2.3 LiDAR 开发的激烈竞争

目前全球范内,技成熟的厂商只有源自 DARPA 的 Velodyne 一家。但是也有数不尽的初公司生,试图战 Velodyne 断地位。

 

(图23 做LiDAR的初创企业)

而 LiDAR 本身,也有一个最新的技方向,就是摒弃 Velodyne 的机械旋转设计,用相控术实现的激光雷达。固的激光雷达最高线数只能到达 16 线。但是更易量,成本也可以做得更低。被普遍认为是激光雷达的究极解决方案。最的成本,可以降到 100 美金一个,和相仿。

2.4 只采用摄像头是否靠谱— Deep Learning 的能力边界在哪里

今年由于 DNN(Deep Neural Network),也就是深度学,有很多基于此的新算法生。很多学者说仅仅依靠 DNN ,就可以实现类似人驾驶只依靠视觉信息,实现 Level 4 级别的无人驾驶

 

其代表,就是来自于 Princeton 大学 AI 域的教授肖建雄立的 Auto X,和来自于斯坦福大学 AI Lab,著名 AI 三驾马车吴恩达太太立的 Drive.ai

 

然而,也发现只依靠视觉信息和 DNN 无法实现 Level 4 要求的安全性,加上头单感器的局限性,这两家企目前都已了当初宣称的做法。

 

AutoX 是“Camera First ”,未来 LiDAR 降价后会加上 LiDAR。而 Drive.ai在使用 DNN算法来识别 LiDAR 生的点云而不是仅仅用在上。

 

从我们的角度看来,因为 LiDAR 降价是个必然到来的事情,因为价格高昂而不用LiDAR,降低系统整体的安全性与可靠性,可能得不偿失。

2.5 Level 4 无人驾驶的新技术体系—多传感器融合和 DNN 算法

Google 开始做无人是在 2009 年,基于斯坦福参加 DARPA 比赛时候的原型。由于 2009 的算法效果并不好,致 Google 在今后的开上,非常依LiDAR。不断对 LiDAR 算法遇到的 corner case(例外)行算法面的充,也就是打丁。而且,了提高安全性,Google 甚至自己制造了世界上唯一的 128 线LiDAR。也就是Google 的技体系中,高线数 LiDAR 是必不可缺的主感器。

 

而近年来,主要有以下三个新的向。

 

A. 多颗低线数 LiDAR 对高线数 LiDAR 的模拟和替换

由于高线数 LiDAR 的生要求极高,Velodyne 和谷歌的量有限,而且成本非常高,致使用 LiDAR 的技方案普及遇到很大的苦。近年来,有很多初公司发现过组合好多颗 16 线LiDAR,也能达到不单颗线数 LiDAR 的效果。

B. 传感器,尤其是 LiDAR 和摄像头的算法融合

由于近年算机视觉和深度学算法的展,识别能力相比 2010 年前后有了飞跃。在传统使用 LiDAR 感器的 Level 4 无人驾驶,和采用更便宜的头为感器的Level 2 ADAS 方案的基上,有了将 LiDAR 数据行融合的新尝试。通过 LiDAR 头这两感器的优势,可以用更加低性能的感器,实现更高的安全性

c . 对于 LiDAR 点云数据,采用 DNN 算法

Google 代,DNN 没有得到广泛的用。所以 Google 于点云的识别,采取的似于Computer Vision 的算法—提取特征。但是由于最近 DNN 的效果逐得到明,也有一些新的尝试,用 DNN 来做点云数据的学,并且识别物体。个效果有待验证,但是我相信最终这个方法在数据量大了以后会超越传统的特征识别算法。

2.6 无人驾驶是泡沫吗?

于无人驾驶普及而言,最关的因素是性能和价格。

 

从价格的角度,内普遍认为的激光雷达,会在今后五年内价格降低到不碍事的程度。

 

问题的关因素在于,无人驾驶是否能符合大家的期,在可预见的短期内达到技的成熟。

 

近年,谷歌的技达到了 8,000 公里一次人工干的水平。个水平于很多人而言,已非常接近于实现了 Level 4 。而 Tesla,更是激认为仅和超声波雷达,毫米波雷达的方案,就已够实现两倍于人的驾驶能力。保守一点,假设连续 100,000 公里一次人工干是 Level 4 无人驾驶的基要求。

根据才所述,采用新的技架构下,我们认为 Level 4 无人驾驶,有希望在 2025 年之前的某个时间,达到足好的安全性。而无人驾驶是否破要取决于中虚线所代表的未来的技术进展。

 

另外,根据 Gartner 著名的 Hype Cycle 来看,无人驾驶经处于泡沫期的最后段。而他预测中,无人驾驶的普及需要大于 10 年的时间Gartner 于无人驾驶术还是抱着相保守的度。

无人驾驶是否会是一个泡沫,有待于接下来三年内技步来揭开谜题。我们团队对无人驾驶的未来,充信心。

 

3. 中国市场的独特性

3.1 中国道路的技术挑战

目前世界的无人驾驶,主要是在硅谷地区。而中国的道路交通情况,相比起硅谷,或者其他达国家,路况更加复。目前主流的无人驾驶算法,都需要解决 corner case 问题,无是通不断更迭算法打丁的方式,是通过 DNN,收集数据来解决,都需要实际上接触大量的 corner case,才能够实现

 

因此,把硅谷的算法平移到中国,是一定会失的。比如 Google 旧金山湾区跑得很完美的无人开到德州就问题百出了,更不要来中国了

因此,中国市急需要针对中国的路况而开的系,不在中国行大模的路收集数据,就无法实现在中国本土的 Level 4 无人驾驶落地。

3.2 中国的无人驾驶发

根据工信部推出的《中国制造 2025 》的划,中国 2020 年,2025 年关于无人驾驶的目如下:

 

在《中国制造 2025 》重点域技线图中,智能网为 DA、PA、HA、FA 四个级别,其中, PA 指部分自动驾驶HA 指高度自动驾驶, FA 指完全自主驾驶驾驶权完全移交给车辆

 

2020 年,汽信息化品自主份达 50%,DA、PA 整自主份过 40%,掌握感器、控制器关,供能力足自主模需求,量达到国水平。启智慧交通城市建,自主施占有率 80% 以上。

 

2025 年,汽信息化品自主份达 60%,DA、PA、HA 整自主份达 50% 以上;自主智能卡开始大模出口。制定中国版完全自主驾驶标准,基于多源信息融合、多网融合,利用人工智能、深度挖掘及自控制技,配合智能境和实现自主驾驶,可改出行模式、消除堵、提高道路利用率,合能耗降低 10%,减少排放 20%,减少交通事故数 80%,基本消除交通死亡;FA 智能化装率 10%,自主系率 40%

 

另一方面,国内也有很多企,高校,开始自主研发 Level 4 无人驾驶典型的比如百度,Volvo,国防科大和上汽等。很多都已经实现较长距离的高速公路实验,以及封区域内的实验

3.3 中国特色的无人车小镇建设

在政府和开商的推下,中国各地正在起“无人”建设热潮。典型的比如深圳和福建漳州。

 

深圳的无人(摘抄自新):

南方科技大学、密西根大学、前沿产业基金在深圳签订合作协议,宣布合共建无人驾驶示范基地。该项资规 100 亿元,将址在深圳龙岗区或深汕合作区,具体区域在勘探和划。

 

个示范基地就是无人驾驶。按照前沿产业基金始人王京的想,小集智能汽相关技新企,建造无人驾驶示范运行区,住宅、教育、医院等基础设施。工步行就能上班,投机构一天内可以洽多家企业。

 

京想打造的是一个集智能汽车产业相关的「硅谷+Mcity」模式( Mcity 是密西根大学建的全球第一个专门用于测试车联网和自动驾驶潜力的试验场)。按照划,明年三季度到四季度将有第一批测试车在基地用。

 

福建漳州的无人(摘抄自新):

漳州的 “全球首个城市无人驾驶社会实验,基本上也是个概念。据,它Mcity在中国的独家合作伙伴,更与密歇根州政府和硅谷比蒂署了略合作协议

 

它将落漳州招商局经济区(下称“漳州招商局开区”)。该项划构建三个关联递进试验场景,包括 60 万平方米的封闭测试场200 万平方米的产业园区实验场(既是产业聚集区,也是新的出行方式实验区),最后在整个开区(56平方公里)行无人驾驶术规管方式的模化实验,形成与无人驾驶相关的法律制度、商、技术标准等一系列制度框架。

 

漳州招商局开积 56 平方公里,是一个城市级别的物理空将配套立 100 亿产业母基金用于实验室的建支持

 

4. Roadstar.ai 的优势

4.1 中国技术实力最强的团队

Roadstar.ai 的三个始人,均有在硅谷最先高校和无人驾驶的学,工作经验,直接掌握核心科技

另一方面,由于无人驾驶是个复的系工程,必要具所有相的核心经验和能力,才能很好的实现Roadstar.ai 团队优势,具无人驾驶所需要的所有模的能力

 

4.2 提供产品以前装为主

Roadstar.ai 的主要品,是乘用和商用的前装无人驾驶解决方案。另外,后装类产品和高精度地,技上也完全可以实现,但是商上我不做先考

4.3 也作为无人驾驶技术的 Power House ,输出技术能力

另外,考实现 Level 4 无人驾驶的商化运营还需要较长的路径,Roadstar.ai 也会作无人驾驶的 Power House主机厂特种车辆改装厂和各物流运公司提供性价比可控的技术解决方案和核心算法

4.4 可以通过无人驾驶技术,切入整车制造/交通运输服务

另外,放眼未来,首先在无人驾驶核心技术领域奠定基。今后可以从无人驾驶延伸到上游的整制造,以及下游的交通运中。

4.5 技术选型与比较

Roadstar.ai 的技术选型,采用上述最新的多感器融合架构。也是目前 Apple 和 Uber 采用的技架构,被普遍认为具有最好的性价比和潜力。

目前在中国市,具真正做“多感器融合”能力的企业还稀缺,会是 Roadstar.ai 在中国本土市的核心技术竞争力

 

4.6 在硅谷和深圳建立研发中心

Roadstar.ai 在深圳西和硅谷 San Jose 建立有研中心,不断将硅谷最新的技术输出到国内,同国内收集数据,行本土化改良,保持国内市的技术领先。

4.7 已获得大量知名风投机构的支持

Roadstar.ai 立之初,就得了云启本,松禾本,耀途本,本等机构的千万美金天使资。