自动驾驶真正上路 还有10%的技术难题待解

10月21日，全国首个常态化运营的5G无人公交在苏州落地。这个在苏州高铁新城亮相的无人公交是在开放的城市道路上运行，且速度可达20—50千米/时。这辆无人公交车除了具备避让行人车辆、自动变道、自动转向、红绿灯识别等基本功能，还能应对各类城市复杂交通场景，例如穿行人车混杂的路口、应对后车加塞、“鬼探头”等。

自动驾驶服务陆续落地，是否意味着其商业化临近?

目前自动驾驶的落地情况如何?其发展到了一个什么程度?

在于骞看来，自动驾驶处于这几大领域的交汇点，是新基建的典型落地应用。加上近年来不断完善的智慧城市、智慧交通相关政策，可以说，自动驾驶在国内的商业化落地正迎来最佳的时机。

第一个黄金窗口出现在2015年至2017年之间，在这段时间里，出现了一批自动驾驶公司，在这个阶段的融资主要是靠估算的产品规模以及团队背景，当时市场对L4级别自动驾驶(全自动驾驶)产品落地的期望值很高，定下了不少比较乐观的近期目标。

在2019年之后，人们对L4级别自动驾驶的预期开始回归理性，随着技术的进一步成熟，市场的需求也呼唤无人驾驶产品落地。同时国家的各类政策先后推出，以及相应的法律法规逐渐完善，随着硬件成本的显著下降，L4级别自动驾驶的短期落地场景逐渐明确了。

无人小巴更具落地可能性

在于骞看来，自动驾驶能否商业化取决于不同自动驾驶级别和不同场景，例如L2级别自动驾驶(部分自动驾驶)的方案已经在许多量产车上落地。

目前业内更看好无人小巴在公开道路的商业化落地应用，无人小巴正在国内多个城市启动常态化运营，可满足城市中的地铁接驳及微循环接驳需求。

于骞表示，无人小巴这一应用场景具有三大优势。第一，中低速场景，乘客对车速的预期可控，速度保持在20—50千米/时之间。第二，固定路线，车在同一条线路上反复磨练，更能确保行驶安全，并可实现红绿灯优先和预警。第三，满足多人出行，具有社会效益，在公共道路上享受优先路权。

已经解决90%的技术问题

于骞认为，决策规划和感知的问题都可以归结为自动驾驶的长尾问题。自动驾驶在技术上已经解决了90%的问题，但剩下的10%却可能要花费同样多甚至更多的精力去解决，这10%包括很多边界化难题(Corner case)，如在车辆遇上野鸭子之前，工程师甚至不知道会有野鸭子的问题。所以边界化难题是需要去发现并解决的。

“除了收集大量的数据，更重要的是建立自动化生产工厂，将源源不断收集来的有效数据，通过自动化的工具，加工成可用的模型。以更快的速度、更高效的方式应对边界化难题。”于骞表示。

“以感知举例是比较容易理解的，但其实规划技术也一样。要想让车做出准确的规划，最原始的方法是工程师写规则——大量的工程师写出大量的规则，但这种方式不易维护性还不能满足最新需求;再进一步便是设计奖励函数——设计奖励函数比写规则要简单得多;再往后则是系统利用数据自动学习奖励函数。这个过程便是往自动化方向发展的过程。”于骞说。

(新媒体责编：zfy2019)