发布网友 发布时间:2022-05-05 07:43
共1个回答
热心网友 时间:2023-10-16 01:36
撰文| 熊宇翔?编辑|路由社
自动驾驶行业,本周有“一死一生”两个大新闻。
周一,Uber宣布出售亏损已久的自动驾驶业务,Uber于2015年搭建的自动驾驶团队ATG就此成为历史,持续5年的自动驾驶研发也走到尽头。
周二,百度在广州举办Apollo生态大会,发布ANP(Apollo Navigation Pilot)领航辅助驾驶。基于L4级纯视觉自动驾驶的城市道路闭环解决方案——Apollo Lite“降维打造”,将于明年搭载于量产车型上市。ANP联合此前推出的AVP泊车方案,百度计划在未来5年实现100万辆车型的前装。
ATG逝去,ANP新生。在不同命运的种种偶然之间,我们试图找到一些必然。这个必然,可能是自动驾驶的“降维”求生。
「降维」者生
2015年,Uber创始人卡兰尼克,从人工智能名校卡耐基梅隆大学进行了一场刨根式的挖人,几乎将机器人研究所的所有人才整体挖空,组建了Uber的自动驾驶团队ATG(Advanced Technologies Group)。至此,Uber大干快上研发无人驾驶,并驶上公开道路进行测试。
2018年3月,Uber无人驾驶测试车辆在美国撞击一名行人致死,其研发工作随后陷入停滞。重启之后亦进展缓慢,直至遇上今年的疫情,情况雪上加霜。
本周一,因为不堪自动驾驶业务持续亏损却不见产出带来的重负,Uber选择将ATG出售给自动驾驶公司Aurora,并向后者投资4亿美元。
现在回望,Uber一开始就选择了研发最困难也最耗费成本的无人驾驶技术。但在5年时间中,除了融资外几乎没有从中获得任何回报,反倒是接连遭遇了核心工程师被竞争对手谷歌起诉、测试过程中撞人致死等坏消息。
家底并不殷实的Uber,最终选择了放手。
再看百度,2013年,百度开始对无人驾驶技术的研发。2015年,百度的无人驾驶汽车在乌镇世界互联网大会上完成首秀。2018年,百度推出Apollo自动驾驶开放平台。这两年,百度的自动驾驶出租车测试车队在全国遍地开花。
但今年的百度Apollo生态大会,聚焦的却不是技术上最复杂的自动驾驶出租车,而是近几个月很火热的最新辅助驾驶功能xxP,比如蔚来的NOP、小鹏的NGP。百度的技术,叫做ANP领航辅助驾驶。
值得关注的是,这项技术是从百度的L4级纯视觉自动驾驶技术Apollo Lite降维开发应用而来。即把L4级自动驾驶技术,作为L2级辅助驾驶技术使用,它能实现车辆在高速/快速路自动驾驶、城区道路自动驾驶、红绿灯识别、无保护左转、环岛通行等能力,但司机仍会对车辆安全负最终责任。
技术降维应用后,ANP寻求轻量化,整个解决方案无需昂贵的激光雷达与超高算力车载电脑,有助于快速上车。
其实,在ANP推出之前,百度去年就联合威马共同开发将L4级自动驾驶技术降维到泊车场景能使用的AVP自动泊车方案。现在,从L4降维而生的ANP与AVP,都将成为百度连接车企的关键智能驾驶产品。
无独有偶,今年早些时候,华为也提出了将L4级自动驾驶技术降维至L2的ADS智能驾驶方案。
显然,实现完全自动驾驶的路途过于漫长,即使是科技巨头,也要以降维的方式,来保证自动驾驶业务的生存。
「攀登珠峰,沿途下蛋」
从越来越多的大厂口中,你能听到他们对实现无人驾驶的规划达成了一致,“攀登珠峰,沿途下蛋”。明确提出这个说法的,就包括华为总裁任正非和百度智能驾驶事业群组总经理李震宇。
这其实是自动驾驶行业的集体智慧。2018年,驭势科技CEO吴甘沙在一次演讲中,公开提出了“沿途下蛋”这一说法,随即,“攀登珠峰,沿途下蛋”的形象说法被行业总结、接纳。
这句话的实质是,以高等级自动驾驶为终极目标,但并不直接冲刺这个高难度选择,而是将其“降维”使用,先找到更容易落地的场景进行应用,循序渐进。
“降维”这个词,则出现得更早。
2017年,禾多科技CEO倪凯创业后首次露面时,便发布了将L4级自动驾驶技术降维到L3场景应用的L3.5级自动驾驶系统HoloMatic。曾是百度无人驾驶团队元老的倪凯,当时还对百度自动驾驶未来的走向进行了预测,认为百度要与汽车产业结合,那么L3会在百度占的比重越来越大。
倪凯
如今,随着随百度ANP的发布,倪凯的预测也在应验。
今年北京车展,展示了ADS自动驾驶解决方案的华为,则比百度稍早一些亮明降维的打法。明确以L4级自动驾驶的标准进行软硬件的研发,支持车辆在全场景的自动驾驶,但驾驶员仍负有监控、接管车辆的责任,在现有的自动驾驶技术分级认定中属于L2或者L3级自动驾驶。
实际上,不只是百度与华为这样的科技公司,在自动驾驶落地的进程中,绝大部分相关企业都在以各自的形式,实现对高等级自动驾驶的降维应用。包括与Uber同属出行行业,被认为天然更适合适配无人驾驶的滴滴。
今年,滴滴在上海开启了自动驾驶出租车的载人测试运营,拿出了发展高等级自动驾驶乃至无人驾驶的实质性进展。不过在此之前,以提高车队安全性为目标,滴滴的自动驾驶团队实际上研发了技术上属于L2级自动驾驶的后装ADAS解决方案“桔视”,它能够为驾驶员提供前车起步提醒、前车刹车预警、跟车过近提醒和前车碰撞预警等功能。
滴滴这套系统,目前已经装配在超过100万辆平台运营车辆上。你乘坐滴滴时能听到的“前车刹车”语音提示,就是桔视在发挥作用。
滴滴后装ADAS解决方案“桔视”
降维的桔视,虽然在技术上并不复杂,但却是滴滴攀登无人驾驶珠峰的重要一环。因为它运行在庞大的滴滴车队上,实际上是一个巨大的数据抽水机,为自动驾驶算法模型的优化提供源源不断的养料。
另外,近期向部分用户推送了FSD(Full-selfdriving,全自动驾驶)beta功能的特斯拉,实质上也是在进行降维——尽管特斯拉宣传这是全自动驾驶功能(显然这并不值得鼓励),但驾驶员仍然需要在车辆难以应对的情景下接管,为最终的安全负责。
降维背后 跨越鸿沟
科技公司、出行公司、创业公司、汽车公司,曾经试图以无人驾驶技术主导未来出行市场的他们,大多不约而同地选择了降维。这背后的动因是什么?模糊的说法是,如此难的技术,很难一蹴而就。
但答案其实可以更具象。不久前,前百度总裁、在百度时期强力推动自动驾驶业务的陆奇(现在的身份是投资孵化器奇绩创坛创始人),在接受虎嗅采访时提到,绝大多数企业(包括自动驾驶企业)需要在迎来高速增长前跨越“鸿沟”,找到真正的客户。
陆奇
而作为AI项目之母的自动驾驶,则要同时面对安全、数据与成本三大鸿沟。对自动驾驶的降维,则是要架起跨越它们桥梁。
先说安全。
为自动驾驶设立激进目标与激进测试方案的Uber,即是倒在了安全层面。自动驾驶测试致死案发生后,Uber的自动驾驶被即刻叫停,业务一蹶不振,人才持续流失,最终*卖身。
而百度、华为们,则显然选择了保守。通过将高等级自动驾驶降维应用,让驾驶员参与对车辆安全兜底的工作,成为事实上的安全员。
其实,传统车企中率先在无人驾驶押下重注的通用,也将安全视为关键。2018年,通用就在凯迪拉克CT6上开始导入支持高速公路上解放双手的SuperCruise超级巡航系统,但通用从来只将其称为高等级驾驶辅助技术(自动驾驶分级上归属于L2级自动驾驶)。类似这样的方式,显然有助于避免人们对尚不成熟的高等级自动驾驶技术过于信任乃至滥用。
理论上,在高等级自动驾驶技术完全成熟之前,相关企业都可以更严格要求驾驶员为车辆安全负起责任(当然会辅以各种驾驶员注意力监测系统),在技术发展的路径上寻求用户的助力,为安全上一道双保险。
再说数据。
其实,到目前为止,高等级自动驾驶技术由于尚不成熟, 几乎没有进行大规模应用。尽管对自动驾驶进行数据仿真已蔚然成风,但滋养技术迭代升级的真实数据,仍然严重不足。
但将高等级自动驾驶技术降维为L2、L3级ADAS技术后,它便赶上了如今正在爆发、渗透率快速上涨的ADAS市场。每一辆搭载了这项技术的汽车,都会成为一个数据收集的终端。聚沙成塔,如果再将自家方案植入相当数量的汽车,那么就意味着会掌握对自动驾驶至关重要的海量数据。
典型的例子,除了上文提到的滴滴,便是全球保有量超过一百万辆的特斯拉。今年早些时候,特斯拉的Autopilot便已积累超过30亿英里行驶里程。在此基础上,特斯拉才不断迭代开发出了如今的FSD。
最后,关于成本。
高等级自动驾驶技术需要庞大的算力和高性能的传感器。但目前,它们尤其昂贵。
举个例子,曾经为自动驾驶出租车准备的计算平台与高性能激光雷达,价格都分别高达数万美元。即使到现在,这些关键部件仍不便宜。滴滴以沃尔沃XC60(顶配官方零售价47万元)为基础改装的自动驾驶出租车,单车成本就超过100万元。
但如果将高等级自动驾驶降维,挑战难度低一些的任务与场景,那么,自动驾驶的成本会显著下降——就像百度正在做的那样。
原本,百度为其自动驾驶出租车配置的是高算力计算平台,和由多枚激光雷达充当主力传感器的昂贵组合。但百度昨日推出的ANP,采用的则是纯视觉感知方案,主传感器是10枚价格便宜的摄像头,其平台所需算力也不到30T。这意味着对于普通的乘用车,其成本将是可接受的。
高等级自动驾驶,同时站在出行行业与人工智能行业的交叉口,有着极为庞大的前景,但也有极大的实现难度。这也是降维的意义所在——只有当安全、数据与成本三大鸿沟同时被弥合,自动驾驶才能真正走入大规模应用的阶段。
其实,高等级自动驾驶越来越普遍的降维做法,也是自动驾驶的风向转变——曾经要*汽车行业的玩家们,在现实的捶打中逐渐成为温和的改良派。自动驾驶实在难以平地起高楼,他们总要以某种方式,与既有的汽车行业、出行产业进行桥接、融合。
回到“攀登珠峰,沿途下蛋”的共识,显然,沿途下蛋这样的低维过程,与攀登珠峰的高维目标并不矛盾。自动驾驶当下的降维,最终还是为了未来更好地服务技术与商业的升维。
本文来源于汽车之家车家号作者,不代表汽车之家的观点立场。
热心网友 时间:2023-10-16 01:36
撰文| 熊宇翔?编辑|路由社
自动驾驶行业,本周有“一死一生”两个大新闻。
周一,Uber宣布出售亏损已久的自动驾驶业务,Uber于2015年搭建的自动驾驶团队ATG就此成为历史,持续5年的自动驾驶研发也走到尽头。
周二,百度在广州举办Apollo生态大会,发布ANP(Apollo Navigation Pilot)领航辅助驾驶。基于L4级纯视觉自动驾驶的城市道路闭环解决方案——Apollo Lite“降维打造”,将于明年搭载于量产车型上市。ANP联合此前推出的AVP泊车方案,百度计划在未来5年实现100万辆车型的前装。
ATG逝去,ANP新生。在不同命运的种种偶然之间,我们试图找到一些必然。这个必然,可能是自动驾驶的“降维”求生。
「降维」者生
2015年,Uber创始人卡兰尼克,从人工智能名校卡耐基梅隆大学进行了一场刨根式的挖人,几乎将机器人研究所的所有人才整体挖空,组建了Uber的自动驾驶团队ATG(Advanced Technologies Group)。至此,Uber大干快上研发无人驾驶,并驶上公开道路进行测试。
2018年3月,Uber无人驾驶测试车辆在美国撞击一名行人致死,其研发工作随后陷入停滞。重启之后亦进展缓慢,直至遇上今年的疫情,情况雪上加霜。
本周一,因为不堪自动驾驶业务持续亏损却不见产出带来的重负,Uber选择将ATG出售给自动驾驶公司Aurora,并向后者投资4亿美元。
现在回望,Uber一开始就选择了研发最困难也最耗费成本的无人驾驶技术。但在5年时间中,除了融资外几乎没有从中获得任何回报,反倒是接连遭遇了核心工程师被竞争对手谷歌起诉、测试过程中撞人致死等坏消息。
家底并不殷实的Uber,最终选择了放手。
再看百度,2013年,百度开始对无人驾驶技术的研发。2015年,百度的无人驾驶汽车在乌镇世界互联网大会上完成首秀。2018年,百度推出Apollo自动驾驶开放平台。这两年,百度的自动驾驶出租车测试车队在全国遍地开花。
但今年的百度Apollo生态大会,聚焦的却不是技术上最复杂的自动驾驶出租车,而是近几个月很火热的最新辅助驾驶功能xxP,比如蔚来的NOP、小鹏的NGP。百度的技术,叫做ANP领航辅助驾驶。
值得关注的是,这项技术是从百度的L4级纯视觉自动驾驶技术Apollo Lite降维开发应用而来。即把L4级自动驾驶技术,作为L2级辅助驾驶技术使用,它能实现车辆在高速/快速路自动驾驶、城区道路自动驾驶、红绿灯识别、无保护左转、环岛通行等能力,但司机仍会对车辆安全负最终责任。
技术降维应用后,ANP寻求轻量化,整个解决方案无需昂贵的激光雷达与超高算力车载电脑,有助于快速上车。
其实,在ANP推出之前,百度去年就联合威马共同开发将L4级自动驾驶技术降维到泊车场景能使用的AVP自动泊车方案。现在,从L4降维而生的ANP与AVP,都将成为百度连接车企的关键智能驾驶产品。
无独有偶,今年早些时候,华为也提出了将L4级自动驾驶技术降维至L2的ADS智能驾驶方案。
显然,实现完全自动驾驶的路途过于漫长,即使是科技巨头,也要以降维的方式,来保证自动驾驶业务的生存。
「攀登珠峰,沿途下蛋」
从越来越多的大厂口中,你能听到他们对实现无人驾驶的规划达成了一致,“攀登珠峰,沿途下蛋”。明确提出这个说法的,就包括华为总裁任正非和百度智能驾驶事业群组总经理李震宇。
这其实是自动驾驶行业的集体智慧。2018年,驭势科技CEO吴甘沙在一次演讲中,公开提出了“沿途下蛋”这一说法,随即,“攀登珠峰,沿途下蛋”的形象说法被行业总结、接纳。
这句话的实质是,以高等级自动驾驶为终极目标,但并不直接冲刺这个高难度选择,而是将其“降维”使用,先找到更容易落地的场景进行应用,循序渐进。
“降维”这个词,则出现得更早。
2017年,禾多科技CEO倪凯创业后首次露面时,便发布了将L4级自动驾驶技术降维到L3场景应用的L3.5级自动驾驶系统HoloMatic。曾是百度无人驾驶团队元老的倪凯,当时还对百度自动驾驶未来的走向进行了预测,认为百度要与汽车产业结合,那么L3会在百度占的比重越来越大。
倪凯
如今,随着随百度ANP的发布,倪凯的预测也在应验。
今年北京车展,展示了ADS自动驾驶解决方案的华为,则比百度稍早一些亮明降维的打法。明确以L4级自动驾驶的标准进行软硬件的研发,支持车辆在全场景的自动驾驶,但驾驶员仍负有监控、接管车辆的责任,在现有的自动驾驶技术分级认定中属于L2或者L3级自动驾驶。
实际上,不只是百度与华为这样的科技公司,在自动驾驶落地的进程中,绝大部分相关企业都在以各自的形式,实现对高等级自动驾驶的降维应用。包括与Uber同属出行行业,被认为天然更适合适配无人驾驶的滴滴。
今年,滴滴在上海开启了自动驾驶出租车的载人测试运营,拿出了发展高等级自动驾驶乃至无人驾驶的实质性进展。不过在此之前,以提高车队安全性为目标,滴滴的自动驾驶团队实际上研发了技术上属于L2级自动驾驶的后装ADAS解决方案“桔视”,它能够为驾驶员提供前车起步提醒、前车刹车预警、跟车过近提醒和前车碰撞预警等功能。
滴滴这套系统,目前已经装配在超过100万辆平台运营车辆上。你乘坐滴滴时能听到的“前车刹车”语音提示,就是桔视在发挥作用。
滴滴后装ADAS解决方案“桔视”
降维的桔视,虽然在技术上并不复杂,但却是滴滴攀登无人驾驶珠峰的重要一环。因为它运行在庞大的滴滴车队上,实际上是一个巨大的数据抽水机,为自动驾驶算法模型的优化提供源源不断的养料。
另外,近期向部分用户推送了FSD(Full-selfdriving,全自动驾驶)beta功能的特斯拉,实质上也是在进行降维——尽管特斯拉宣传这是全自动驾驶功能(显然这并不值得鼓励),但驾驶员仍然需要在车辆难以应对的情景下接管,为最终的安全负责。
降维背后 跨越鸿沟
科技公司、出行公司、创业公司、汽车公司,曾经试图以无人驾驶技术主导未来出行市场的他们,大多不约而同地选择了降维。这背后的动因是什么?模糊的说法是,如此难的技术,很难一蹴而就。
但答案其实可以更具象。不久前,前百度总裁、在百度时期强力推动自动驾驶业务的陆奇(现在的身份是投资孵化器奇绩创坛创始人),在接受虎嗅采访时提到,绝大多数企业(包括自动驾驶企业)需要在迎来高速增长前跨越“鸿沟”,找到真正的客户。
陆奇
而作为AI项目之母的自动驾驶,则要同时面对安全、数据与成本三大鸿沟。对自动驾驶的降维,则是要架起跨越它们桥梁。
先说安全。
为自动驾驶设立激进目标与激进测试方案的Uber,即是倒在了安全层面。自动驾驶测试致死案发生后,Uber的自动驾驶被即刻叫停,业务一蹶不振,人才持续流失,最终*卖身。
而百度、华为们,则显然选择了保守。通过将高等级自动驾驶降维应用,让驾驶员参与对车辆安全兜底的工作,成为事实上的安全员。
其实,传统车企中率先在无人驾驶押下重注的通用,也将安全视为关键。2018年,通用就在凯迪拉克CT6上开始导入支持高速公路上解放双手的SuperCruise超级巡航系统,但通用从来只将其称为高等级驾驶辅助技术(自动驾驶分级上归属于L2级自动驾驶)。类似这样的方式,显然有助于避免人们对尚不成熟的高等级自动驾驶技术过于信任乃至滥用。
理论上,在高等级自动驾驶技术完全成熟之前,相关企业都可以更严格要求驾驶员为车辆安全负起责任(当然会辅以各种驾驶员注意力监测系统),在技术发展的路径上寻求用户的助力,为安全上一道双保险。
再说数据。
其实,到目前为止,高等级自动驾驶技术由于尚不成熟, 几乎没有进行大规模应用。尽管对自动驾驶进行数据仿真已蔚然成风,但滋养技术迭代升级的真实数据,仍然严重不足。
但将高等级自动驾驶技术降维为L2、L3级ADAS技术后,它便赶上了如今正在爆发、渗透率快速上涨的ADAS市场。每一辆搭载了这项技术的汽车,都会成为一个数据收集的终端。聚沙成塔,如果再将自家方案植入相当数量的汽车,那么就意味着会掌握对自动驾驶至关重要的海量数据。
典型的例子,除了上文提到的滴滴,便是全球保有量超过一百万辆的特斯拉。今年早些时候,特斯拉的Autopilot便已积累超过30亿英里行驶里程。在此基础上,特斯拉才不断迭代开发出了如今的FSD。
最后,关于成本。
高等级自动驾驶技术需要庞大的算力和高性能的传感器。但目前,它们尤其昂贵。
举个例子,曾经为自动驾驶出租车准备的计算平台与高性能激光雷达,价格都分别高达数万美元。即使到现在,这些关键部件仍不便宜。滴滴以沃尔沃XC60(顶配官方零售价47万元)为基础改装的自动驾驶出租车,单车成本就超过100万元。
但如果将高等级自动驾驶降维,挑战难度低一些的任务与场景,那么,自动驾驶的成本会显著下降——就像百度正在做的那样。
原本,百度为其自动驾驶出租车配置的是高算力计算平台,和由多枚激光雷达充当主力传感器的昂贵组合。但百度昨日推出的ANP,采用的则是纯视觉感知方案,主传感器是10枚价格便宜的摄像头,其平台所需算力也不到30T。这意味着对于普通的乘用车,其成本将是可接受的。
高等级自动驾驶,同时站在出行行业与人工智能行业的交叉口,有着极为庞大的前景,但也有极大的实现难度。这也是降维的意义所在——只有当安全、数据与成本三大鸿沟同时被弥合,自动驾驶才能真正走入大规模应用的阶段。
其实,高等级自动驾驶越来越普遍的降维做法,也是自动驾驶的风向转变——曾经要*汽车行业的玩家们,在现实的捶打中逐渐成为温和的改良派。自动驾驶实在难以平地起高楼,他们总要以某种方式,与既有的汽车行业、出行产业进行桥接、融合。
回到“攀登珠峰,沿途下蛋”的共识,显然,沿途下蛋这样的低维过程,与攀登珠峰的高维目标并不矛盾。自动驾驶当下的降维,最终还是为了未来更好地服务技术与商业的升维。
本文来源于汽车之家车家号作者,不代表汽车之家的观点立场。