2019年2月13日，加州DMV首次公開2018年度全球62家無人駕駛公司在加州的路測數(shù)據(jù)。由于全球幾乎所有主流自動駕駛公司均在硅谷設有研發(fā)中心，加州路測是最具代表性的指標。AutoX在本次排名中名列全球第七，中國第一。
如何看待此次報告呢?本文將從自動駕駛路測的五個維度展開分析, 全方位地分析L4無人駕駛的專業(yè)看法:
● 在哪兒測(路況難度：固定線路 vs. 任意點)
● 測了多久(測試里程)
● 什么時候測(惡劣天氣)
● 測試效率：尋找Hard Cases
● 人工干預(MPI)
● 真實性：真實運營數(shù)據(jù) vs. 純內(nèi)部測試
維度一，在哪兒測：路況難度，固定線路 vs. 任意點
L4級別無人駕駛的首要維度，是路況難度。
著名無人駕駛公司Aurora最新得到5億美金融資，估值25億美元。Aurora創(chuàng)始人CEO，Chris Urmson，多次公開強調(diào)無人駕駛ODD的重要性。他在今年的路測報告中重點強調(diào)：在某個固定場景測試一定時期后，測試變?yōu)閼獙σ阎h(huán)境的簡單重復行為，繼續(xù)在同樣的已知環(huán)境中測試將極大降低測試的效率。為了提高測試效率，挑戰(zhàn)更難場景，Aurora故意將其測試環(huán)境變難，在交通擁堵時間進入三番市中心等地測試，使其MPI曾在2018年8月一度跌落100英里。
AutoX提交的測試報告也反映了同樣的高效率測試方法：點到點測試版系統(tǒng)(報告中稱v1系統(tǒng))和挑戰(zhàn)測試版系統(tǒng)(報告中稱v2系統(tǒng))。AutoX點到點測試版系統(tǒng)(v1) 已在加州已連續(xù)測試超過1年，路測方法與Aurora類似，測試員無規(guī)則任意點選路，多涵蓋高難度挑戰(zhàn)道路，包括市區(qū)交通擁堵地段等。2018年11月該版本MPI為538.3英里。挑戰(zhàn)測試版系統(tǒng)(v2) 則是AutoX挑戰(zhàn)更難ODD的系統(tǒng)版本，如測試人員在大雨天氣，繁華商圈，交通高峰期連續(xù)換道、進出轉(zhuǎn)盤round-about等。
亂穿馬路 Jaywalker
臨時修路
小孩突然下車
部分無人駕駛公司路測環(huán)境多為已知、固定路線，一旦系統(tǒng)過耦合于固定路線后，可能達到非常高的MPI，系統(tǒng)卻缺少通用性，無法用于用于新的有挑戰(zhàn)的路況。[詳情請看：AutoX任意點到點系統(tǒng)]
AutoX主要是在硅谷的圣何賽進行測試。圣何賽官方名稱City of San José，是硅谷人口最多的城市，被譽為“硅谷首都” (Capital of Silicon Valley)，是多家全球科技公司總部所在地。人均GPD世界排名第三(前兩名是瑞士和挪威)，房價中位數(shù)超一百萬美元，全美最高。但同時也擁有北美大城市主要問題，如大量無家可歸的流浪漢徘徊街頭，大大增加了自動駕駛難度。
維度二，測了多久：里程數(shù)
經(jīng)投資界整理，全球十一大領(lǐng)先無人駕駛公司清單如下：
投資界認為，在L4無人駕駛領(lǐng)域，技術(shù)成熟度與路測的總里程數(shù)成正比關(guān)系，里程數(shù)越高，技術(shù)成熟度越高。谷歌無人駕駛Waymo以127萬英里的里程數(shù)繼續(xù)遙遙領(lǐng)先。通用旗下的Cruise里程數(shù)為Waymo的1/3。緊著是Apple、Zoox、Uber、Nuro、AutoX和Aurora，均超過兩萬英里。其中，AutoX是唯一一家中國背景并超過兩萬英里的公司，名列全球第七。累計超過兩萬英里加州路測數(shù)據(jù)，代表了無人車公司處理海量數(shù)據(jù)的能力及算法可處理復雜場景的實力。百度，Pony，WeRide，也越過了一萬英里的里程碑。而在2017年，除了谷歌與Cruise，未有任何一家無人駕駛公司突破五千英里范疇。
維度三，什么時候測：惡劣天氣?修路?
自動駕駛要能對付惡劣天氣，除了軟件算法上對激光雷達和攝像頭噪點的處理，硬件上也尤其重要。如果攝像頭鏡頭被雨水或者灰塵遮擋，則會大大影響其成像質(zhì)量，無法看清楚物體，更無法準確判斷紅綠燈的狀態(tài)。絕大多數(shù)自動駕駛公司目前會暫時忽略這些問題，在天氣不佳情況下停止路測。而適應惡劣天氣是自動駕駛商業(yè)化不可缺乏的一個環(huán)節(jié)，因為惡劣天氣恰恰是打車和外賣等服務的最高峰期。
為了解決惡劣暴雨天對傳感器硬件的影響，Waymo發(fā)明了mini wipper的雨刷解決方案。AutoX發(fā)明了自己獨特的解決方案，通過高壓噴氣和噴肥皂水，可以在短短的0.2秒時間內(nèi)，對攝像頭鏡頭進行快速清潔和烘干，在暴雨天、雪天、大霧霜天氣保證無人駕駛安全進行，甚至可以抵擋鳥糞的襲擊。AutoX的車頂傳感器盒sensor mount也做了密封防水防塵設計，路測包含大量惡劣天氣情況。
自凈前：攝像頭被雨滴影響，無法判斷紅綠燈
自凈后：攝像頭無干擾，紅綠燈清晰可見
維度四，測試效率：主動尋找Hard Cases
無人駕駛測試的目的就是為了暴露問題才能解決問題。AutoX堅持 Do the Right Thing，拒絕為了好看的MPI數(shù)字而影響測試效率。相反，我們通過大數(shù)據(jù)分析，尋找Hard Cases and Failure Cases, 專門針對這些用例進行壓力測試，極度有效的豐富我們的數(shù)據(jù)集多樣性。
例如，在計算機視覺領(lǐng)域的物體識別訓練過程中，一個有效的提高數(shù)據(jù)效率的方法是Hard Negative Mining。即用現(xiàn)有的模型，自動在數(shù)據(jù)集里找到令模型失敗的數(shù)據(jù)，并通過這些數(shù)據(jù)來改進模型。在機器學習領(lǐng)域，有標注的數(shù)據(jù)一般比較稀少，而沒有標注的數(shù)據(jù)是相當豐富的，但是對數(shù)據(jù)進行人工標注又非常昂貴。Active Learning學習算法可以主動地提出一些標注請求，即計算機主動篩選的少量數(shù)據(jù)交給專家(比如人類)進行標注，從而最快地提高模型，而不用標注大量的數(shù)據(jù)。
類似的想法，也被AutoX拓展應用到我們的自動駕駛測試過程中。我們分析通過每個軟件版本的最新測試數(shù)據(jù)統(tǒng)計，動態(tài)預測可能出現(xiàn)的問題，以及問題出現(xiàn)的地理位置、時間、路況、天氣、光照，以此產(chǎn)生測試要求，指導路測測試的下一步計劃，最大化提高找到Failure Cases的效率。無人駕駛系統(tǒng)與上路路測之間的關(guān)系，有如GAN神經(jīng)網(wǎng)絡里的Generator和Discriminator，只有上路路測能非常有效地找到系統(tǒng)的問題，竭盡所能地降低MPI，才能以最快速度提高我們的無人駕駛系統(tǒng)。這種新型研發(fā)測試方式，在內(nèi)部被肖健雄教授命名為Data-driven Development Process(數(shù)據(jù)驅(qū)動開發(fā)流程)。
維度五，人工干預：MPI
各公司報告亦公布了MPI (Miles Per Intervention)，然后每家公司計算MPI的方式不一致，各自有不同的定義。據(jù)悉，部分其他公司處理MPI數(shù)據(jù)的方式是：將每個人工干預的數(shù)據(jù)均導入仿真器，在其中由工作人員主觀判斷，如果當時場景下安全員不干預是否可以接受，如果可以接受就可以認為零人工干預。部分初創(chuàng)公司在總里程數(shù)明顯低于谷歌2016年里程數(shù)的情況下，報出與谷歌2016年類似的MPI，側(cè)面反應各公司MPI的計算方式有所差別。
然而，擁有超過1000名自動駕駛工程師的兩大巨頭Apple和Uber均在MPI上明顯墊底，除了MPI計算方式不同之外，部分原因很可能是測試區(qū)域大，無簡單重復場景。假如主要路測數(shù)據(jù)來自于預先設計的固定路線，那么MPI很可能可以顯著提高幾個數(shù)量級。
對于榜上眾多公司來說，加州并非他們唯一的測試據(jù)點。如Aurora, Nuro, Waymo, Cruise, AutoX 在Michigan, Arizona, Nevada等州進行測試。AutoX, Baidu, Pony.ai, WeRide (Jingchi) 均在中國有大量測試。在中國由于公開道路測試牌照首先開放給空曠的高新區(qū)、新建的道路，如廣州生物島或者肇慶測試區(qū)，MPI普遍比美國加州高。AutoX僅在中國測試數(shù)據(jù)就已經(jīng)數(shù)萬英里。
維度六，真實性：真運營數(shù)據(jù)?
AutoX所提交的測試數(shù)據(jù)中包含真實運營數(shù)據(jù)，是這十一家無人駕駛公司中唯一在加州有真實運營數(shù)據(jù)的公司。在2018年8月，AutoX在美國加州發(fā)布了自動駕駛遞送試運營服務，為圣何塞市民提供無人駕駛遞送服務。在2017-2018年兩年路測中，AutoX也接載兩千多名外部乘客試駕，積累了豐富無人出租車的經(jīng)驗。
測試數(shù)據(jù) vs 真單運營數(shù)據(jù)，二者有何不同?無論再有意模擬“真實場景”，也無法比擬運營場景。AutoX的運營團隊做過一個小試驗：讓公司內(nèi)部員工充當“beta用戶”叫無人車服務，員工因過于了解自家無人車的行為，對無人車開了“綠燈”。例如，無人車到達目的地停車場，“用戶”在另一個側(cè)門等待，“用戶”因為過于了解地形而自己主動找到了無人車。這在實際運營中，其實是很經(jīng)典的難解問題：Pick-up / Drop-off problem. 真實的外部用戶在叫無人車服務時，將目的地選擇在無人車在十分擁堵狹窄的Plaza(美國類似大型廣場、商圈地帶)，或者非開放高檔住宅小區(qū)C棟門口，有的甚至將目的地選擇在大馬路口中心。
2019伊始，AutoX縱情向前
AutoX成為全球11大無人駕駛頭部玩家，得益于全明星團隊的勤奮努力，也彰顯了團隊極強的技術(shù)領(lǐng)導與管理能力，和攻克頂尖AI問題的極強方向感與執(zhí)行力。 AutoX獨創(chuàng)的xFusion技術(shù)，為無人車提供了精準的感知預測能力，從而確保了車輛的表現(xiàn)。研發(fā)的方向感，是頂級無人駕駛團隊突破重圍的法寶。我們的方向感來源于團隊和創(chuàng)使人的AI技術(shù)深度積累，讓AutoX創(chuàng)造世界級的研發(fā)效率。中國第一的路測里程也是公司運營團隊對車隊管理的能力，是公司團隊的整體效率和執(zhí)行力的一大體現(xiàn)。2019, AutoX將為實現(xiàn)平民化自動駕駛的使命，縱情向前!
