关注自动驾驶的朋友应该都知道，每次有相关榜单出来的时候，谷歌的兄弟企业Waymo总是高居榜首，而特斯拉有时排名倒数、有时不被考虑在内。然而，自动驾驶作为特斯拉汽车的最大卖点之一，真得有这么弱吗？而Waymo这样一个互联网公司真的能比车厂做的好吗？来看看专业人士的看法。

以下内容来自车和家自动驾驶负责人郎咸朋微博：

一句话介绍车和家的自动驾驶思路：同步三维环境，学习人类驾驶。

1、同步三维环境，主要指使用量产车收集的数据加工后的数据成果。包括：高精地图，场景模型，驾驶实例等。这些数据不会涉及用户个人隐私，仅仅是对外界环境的还原。

数据收集这一步足矣拉开各家公司的差距。Tesla已经号称拥有10亿英里数据，比Waymo的1000万公里高了两个数量级，而且差距还在不断拉大。对于高级别的自动驾驶而言，数据是最值钱的，也是最难获得的。因为此时决策规划算法研发和测试都需要大量真实数据支持，我们不难想象使用凤凰城数据训练的算法放在望京跑会是一种怎样的结果。

数据的质与量同等重要。同样里程的数据，包含各种道路等级和天气状况以及各种司机驾驶习惯的价值显然会更高。还有一个无法忽视的事实，就是数据的获取成本。用量产车还是用实验测试车来做，效果截然不同。

高精地图的更新，也需要大量数据，而且对实时性要求很高，按照某国外大型主机厂的说法，更新需要满足三“1”基本原则（1天内发现，1小时内制作，1分钟内发布）。在车和家，我们设计了自动化的数据处理流程，将量产车回传的数据变成场景模型用于后续的算法研发和测试。先卖个关子，后面再展开介绍。

2、学习人类驾驶，主要指算法层面。首先，感知和环境模型的建立很重要，但我们的目标不是做到100%准确，而是容忍一定的不确定性和错误。这其实跟人开车是一样的，也是在信息不完备的情况下来做行车决策的，而且传感器的覆盖范围已经比人要大很多了。

有了环境模型后，我们的思路是将后续的驾驶策略分为两个层面。一部分跟安全行驶相关，会使用规则化的专家系统进行判断，类似于我们在驾校学习的基本行车规范；另一部分跟行驶舒适度相关，会使用强化学习和模仿学习来做，让车开的更符合人的驾驶习惯，更像“老司机”。

这个驾驶策略输入给后续的PnC模块，确保安全稳定的执行到位。这一切的前提，是第一部分的数据。有了真实的数据（仿真的不算），才有可能分析出人开车的策略，才有可能在真正上路前对corner case做更多的模拟，才有可能实现真正大家喜欢用的自动驾驶。

返回第一电动网首页 >