0
| 本文作者：张梦华 | 2017-11-06 18:59 |
雷锋网·新智驾按：无人驾驶的商业化是行业各家都在探索的重要命题。近日，在 2017 中国汽车工程学会年会上，北京航空航天大学余贵珍教授重点分享了其团队在该方面的研究与进展。
余教授所谈的商业化仍然指向特定区域内的无人驾驶，但已经不止于园区、景区，而是涵盖了矿区、工厂等多区域内的工程机械。为此，他亲自到全国多个大小矿区进行了调研，对其现状、需求以及无人驾驶的可行性都进行了细致的论证分析。而目前，其团队与国内重工企业、车厂合作研发的无人驾驶碾压机、短途货运车辆也都已发布或投入运营，余教授在无人驾驶商业化方面的经验与见解，或可为其它无人驾驶公司提供一些参考。雷锋网·新智驾将其演讲内容进行了整理，并做了不改变原意的调整，以下为全文：
无人驾驶研发过程中有三个重要的技术障碍：一是复杂环境下的感知；二是决策，一个路口的驾驶决策可能有上万种，非常复杂；另外，无人驾驶会面临很多以前没有发生过的问题。
人工智能的三种技术解决了这三个问题：深度学习解决了感知问题，增强学习解决了决策复杂性问题，迁移学习解决了推理问题。
从前年开始，很多创业公司兴起，推动了无人驾驶发展。在感知、图像处理这块，我们也深有体会。英特尔今年上半年以 153 亿美元收购了 Mobileye，其实英特尔很早就开始布局无人驾驶，如果这种大公司都在做，就意味着无人驾驶的春天已经来了。
另外一个大家比较认可的运用是大量计算的神经网络。传统的 PC 技术已经解决不了神经网络的计算需求了，英伟达的出现，解决了深度学习和计算资源并发性的要求。最近还有一家公司，叫地平线，也是做神经网络芯片的，估值也达到了 50 亿。
无人驾驶商业化的障碍
谷歌、特斯拉、Uber 都在做智能驾驶，滴滴也花了大量时间和精力开发无人驾驶。当前来看，我认为特斯拉是比较有前途的，它采用了电动和智能双引擎，更重要的是有自己的车，所有车辆都支持无人驾驶的控制机构，数据上传后，车辆对用户的驾驶习惯也很了解。
我们去年试驾特斯拉无人驾驶的时候，在北京四环跑了一下，它的驾驶习惯基本就是个人的驾驶习惯，换道很快，跟车很近。最近，它也可以通过远程数据收集驾驶习惯。
但是无人驾驶也面临很多挑战，去年特斯拉的第一起智能驾驶死亡车祸，汽车界、学术界甚至包括国家相关机关，都产生了很大警觉。谷歌在测试中也发生了很多事故。现在智能驾驶还没有大批量供应，如果真的大批量供应，真的会安全吗？这里主要有两个阻碍。
一，法律和道德的障碍。
自动驾驶汽车能不能上路？美国有车辆测试牌照，中国有几个测试区域也开始探讨路权问题，上路之后发生事故，责任谁来负。现在业界有一个共识是，驾驶脑来负。如果整车厂开发驾驶脑，就是整车厂负责。但是如果将来智能驾驶事故都是整车厂负责，整车厂能不能负担得起，是不是通过保险手段来转嫁这种风险？另外，如果事故发生，还有值得探讨的道德问题。
我认为法律和道德是无人驾驶中排在第一位的障碍，技术上面也有，但不像法律上遥遥无期，立法过程有很多需要考虑。
二，技术的障碍。
技术的障碍包括三方面：复杂环境的感知决策，信息安全和智能驾驶的使用。
我们很多人曾经一起探讨，如果能通过五道口，这个无人驾驶汽车肯定是过关了。因为五道口人特别多，大家都不遵守规则。
还有过渡阶段的人机共驾，特斯拉已经尝试到这个危害了。我认为人机共驾还不仅仅是如此，你开的车学习的是你的驾驶习惯，车适应的是你，那如果别人用你的车行不行？人机共驾已经成为学术界很重要的话题，整车厂也在探索，是不是可以越过这个阶段，不要人来干预。
我做了一些安全方面的研究和技术探讨，信息安全没有保障也是很可怕的。
在智能驾驶使用方面也有很大挑战。第一，敢不敢用；第二，用了可能会误用；第三，用什么方式用，共享的方式是不是更好？这都是需要我们边使用边完善的，并非一开始就能想得很全面。
无人驾驶商用车的使用场景
对乘用车来说，确实有很多问题，但是对商用车，我们认为还是有机会的，大家一致认为无人驾驶商用车最有可能先落地，这里我列出了几个应用场景。
第一，固定线路的无人驾驶，包括矿区，景区或码头等区域。
我自己去了很多矿区，也做了一些调研。青岛港里面有无人驾驶，振华机械也在做，已经有示范运营了，他们主要是基于 AGV，车辆各方面价格都很高。如果是商用车，需要的车辆成本较低，使用高精度的 GPS 和地图，可能相对来说更灵活一些。
第二，恶劣环境下的无人驾驶。
对于特定区域的无人驾驶，法律问题基本上不是障碍，并且，区域内环境相对简单，近距离的感知，成本和可靠性都会增加。无人驾驶的使用可以产生一定经济价值，用户也更易于接受。这样计算一下，如果能把传感器、执行、感知成本做到低于人工成本，会更有利于推广。
特定区域内环境相对简单，多数都是重复性、固定作业，也可以把它当成自动化的作业平台。沃尔沃有地下矿区的无人驾驶车，今年还发布了无人驾驶的垃圾车，都是特定区域的。垃圾车可能还会用到一些人，但地下矿里面肯定不会用人，它可能存在通讯和定位问题，如果这两个问题都解决好了，是可行的。
第三，汽车测试的无人驾驶。
跟大家分享一下我调研的情况，一个是在鄂尔多斯和山西的一些露天煤矿。露天煤矿分两组运输，一个运土，一个运煤，是先把土拨开了，再把煤挖出去，土和煤的运输比例是 10:1。一些大矿像平朔的煤矿，运土的车有 1000 多台，在里面作业的车速度在 20 公里到 30 公里，但是有爬坡。大公司的煤运输基本是用 200 吨的专门矿车，运土只需要 50 吨的。
这里面是点对点的固定线路，在 20 公里左右，很适合无人驾驶，但也有很多挑战，因为一般卡车要改专项和自动比较困难，很多卡车没有自动档，要做无人驾驶就无从谈起。
还有一个问题，比如一个矿井只有 100 台车，大概是 200 到 300 个司机，司机基本全是 55 岁以上，过年过节基本没人来干活。这个环境特别恶劣，我觉得将来是招不到司机的。最近我们调研了一个西安的沙土运输矿，矿老板订购了 15 台矿运车，但是招不到司机。
还有刚才说到的井下矿，根据我们的调研，井下矿肯定比露天矿复杂，但也还是有可以做的地方。井下矿车的运输大多是用油的，排出的气体很难出去，要通风。如果将来有电，再加上无人驾驶，会是一个很好的解决方案。
另外，像整车厂整装线跟库房之间的轮胎、发动机运输，或者一些组装车间的运输，大部分是能用无人驾驶的。组装线外部有很多危机，但组装线之间基本没有。这个地方也特别适合无人驾驶，固定线路，点对点运输，都在厂房内，如果组织协调好了，有很大潜力。需求很明确，但是技术方面也存在一些壁垒，车的转向和自动比较难改，因为量比较小，大的车不愿意进去，每辆车的自动驾驶成本很高，用户接受不了。
无人驾驶商用车的难点
无人驾驶的市场是足够大的。我通过调研发现，煤矿运输车在中国有 20 万台左右，还仅仅是露天煤矿。并且，无人驾驶产生的价值也很大，一辆无人驾驶车 24 小时运行，大概可以替代两到三个司机。
我们发现难点主要就是感知、控制和执行机构。固定线路、点对点运输的低速无人驾驶，对感知的要求低一点，可能 30 米的感知机构就可以了，甚至是 Sick 一线的激光雷达就可以满足要求，因为固定线路上有高精度 GPS，很容易做判断。
执行机构就比较困难了，要对大卡车或者大矿车做转向和执行，有一些根本改不了。我们合作开发了一种机器人，就是来代替人打方向盘、踩油门和刹车，执行机构都通过机器人、电机解决。
我们现在做的功能主要是远程控制，跟无人驾驶基本一样，只是控制的难度会降低一些。我们跟东风合作的短途运输车，已经上线开始运行了，把车整个跑起来，大概用了一个月时间，主要是在生产制造过程。线路都是可以编辑的。另外，我们还跟徐工联合开发了无人驾驶的碾压机。
雷锋网推荐阅读：
《自动驾驶走进普通人的生活，我们在杭州体验了一把驭势的无人驾驶小车》
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
