安冉：再次謝謝蒲立，接下來的報告嘉賓他是來自智行者科技，智行者科技也是我們國內無人駕駛領域的明星企業，同時它也是本次的承辦單位之一的雅瑞資本早期投資布局的一家企業，近期他們剛剛通過媒體發布了近億元人民幣的A輪融資，6.18的時候，他們和京東合作在人民大學校園里展示了低速的專用車，下面就請智行者科技的CEO張德兆為我們分享“智行者無人駕駛進階之路，從低速專用車出發”。

霍舒豪：謝謝！我霍舒豪，代表智行者科技從無人駕駛的角度出發來介紹一下我們在這方面的探索，我的題目是：智行者無人駕駛進階之路從“低速專用車出發”。

我們特別是在一些大城市，我們很大一部分都是花在了交通運輸上面，它是非常具有想象力的。

第二部分是我們覺得無人駕駛能達到，或者做到比人開車更加安全，因為這是有一個數據，全球每年大概有125萬的人死于交通事故，也有統計表示有90%以上的事故原因都是由人造成的，我們覺得無人駕駛技術的引入，能把這90%大幅度地降低，大家可以暢想一下，到以后無人駕駛普及率的提高，我們后面有可能人開車反而是一個造成道路危險的一個事情。

第三點，我們認為無人駕駛技術天生應該是跟汽車共享的概念相結合的，因為無人駕駛的配備才能使車輛真正地24小時運動起來，或者說車輛在城市里邊能流動起來。目前一些共享都是車等在某個地方，等著人來召喚，不召喚的時候它還是等在那個地方，利用率還是非常低的，我們認為無人駕駛技術的引入，能解決這個問題。

第四點，我們認為無人駕駛技術是能夠實現比互聯網產業更大的產值。什么意思呢？首先在汽車上面的屏幕越來越多，汽車搭載了大屏，汽車作為第六個終端，通過這個終端能夠跟人去交互，進行一些信息的互通和共享。另外一個作為管道，它能實現一個變現，是一個變現的手段。打個比方，今天我想吃川菜，你坐上車，直接跟車說我今天想吃川菜，因為都是有惰性，他懶于去選擇，當人發出這么一個指令之后，車輛就可以把他帶到附近的一家可能評分比較高的一個川菜館，實現一個變現的渠道。

上面都是一些我們在自動駕駛上面的思考，或者說我們覺得自動駕駛能給我們帶來的好處，考慮到目前包括技術的原因、市場的原因、法律法規的原因，我們認為無人駕駛技術將會在一些特定應用場景里面去第一步實現它的市場化和商用化。這里面我舉了四個例子，第一個是百度車，或者是景區里邊的觀光車，第二個是特種車輛，第三個是應用于物流行業，就是用于送快遞的車輛，第四個是農用機械。這些場景都有一些什么共同點呢？首先它的應用場景不受法律法規的限制，因為其實前不久大家可能都有關注到百度AI大會，米廠長就在五環上面開著無人駕駛車，還被交警給通告了，現在在中國無人駕駛車禁止上路的，在應用場景里面不涉及到開放路權，所以不受法律法規的控制。

第二個是一個相對的剛需，比如說打個比方，以快遞物流車為例子，目前國內從事后一公里的快遞從業人員大概有118萬，在快遞行業，或者說電商行業里邊人力成本占到50%以上，這部分成本，或者說這部分的人力如果能用無人駕駛的技術來給取代掉，是一個非常可觀的數字。

第三個是技術風險可控，在這些應用場景里邊，一個是它的速度比較低，能實現一個相對較小的技術風險。

第四個是對于我們創業公司來說，因為它能在這些場景里邊能給我們帶來資金的流入，能實現一個早期的盈利。

第五個在保證安全的前提下積累數據，因為我們現在采用的這些無人駕駛技術很多都是基于人工智能的算法。這些算法是非常依賴數據的，在這些特定應用場景里邊的投放上，能夠為我們積累前期的數據。

其實說到特定應用場景，是不是它就比上路的車，或者說在大馬路上跑的車實現起來就更簡單呢？隨著我們越做越深入，我們其實自己也是越來越敬畏這樣的一種場景，這種園區的無人駕駛比我們想象中更難，難在下面四點：

第一點，衛星定位的失效。現在很多做自動駕駛的公司都非常依賴一個超聲定位技術，在這些園區里邊高樓、樹木的遮擋會導致定位的失效，我們提出一個解決方法，通過視覺也好、激光也好的建圖和定位的手段。

第二點，在園區里邊是存在異常交通行為，什么意思？就是我們在大馬路上開的車，它還是相對規矩的，按車道來走，人通常不會走到機動車道里面來，但是在園區里面異常的交通行為是非常常見的，我們針對這樣的情況，我們有自己的一個目標運動預測的技術。

第三點，目標交通秩序的弱約束，這是一個實拍的場景，這是在清華的校園，可以看到在這么一個場景里面，人車是混雜的，造成了一個給車輛，或者說移動機器人判斷的困難，我們會進行目標行為意圖的分析。

第四點，路徑突發的堵塞，有可能在這個園區今天這一段路就修路了，另外一段路今天有些什么活動，就先暫時是堵住了，這種需要我們做全局，以及局部的路徑規劃。

給大家稍微介紹一下剛才提到的某幾點技術。

首先第一個是高精度建圖和定位，建圖和定位這兩個技術像一個雙胞胎兄弟，它們天生就是在一起的，你需要有定位，就必須之前先做建圖的工作，建圖也是為了輔助定位，這是我們的一個整體的框架。后面可能會有一些案例給大家更清楚看一下。這是一個例子，這是一個校園里邊的情況，灰色的部分是我們提前通過激光雷達建的圖，大家可以看到視頻里有個小車，那個小車是我們真實在跑的車，紅色一圈一圈是激光雷達實時采集的數據，通過跟之前的一個地圖去匹配，實現一個車輛的定位。這是在軟件里邊看到的情況，在真實里邊我們可以看一下，這是我們自己的其中一款產品叫蝸必達，主要是應用于快遞物流行業，它是在一個園區里邊進行運動，它是依靠激光雷達去做車輛的定位，實現一個自動的行駛。可以看到在這種樓邊墻角的地方，哪怕是RDK也好、插分技術都是很弱的，目前我們能做到的精度是20厘米。

另外一項重點的技術是有一個目標行為及運動軌跡的預測，我們在做運動和規劃控制的時候，其實是有這么幾個流程，一個是路徑跟蹤，一個是目標行為的分析，另外一個是預測和規劃，最后是實現車輛的控制，這么一個整的流程。在這個過程中我們會考慮到一些路面的信息，包括一些交通標志線，然后交通信號燈，還有一些目標的狀況，還有一些地理信息，還是給大家看一下這是我們要實現的一些結果，這是我們在北京一個十字路口采完了圖，同時在圖上標注了我們的一些車道線信息，或者說路段信息。右邊的圖上面是有兩個移動的點的，是兩個人，我們對這兩個行人進行了一個運動的分析，不同的顏色代表了它的運動可能性。通過這么一個分析，給到我們一個車輛運動規劃的輸入，以及一個判斷的依據。這是人方面的。

這個是在車輛方面，我們可以看到在這么一個圖中，左下方是一個實時的圖，大圖是模擬的軟件里面的界面，可以看到對車輛不同的行為速度，以及它的走向的預測，這個十字路口的非常清楚，可以看到前車有一個右轉的行為，而且它的速度是直線增加的這么一個情況。這些技術的研究或者說研發，對于我們的整個無人駕駛系統在園區也好，在城區道路也好，它的穩定性運行是非常有必要的。

這些技術其實是依賴于我們自己經營者開發的一個叫AVOS智能車操作系統這么一個平臺來實現的，這個AVOS也是基于Linux和ROS做的一個集成開發，它的特點在于我們把核心層，就是跟自動駕駛相關的核心層，以及跟自動駕駛業務相關的業務層進行的一個剝離，能夠實現一個高內聚核的效果，我們首先看一下我們的業務層，包括建圖、定位、感知、決策、規劃等關鍵部分的模塊，進一步研發可以提供整個系統的性能。我們的自動駕駛不是一個空中樓閣，它是實現落地的，這個落地體現在哪里？體現在他的業務層的靈活性，我們可以根據這樣一種無人駕駛技術的應用場景，去定制化地開發我們的業務層功能。

打個比方，我們這個車輛是應用在小區送快遞的，我可以在這里面設置我的快遞點，或者說取快遞的一個方式。再打個比方，如果我們是一輛無人駕駛的掃地車，我可以在業務層開發它的清掃功能，它的一個返航功能，它最終能實現一個不同平臺之間的一個統一，但是又有一個靈活性的開發這么一個兼顧的考慮。

在我們的低速車產品里面，這里面應用到了一些關鍵的傳感器，包括以下這幾個，一個是我們利用的國產的16線的激光雷達，在我們的眼里，激光雷達在低速車，或者說無人駕駛技術的應用是非常有必要的。國外的產品目前來說還是一個性價比，或者說供貨周期的問題，比較難以獲取，考慮到一個成本問題，我們會偏向于采用國產的激光雷達。另外一個呢，為了我們整個系統冗余的考慮，我們還是會配備基于千尋定位服務的一個高精度定位，同時上面還會配備一個攝像頭。

在計算單元方面，我們采取這么一個嵌入式的方案，是通過ARM+MPDA+MCU的一個組合，我們看一下蝸必達物流快遞車的概念，這個視頻是在清華校園里面實地拍攝的，它實現一個功能，就是在快遞小哥能把他派送的快遞放到車里邊，輸入用戶的一個信息，然后用戶可以隨時去預約這么一個快遞，根據預約的時間，快遞車直接從一個門跑到另外一個接收地點。同時快遞車還配備了一個后臺接收系統，能夠接受一個多輛車全局的調度。最終用戶就是通過我們開發的APP來實現一個取貨的過程。這是我們在低速應用領域里邊的一個探索，我們的公司發展目標是先從低速載物開始入手，注重從載物到載人，從低速到高速去發展我們的技術。

在做低速的同時，也在兼顧著高速產品的應用，我們是在去年跟整車廠有過無人駕駛合作項目最多的一個公司，這是我們的一個自動駕駛乘用車開發平臺，這是在一個國道上面的一段路試的視頻，可以看到情況還是有些復雜的，比如說旁邊一些非規則的道路，這是一個牽扯切入的路況，通過自動判斷實現了一個自主換道。這樣的平臺從傳感器到控制器到執行器都是由我們公司完全自主開發的。

感謝大家，我今天的分享到這里。