第一电动网|小马智行莫璐怡：我们追求什么样的汽车智能( 二 ) 2020年8月22日

对于硬件来说，大脑指的是要给他提供一个强大的计算单元或者计算平台，需要让它有足够的算力去支撑复杂的软件算法，非常稳定地运行，让车辆在路上安全地完成复杂的驾驶任务。
我们刚刚讲到，自动驾驶的软硬件系统，除了硬件之外软件也是重头戏。眼睛其实指代的更多是我们的感知模块，需要通过分析处理传感器得到的对世界认知的数据，从而去理解我们车辆在道路上行驶的时候我们车辆周遭所有的障碍物，所有的人、车、自行车，他们是怎么样在路上去行驶的，他们现在以什么样的速度、什么样的方式在行驶，同时我们要随时追踪他们的路径以及预测他下一步的意图、行驶的轨迹。
到了手脚，我们指得更多的是决策规划模块。它通过得到感知模块的输出，知道、了解到了车辆周围的障碍物下一步的行动之后，去分析车辆跟这些障碍物接下来将会有怎样的互动，应该对每个障碍物做出什么样的决策。举个例子，在变道的过程当中，假设旁边车道有车辆的时候，我到底应该在旁边车道车辆的前面还是后面去进行变道的操作，这些其实都是规划控制模块所需要完成的任务。更具体来说，对于控制模块需要把我们这个决策规划的结果翻译成为机器可以理解的语言。举个例子，应该怎么样去踩我们的刹车、油门，怎么去打我们的方向盘，这是它需要去完成的工作。
对于大脑来说，我们这里指得更多的是我们从成立至今就开始一直使用的一套全自研的自动驾驶底层架构和操作平台PonyBrain 。有了这套全自研的操作平台，我们就有能力对我们的能力进行深度的优化，去优化资源的占用，在极少的资源占用下依然可以完成非常复杂的深度学习算法以及各类自动驾驶算法的运行。
只有当我们把所有的软硬件统一的去看的时候，把它去做一个全局优化，我们才有可能在一定算力之下就可以做出比其他的分开来考虑的场景更加能够满足需求的更加强大了自动驾驶系统，而这其实也是我们小马智行的一大优势，全局优化的能力。
有了自动驾驶系统的加持，我们的汽车终于拥有了智能化的基础，然而这样的智能汽车有点像是一个蹒跚学步的孩童一般，仅仅只是拥有了基本的智能，还需要不同的学习和成长，才能去面对纷繁的世界。自动驾驶系统是如何做到不断的学习和自我成长的呢？回答这个问题之前我想抛出一个观点，自动驾驶在我们看来是一个基于实践和大数据的创新性问题。这里所指的实践就是真实的道路测试，我们的自动驾驶是没有办法仅仅只是依靠停留在实验室里面通过做模拟仿真的研究就可以达到技术的突破和提高的，必须要让我们的车辆走到真实的道路上面去接受最为困难的挑战，去接受不同场景的数据，才能不断地完善整个系统，去推动整个技术的发展。
接下来我想分享一个我们关于雨天和水花处理的故事。讲解一下为什么实践和大数据对自动驾驶来说是非常重要的。大家如果参加了今天早上的峰会应该也了解到，雨天的场景或者水花的场景对自动驾驶来说是非常大的挑战。在2017年底正式落户中国广州的时候，在我们推出了中国第一支自动驾驶车队的时候，其实当时我们整个自动驾驶系统对雨天和水花处理能力是一般的，原因是什么呢？在我们来到中国之前，我们仅仅在美国加州进行路测，大家也知道加州是一个常年阳光明媚的地方，所以我们在加州的路测并没有收集到太多雨天和水花的数据，这使得我们的自动驾驶系统这方面缺乏非常强的处理能力。但是在我们来到广州之后，在我们在广州去运营行我们的Robo-Taxi的时候，我们有一个小的数据统计，在前500天的运营时间里面，我们总共经历了209个雨天，并且常常是大雨或者雷暴，这就使得我们整个自动驾驶系统在不停的路测中收到了非常多的雨天和水花的数据，不断的去提升我们的系统。