无人科技蘑菇车联邓志伟：车路云一体化为自动驾驶落地提供系统级解决方案( 三 ) |5G|车联网|

本文插图
自动驾驶技术路线
装配了这么多豪华感知设备，还有高精度地图的加持，整体的感知灵敏度肯定是非常高的，可感知范围内的感知精准度也非常不错。但是这种方案的劣势也在于它对高精地图的依赖性非常高。目前国内高精度地图的大规模实时更新以及演进还比较困难，而且根据前面提到的ODD ，只要有任何条件的依赖，自动驾驶都不能达到L5 。其次是单车智能天然面临的长尾问题，难以解决大量极端工况和不规则问题。整个方案成本也非常高，不利于大规模商业化落地。
再来看单车智能自动驾驶的另一家代表企业，特斯拉。大家都知道特斯拉的自动驾驶系统主要是基于摄像头和毫米波雷达的视觉感知。这种技术路线的硬件部署成本相对会低一些，但是由于没有激光雷达，在感知的准确性上存在缺陷，由于车视角较低，道路上的很多物体都会被遮挡，感知范围有限。

本文插图
自动驾驶技术路线
总结一下单车智能自动驾驶面临的挑战：
1.安全问题。自动驾驶车辆通过部署足够多的传感器、计算单元等硬件，可以精准感知外界。即便如此，单车感知仍然有限。以车载摄像头为例，只能感知周围50米左右的距离，且设备容易被遮挡，只要前面有大货车，基本上就无法感知前面的路况了，还很容易受雨雪天气影响。
2.成本。装配这么多激光雷达、摄像头、计算单元也就意味着成本很高。国际上有一个数据，为了充分测试自动驾驶的长尾问题，要跑完110亿英里的路测里程。假设公司有100台自动驾驶测试车，一年365天一天24小时以40公里的时速不停运行，需要跑518年。我昨天算了一下，光车钱和油耗加在一起就要两三百个亿，成本非常巨大。所以，从发展速度来看，数据共享非常重要。
车路云一体化，为自动驾驶提供系统级解决方案
怎么破局？在蘑菇车联车路云一体化的自动驾驶方案和实践中，我们通过将车外的交通环境智能化，支撑并参与到自动驾驶中，同时全局协同人、车、路、网、云，系统性打通车路云的感知、分析和决策环节，为自动驾驶提供体系化保障，并极大地简化了车端智能系统的设计与成本。

本文插图
车路云一体的技术路线图
下面是蘑菇车联的实际落地视频。这也是国内第一个落地的车路云一体化自动驾驶。
菇车联车路云一体化自动驾驶突破暴雨场景
这个一镜到底的视频拍摄于7月，当时北京二级橙色预警等级，降雨量达到近150毫米，积水很深。这种极端天气环境中，车载摄像头、激光雷达几近失效，部分路段还有植被覆盖遮蔽了车道线。通过车路云一体化融合感知和协同，自动驾驶车辆仍然安全顺畅的完成了无保护左转、严重积水通行、逆向绕行避障这些高难度场景。这完全来自于车路云一体的体系化保障。
去年10月，我们在北京顺义北小营国家级智慧交通示范基地落地了国内第一个开放式5G智慧交通车路协同项目，我们的自动驾驶车辆就跑在这条5G车路协同示范路上，大家可以从视频看出，这是一条典型的混合型交通路段，有非常多的对向来车，既有机动车，也有非机动车，时常有大货车出没，路边还有一些摊点，道路非常不规则。基于车路云一体的体系化保障，我们的自动驾驶车辆在暴雨这样的极端天气下依然平稳行驶。
自动驾驶是一个巨大的系统工程，需要系统级的解决方案。前不久，中国工程院李骏院士同样提到了自动驾驶需要新的技术路线，并提出了车路云融合感知与决策的使能赋能一体化新思路。这也是蘑菇车联车路云一体自动驾驶落地的底层逻辑。