无人车成功挑战上海路况，连续5小时不接管，谷歌自动驾驶之父看了都打Call
导读：一年前，滴滴自动驾驶在上海开放公众测试时，还是个谨慎的新手司机。如今，它已经变得更加游刃有余。
让谷歌“无人车之父”Sebastian Thrun都点赞的自动驾驶技术，是什么样的？
就像老司机的操作一样——又快又稳。
例如，面对走到机动车道上的行人，灵活操作避让，而不是小心翼翼地跟在后面；
懂得审时度势，在繁忙的商业区，看哪条道车流量比较少，就果断变道；
遇上从侧面突然冲出来的摩托，也能轻松避让，不慌不忙；
没错，这是滴滴正在测试的最新自动驾驶系统。坐在驾驶座上的安全员，全程双手离开方向盘。
上面还只是普通操作。
对于自动驾驶系统来说，更大的挑战在于逆光、夜间、大型车辆密集等场景。
这些情况下，传感器设备和自动驾驶系统往往会遭遇更为复杂的干扰。
那么滴滴的最新自动驾驶系统又表现如何？
占据镜头30%以上的大片光线，并不影响它判断红绿灯，依旧以正常速度继续行驶：
夜间进行无保护左转时，面对对向直行车辆，也会迅速判明情况，而不是一味等待：
路遇大车丝毫不惧，避让后方来车后，立刻选择变道超车；
甚至在连续5小时完全无人接管的情况下，从白天开到夜晚，也没有发生什么事故。
一年前，滴滴自动驾驶在上海开放公众测试时，还是个谨慎的新手司机。
如今，它已经变得更加游刃有余。
滴滴“老司机”，如何快速练成？
那么问题来了，滴滴的自动驾驶“新手司机”，在短短一年时间内，究竟是经历了怎样的修炼，才有了如今这样更加接近人类司机的表现呢？
感知优化
首先，还是要从感知技术的优化说起。
不妨先以路遇大型车辆这个场景来举例。
人类司机普遍有一个共识，开车上路，尽量避着大车走。其中一个重要原因是，大车自身的盲区多，也容易遮挡旁车的视线。
对于传感器而言，这样的挑战同样存在。
根据滴滴自动驾驶公司COO孟醒介绍，当RoboTaxi接近大车时，大车很可能会占满传感器的视野，导致传感器判断失真。
这种时候，来自摄像头或者激光雷达的单一信号就不够可靠了。滴滴的方案，就是将不同的传感器信号进行组合：
在识别出大型车辆之后，不是单纯依靠机器学习的方式去进行跟踪，还要加入点云分割等技术，进一步判断大车的边界距离，增强自动驾驶系统对于大车边界的理解。
另外一个对传感器考验不小的场景，是日落时分，司机们在路上经常遇见的逆光场景。
在某些情况下，夕阳的光晕甚至会占据整个摄像头视野的30%以上。
意味着对比度低的情况下，有些人和物会在摄像头里“隐身”。
此前，特斯拉频频在白色大卡车上栽跟头，就可能与此有关。
为此，滴滴的工程师们在多传感器融合方案的基础上，还做了很多动态数据增强的工作，以确保在不同亮度条件下，都能准确识别和避让行人、汽车，以及其他路面上的物体。比如在对比度、白平衡比较差的情况下，去放大、加亮一些比较重要的场景。
前文也说到，滴滴这一次连续5个小时的show，从白天一直开到了黑夜。
事实上，即使对于人类司机而言，夜间开车的体验也与白天大相径庭。
为了更自如地在夜幕中行驶，滴滴的自动驾驶系统也被专门训练出了夜间模式。
一方面，是有针对性地收集夜间数据，训练专门的夜间模型——尤其对于摄像头来说，夜晚采集到的数据与白天截然不同，能看到的人和物、能看清的距离、识别的角度都可能发生变化。
另一方面，同样是多传感器融合方案——融合3-4种平行的识别方式。并且，根据夜间交通参与者置信度的不同，工程师们也对不同识别方式的权重做了有针对性的调整。
值得一提的是，这样的夜间模式，会根据时间和外界亮度的情况，自动开启。
另外，针对视频中没有展示出来的天气变化的影响，孟醒也做了补充说明。
具体而言，滴滴自动驾驶把天气分为4档：
第一档，光照条件良好的普通天气；
第二档，稍微复杂的天气情况，如小到中雨；
第三档，大到暴雨、大风等场景；
第四档，沙尘暴、台风等极端天气。
孟醒表示，绝大多数的天气场景，如今滴滴自动驾驶系统都能覆盖得不错，这其中也引入了不少新的算法。
以大雨场景为例，滴滴引入了一种新的激光雷达信号处理方式：
利用激光雷达多次发射、多次回收信号，这样回收的回波中就包含了不同的形态和相位信息。对这样更丰富的信号进行处理，系统就能够判断出哪一些物体是可以穿透的，而哪一些又是不能穿透的。
至于沙尘暴、台风天这样不适宜出行的极端天气，孟醒坦言，这对于当下的自动驾驶技术研发来说不是最重要的场景。
原因很简单，想要常态化运营，可靠性是非常重要的。
基于这样的前提，滴滴当前需要重点捕捉的，是那些发生概率较高、影响较大的出行场景。
行为决策
说完了感知方面的提升，在行为决策方面，滴滴自动驾驶系统又是怎么向人类老司机靠拢的呢？
首先，在被投喂了大量人类司机驾驶车辆数据之后，滴滴自动驾驶系统对于交通参与者行为的预测准确性，有了明显的提升。
这也是为什么面对与其他车辆、行人的博弈，如今的滴滴“老司机”显得更为自信。
图片
孟醒谈到，对于RoboTaxi而言，可靠性是最重要的，也就是说，车一定不能出事故。而“事故”不仅仅是指安全事故，也包括体验上的事故，如车辆频繁急刹，让乘客觉得不舒服。
更进一步，还有效率层面的“事故”——自动驾驶车辆不能因为一个复杂的场景，一直卡死不动。
而说到可靠性，滴滴自动驾驶系统还有一项“绝招”，就是“安全模式”。
可以看到，在下面这样一个幼儿园附近的场景下，道路两旁临时停放了许多等待接小朋友放学的车辆，同时还会有大量行人、电动车出现。
这些动态因素的变化、叠加，就对自动驾驶的预测、决策和规划提出了更高的要求。
对此，滴滴自动驾驶系统配备了风险评估模式。
当风险指数（Risk Potential）上升时，安全模式就会被启动，RoboTaxi就会以更谨慎的方式去驾驶车辆，提升安全系数。
图片
滴滴“老司机”，如何快速迭代？
去年6月才刚刚面向公众推出载人测试服务，短时间内又有了明显的进步，滴滴的自动驾驶技术，进展不可谓不快。
但其实也并不出人意料。
毕竟滴滴自动驾驶是“富二代”。
自动驾驶技术上，滴滴具有独特的优势——有目标，有路径，有资源，还加上一点国内环境的条件。
首先，有目标。
相比于其他自动驾驶车企，滴滴从一开始就看到了自己的“终点”——RoboTaxi。
没错，并非像Waymo等公司一样纯技术驱动，而是从落地场景出发，思考所需技术。
至于技术出来后如何运营？不用考虑。
滴滴的网约车平台，已经提供了自动驾驶商业化落地的方式，例如，自动驾驶与有人驾驶同时派单，根据路况、天气和路径决定派单模式，同时为用户提供服务等。
其次，相比于如Uber一类的网约车平台，滴滴在自动驾驶上的技术路径又更加明确。
例如，如何使用从网约车平台采集的真实场景数据。
背靠滴滴平台的自动驾驶，每天订单数量平均达数千万，加之司机的行驶轨迹和安装在交通工具上的桔视设备，全年可以采集近1000亿公里的真实场景数据。
凭借这些真实数据和仿真系统数据，滴滴自动驾驶能形成经营、安全和技术三张地图，可以在10秒内筛选出最具有测试价值的地点。
此外，滴滴还基于从桔视设备上采集的数据，为网约车司机开发出了智能化驾驶安全系统：
不仅能对车外的前向碰撞、前车急刹、车道偏离等场景及时预警，还能在司机进入疲劳状态前，通过语音提醒司机注意行车通风、及时休息、避免疲劳驾驶，让出行更安全。
这个名为“基于桔视的AIoT智能驾驶感知平台”的项目，已经在今年4月10日，获评吴文俊人工智能科技进步奖“企业技术创新工程项目”。
对于滴滴而言，目标和路径都很明确，“无非是怎么执行的问题”；但其他企业，就不一定有这么明确的方向了。
除此之外，滴滴的自动驾驶资源，也确实丰富——人才、资金……都有足够的底气。
孟醒在采访中表示，目前团队已经超过500人，而支撑研发和技术迭代，资金也比较充裕。
加之国内也高度重视V2X（车联网）技术的推进工作，各地都在建成车路协同自动驾驶的相关设备和道路，又为实现真正的自动驾驶，进一步创造了条件。
而在这次“5小时无接管”的视频中，也包含了支持V2X的部分道路测试。
天时地利人和，滴滴都有了。
滴滴自动驾驶，下一步往哪开？
滴滴自动驾驶，自2016年组建团队以来，已有5年研发历史。
起步并非最早，发展速度却绝对算是最快之一：
2019年8月，滴滴官宣将自动驾驶业务升级为子公司，运营和研发架构一应俱全；
2020年6月，RoboTaxi项目落地上海，正式开放公众自动驾驶测试体验；
2020年11月，滴滴与北京汽车集团合作的新一代L4自动驾驶车亮相；
同月，滴滴自动驾驶成为首家获得上海三个测试区牌照企业，总里程达530.57公里；
现在，滴滴又发布了全球首个5小时连续无监管路测视频，测试车辆在环境感知、行为决策、运动规划与控制等方面的表现，连“无人车之父”都给予了极高的评价……
所以，滴滴自动驾驶，下一步会往哪开？
据孟醒透露，在技术路径上，滴滴自动驾驶将会经历三个阶段，包括性能测试、可靠性和落地。
在进行性能测试时，开发团队会迅速搭建一个车辆模型，并用各种场景去挑战它，理解它的性能边界，即目前研究技术所能达到的最高性能。
接下来，就是提升自动驾驶系统的可靠性了，这里面的核心，是求稳。只有靠真实数据的迭代，才能检验出系统的稳定性来。
最后，才到量产落地的环节。
对于滴滴而言，这几个阶段会有重叠的部分，因此更多时候会并行进行，但目前的研究重心，仍然放在“可靠性”这一阶段上。
而这一阶段，也是滴滴最有信心与其他车企拉开差距的一环。
目前，滴滴尚未透露具体落地时间，表示商用化仍然取决于硬件成本、车企平台、政策体系等因素，“还需要与行业一同合作实现”。
但能够确定的是，滴滴自动驾驶技术研发，未来将仍然聚焦于网约车场景。
至于滴滴是否会进军自动驾驶卡车赛道，孟醒只表示：
目前，更多是在技术层面上保持关注。
在滴滴自动驾驶上一轮融资后，我们说滴滴手握中国最好的自动驾驶资源，起点和势头会有所不同。而且在中国搞自动驾驶，没有人不羡慕滴滴。
而现在技术上的快速迭代和进展，也是对这种资源优势的最好印证。