魔视智能创始人兼CEO虞正华:出行和量产是无人驾驶商业化两大路径

时间:2019-09-19

来源:中国无人驾驶网

0

导语:在本次年会上,魔视智能创始人兼CEO虞正华在主题演讲中表示,自动驾驶商业化有两种路径:一种是直接做L4,做出行的运营,强调出行服务,强调快速,对量产和成本的要求都不重要;另外一种是走向量产,强调安全,强调成本可控。

2019年9月19日,由投中信息和南京市建邺区人民政府主办,江苏省政府投资基金管理办公室和南京市人民政府指导,投中网、江苏疌孚基金产业管理公司、南京河西中央商务区承办,以“聚资本之力,筑产业之势”为主题的“2019中国投资年会(南京)投资人峰会”在南京市金奥费尔蒙酒店举办。

在本次年会上,魔视智能创始人兼CEO虞正华在主题演讲中表示,自动驾驶商业化有两种路径:一种是直接做L4,做出行的运营,强调出行服务,强调快速,对量产和成本的要求都不重要;另外一种是走向量产,强调安全,强调成本可控。

魔视智能创始人兼CEO虞正华:出行和量产是无人驾驶商业化两大路径
魔视智能创始人兼CEO虞正华

以下为虞正华在2019中国投资年会(南京)投资人峰会致辞/主题演讲实录,由投中网编辑整理:

虞正华:大家下午好,非常高兴与大家分享无人驾驶商业化路径的思考。

20年前在中国A股的十大市值公司,第一是浦发银行。今天最高的一个是阿里一个是腾讯。腾讯的发展从2004年到今天,市值的变化是3万多亿。

为什么会有这么大的变化?抓的是什么机会?就是移动互联网。

在过去20年孕育的最大的机会是移动互联网。我们看未来的20年最大的机会是人工智能。它无疑是会改变人类未来的巨大机会,今天依然是投资创业的主线。人工智能带来的改变是方方面面,包括IOT、自动驾驶、机器人等等,其中自动驾驶是落地的一个重点。

大家都知道自动驾驶的巨大商业价值,有很多报告说到2030年无人驾驶出租这个市场就超过2万亿美元。但在过去一年,我们也看到了很多的挑战,特别是L4自动驾驶方面。比如说GM的Cruise推迟了2019年年底的自动驾驶出租车服务。Waymo的推进也只是维持在千量的规模。

对于无人驾驶,大家为什么会怀疑?过去一年发生了很多的事,碰到了太多安全性的问题,很多的企业在实验的过程中都碰到了或多或少的安全事故。为什么会有这样的问题?本质不是技术不行,而是实验不够。

大家想对比2.4亿量的存量车,几千辆测试车积累的场景是远远不够的。

自动驾驶商业化的路径到底怎么走?

大家看到有两种路径,一种是直接做L4,做出行的运营。L4的困境恰恰就在这里。L4的车过去没有,是跳跃。而跳跃的基础是只是基于几百辆几千辆测试车,步子跨得有点大。从量产来看,虽然是L4的技术,在量产之前需要通过非常充分的测试验证相应的技术和产品。两种不同的路径,一条是做出行运营,一条是走向量产。

不同的路径带来的选择是不一样,面向出行运营的L4,强调的是快速,尽早推出服务很重要,对量产和成本的要求都不重要。但是车企非常保守,考虑的是量产,考虑的是安全和成本,第一要安全,第二要成本可控。所以大家关注的重点不一样。

今天说一下量产的路径。从L1到L4在不同的等级都有量产的产品,包括从预警的功能到L2的自动紧急刹车等,今天有很多高配车开始装配了,在未来3到5年的搭载率有望达到50%。和L4用的同样的感知技术、决策技术,但是把它降到安全可控的应用场景。从L3来说包括自动泊车、TJP等应用场景,类似这样的量产已经规划了。能量产的L4包括垂直可控的落地场景。通过这样的路径虽然我们是L4技术,但是在不同的等级可以逐步验证、逼进未来完全开放道路自动驾驶的目标。

满足量产的需求我们可以从算法、芯片、汽车规范、以及海量的数据来看。从系统划分来说,无论是做APA、AVP,还是做开放道路的L4,系统的构成是一样的,都可以划分为感知、定位、路径规划、决策、车控。

感知系统现在主流都是基于深度学习,深度学习是人工智能的一个突破。无论是做语音还是其他的。这个视频是我们用深度学习做的前视感知,任务是像素级的语义分割。包括车道线、可行驶区域,可以看到人的轮廓、车的轮廓都可以清晰识别出来。我们在CITYSPACES上面持续6个月都是排名世界第一。

下面是我们和一线车厂做的10个摄像头的自动驾驶的视觉感知部分。这样的感知系统可以用于L3和L4的自动驾驶。深蓝的路面是深度学习方法算出的可行使区域,其它包括人、车、斑马线等,用深度学习从技术角度上都可以满足。

自动驾驶除了感知,很重要的技术是车辆定位。定位技术可以应用港区的自动驾驶,这个是L4能够落地的场景。这个视频里面用了3个摄像头通过VSLAM算法实现厘米级的定位。我们不需要几万块钱的定位设备,我们可以利用现有的车上的摄像头进行高精度的定位。

自动驾驶还有相关的线控技术,大家过去担心受国际的供应商掌握,我们是否面临瓶颈?我们可以完成大量的和国际Tier1对接,从线控底盘角度不会成为制约量产的瓶颈。还有一个和量产相关的是芯片。自动驾驶涉及到深度学习的技术路线,对芯片要求比较高。我们在这里做了尝试,用FPGA做到了前装量产,这里以前最多的是以色列的Mobileye芯片;我们突破了这个瓶颈。

从量产的角度来说,实现的是从L1到L4的产品,L3和L4更多是域控制器的产品形态,视觉、毫米波雷达、超声波雷达等在里面完成感知、融合、定位、决策,最后给出执行的指令。

我们作为从业者也感觉到最近一年不同的市场变化。从L1到L3是可以直接量产的市场,最近感觉非常明显的是量产在提速,这里面涉及到乘用车的应用,商用车国家标准的实施。商用车,国家强制今年所有的9米以上营运大巴都要装AEB,所有的两三百万辆营运卡车到明年开始必须强制预警,后年开始必须强制AEB,从体量来说是非常大的促进。

从L3、L4量产是做泊车,我们和一线车厂合作做的自动泊车,用4个摄像头、12个超声雷达实现自动泊车的功能。在这个功能里面,过去大家能买到的车是用超声泊车。我们做的是视觉和超声融合的泊车,未来无论车位的种类,像单侧有车、还是狭窄的车位都能实现自动泊车的功能。

另外我们和一线车厂也做了遥控泊车。过去宝马是放在50万的顶配车,现在我们放在了10万元的车。为什么需要远程控制?典型场景是碰到狭窄车位,车停进去门开不了,或者本来停的时候是好的,但是后面来了辆车,门没有办法打开,通过遥控泊车,车可以自己泊进也可以自己泊出。

L4自动驾驶从商业化、量产的角度,还是在垂直落地的场景先落地,包括代客泊车、港口的自动驾驶。这个是我们合作的一线车厂的代客泊车。比如说车开到大楼,车自己泊进停车场,人不需要跟下去;出来的时候手机按个APP,车自己开回到下车的地方。这样的系统是有5个摄像头,12个超声和1个雷达,完成自动感知、定位、规划、控制。另外一种L4自动驾驶的场景是港区的自动驾驶。

这样的商业化路径,国内的一线车厂都在沿着这条线在走,包括上汽、一汽等。我们运用行业经验积累,自动驾驶量产之路是越走越顺畅。

谢谢大家。

低速无人驾驶产业综合服务平台版权与免责声明:

凡本网注明[来源:低速无人驾驶产业综合服务平台]的所有文字、图片、音视和视频文件,版权均为低速无人驾驶产业综合服务平台独家所有。如需转载请与0755-85260609联系。任何媒体、网站或个人转载使用时须注明来源“低速无人驾驶产业综合服务平台”,违反者本网将追究其法律责任。

本网转载并注明其他来源的稿件,均来自互联网或业内投稿人士,版权属于原版权人。转载请保留稿件来源及作者,禁止擅自篡改,违者自负版权法律责任。

如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。

关注低速无人驾驶产业联盟公众号获取更多资讯

最新新闻