文浩·奧特在開車？楊明
無人駕駛公司canoe智航CEO於謙在3月21日舉行的線上分享會上表示，與傳統自動駕駛公司的“造梯子”路徑相比，canoe智航是在“造火箭”。
作為壹家成立不到壹年的無人駕駛初創公司，本次在線分享會首次公開分享了其基於大規模智能仿真系統和自主學習決策規劃框架的技術路徑，並介紹了大規模智能仿真系統的具體應用。
其目標是打造適應城市復雜交通環境的“老司機”，商業模式是為合作夥伴提供量產的無人駕駛解決方案。
對此，輕舟智航決定從兩個方面解決自動駕駛的實際落地問題:
壹方面，基於大規模仿真技術的應用解決規劃決策問題是無人駕駛技術領域的關鍵課題。以Waymo為代表的無人駕駛公司正在通過大規模的模擬測試來提高規劃決策技術。
另壹方面，通過建立大量的工具鏈和模擬測試環境，實現技術叠代的自動化，以更快更高效的方式處理自動駕駛的邊界問題，應對自動駕駛行業的長尾效應。
相比當初的“造梯子”，輕舟智航更喜歡“造火箭”
我們知道，自動駕駛的關鍵因素包括感知、決策和規劃，其中感知是壹個比較確定的問題，如何測試和評估非常明確，整體的方法論也比較清晰，所以業界開始關註規劃決策技術，把規劃決策作為目前最具挑戰性的問題。
規劃決策的挑戰可以從兩點看出:壹是不確定性難以衡量。現有的判斷規劃決策好壞的指標是舒適度和安全性，但這兩個指標是主觀的。
壹方面，不同的人在開車的時候有不同的行為偏好，有的激進，有的保守，舒適度本身就是壹個非常主觀的判斷。
另壹方面，在安全性方面，簡單的安全指數是不碰撞，但即使不碰撞，如果妳的車始終與下壹輛車保持1 cm的距離，妳也會感到不安全。
其次，從方法論的角度來看，占據行業主流地位的規劃與決策方法論相比20年前並沒有大的突破，模仿學習或強化學習的大規模實際應用還存在很多問題。
於謙認為，“仿真技術的出現很大程度上是為了幫助規劃和決策進行更好的測試——畢竟不能每次修改算法都部署到車上進行測試。隨著仿真技術的采用，行業進入快速發展軌道。”
不同於大多數自動駕駛技術從無到有的構建過程——先做好地圖和定位，再做好感知，最後開始做規劃決策和仿真，仿真測試平臺從壹開始就作為輕舟智航的關鍵核心能力，與其他模塊壹起構建，使得開發達到了非常高效的狀態。
此外，自動駕駛技術具有突出的長尾效應，在技術上解決了90%的問題，但剩下的10%可能會耗費同樣多甚至更多的能量，這其中包含了很多邊界問題。
於謙分析了為什麽無人駕駛還沒有落地。他說，“除了收集大量的數據，更重要的是建立自動化的生產工廠，通過自動化的工具將不斷收集的有效數據加工成可用的模型。以更快、更高效的方式應對邊界問題。”
上圖是典型的邊界問題。妳甚至在遇到野鴨之前都不知道會有野鴨的問題，所以邊界問題是需要發現和解決的。
那麽如何找到並解決邊界問題呢？
除了收集大量的數據，更重要的是建立自動化的生產工廠，通過自動化的工具將不斷收集的有效數據加工成可用的模型。以更快更有效的方式處理邊界問題。
以以上野鴨的場景為例。如果我們需要為這些場景開發特殊的模型，將會有無窮無盡的場景需要處理。
但是在自動化的幫助下，只要對數據進行標記，這種情況在下次系統更新時就可以得到更好的處理，節省了工程師大量的時間。
以感知為例很容易理解，但其實規劃技術都是壹樣的。為了讓汽車做出準確的規劃，最原始的方法是工程師編寫規則——大量的工程師編寫大量的規則，但是這種方法可維護性差，不能滿足需求。
接下來是設計獎勵函數——設計獎勵函數比寫規則簡單多了；之後，利用數據自動學習獎勵函數。
這個過程就是向自動化發展的過程。
於謙說，“輕舟智航追求的是建立壹個自動化規模生產的工廠。比起當初的“造梯子”，我們更喜歡“造火箭”。為此，我們必須建立大量的工具鏈和模擬測試環境。”
對此，輕舟智航將有效數據、智能仿真系統、決策規劃框架作為推動技術前進的齒輪。
借助大規模智能仿真系統和自主學習決策規劃框架，輕舟智航可以最大限度地利用有效數據，大幅降低測試成本，提高開發效率，保證解決方案的可擴展性。
於謙說，“在過去的壹年裏，輕舟智航不想跟風進入特定的小應用場景，變成了壹家靠人解決問題，無法規模化的工程公司。而是註重修煉內功，在主線足夠深、橫向可擴展之後，以壹種輕便快捷的方式實現了真正的無人駕駛。”
拒絕“華而不實”，輕舟智航的仿真系統架構首次揭曉。
目前市場上有很多仿真軟件，最流行的是基於遊戲引擎的仿真軟件，從界面上看很漂亮，像壹個模擬的城市，場景非常真實。
與這款主流仿真軟件不同的是，canoe智航的仿真軟件界面非常簡潔，摒棄了繁雜的渲染工作，只保留了感性的結果，包括3D？盒子和雷達點的疊加。
輕舟智航為什麽不用遊戲引擎建造壹個漂亮的模擬城市？
輕舟智航聯合創始人王琨總結了基於遊戲引擎的仿真系統的三個特點:
第壹，在使用遊戲引擎的情況下，其本身的圖像渲染工作對感知的提升是非常有限的，因為渲染效果和實物是不壹樣的。
其次，在自動駕駛領域，這種重新構建的軟件(基於第三方軟件開發)缺乏測試確定性。仿真軟件在自動駕駛領域的重要應用是再現壹定的路測效果。但是由於這種第三方軟件和自動駕駛軟件的開發是相互獨立的，很難保證每個模塊的確定性，導致整個仿真軟件的不確定性，最終影響可用性。
再次，基於遊戲引擎的模擬器會消耗大量額外的計算資源進行圖像渲染，不利於大規模應用，也影響了其實用性。
基於以上考慮，輕舟智航開發了獨特的模擬系統。
輕舟智航仿真系統的系統架構可以分為五層:底層是輕舟智航開發的汽車？OS，借助底層通信系統保證模塊間的高效通信。
汽車？OS和仿真器是高度集成的系統，核心仿真器和評估器基於底層Car？操作系統接口可以保證仿真系統的確定性。
下壹層是外圍工具鏈和基礎設施的模擬，可以保證整個數據閉環的有效性，高效利用所有數據；第四層是大型場景庫的建設。
頂層是分布式系統仿真平臺，支持快速大規模仿真應用，短時間內獲得正確評價。
輕舟智華的模擬評價員也可以分為五類:第壹類是安全評價員(安全？評價者)，包括是否碰撞，是否撞到路邊，是否撞到行人等。
第二類是真理評價者(地？真相？Evaluator)，仿真結果可以通過人工閱卷或自動閱卷進行檢測和比較，並及時反饋給工程師。
第三類是法律評價(法律？評價者)是指根據交通規則進行的評價，比如是否闖紅燈，是否倒退等。
第四類是舒適度評估(舒適度？評價者)，指是否有急剎車等帶來不適感的行為。
第五類是條件評估(Stats？Evaluator)，比較低級的，是指根據模塊生成的中間結果進行縱向比較的結果。
王偉表示，“我們認為模擬是實現大規模無人駕駛技術的唯壹途徑。首先，借助仿真和相關工具鏈，可以形成高效的閉環數據測試，支持算法的測試和高效叠代，替代人或車的堆砌方式；其次，只有經過大規模智能仿真驗證的軟件才能保證安全性和可用性。以壹個比喻結尾，如果說無人駕駛是壹場賽跑，那麽仿真就是助推完全無人駕駛實現的助推器。”
壹面鏡子展現了矽谷“封城”前夕無人車的真正實力。
加州“居家隔離”的強制令發出後的三個小時，對獨木舟誌航來說，是難忘的三個小時。
矽谷時間3月16日下午4點23分，輕舟智航收到加州相關政府發出的正式強制令。所有居民必須在家隔離，除非購買食物、就醫或其他緊急情況，否則不允許離開住所。強制令於當天午夜生效。
這壹天，輕舟智航將進行現場試乘。
於謙說:“我們接到這個通知的時候，離通知生效只有八個小時了。我們沒有放棄，而是在第壹時間聯系了矽谷的風險投資BoomingStar。風險投資公司的管理合夥人亞歷克斯？任作為第三方證人，記錄了當天晚上7點的路測視頻。”
由於時間緊張，獨木舟智航只有壹次機會，所以下壹次測試視頻是壹次性錄制的。
獨木舟航行的試乘路線會先開到壹個商業區周圍的麥當勞，穿過壹個免下車窗口(壹個不用下車就能得到服務的餐廳)，然後穿過壹個大超市及其停車場，返回公司。
免下車服務。在美國是很常見的點餐方式，是典型的復雜城市交通環境之壹。從技術角度來說，免下車場景也很有挑戰性。
首先，它的車道比單車道窄，對定位和控制要求更高。如果水平定位和控制不準確，就會滾過路緣石或蹭到建築物。垂直方向不準就不準。
其次，出口處有停車場，是無結構道路。為了應付人車混雜的情況，我們不得不在沒有保護的情況下右轉進入主幹道。
最後，更具挑戰性的是，這是壹個正常的經營場所，不像開放的道路，可以重復路測。據悉，輕舟智航已經通過了大量的模擬測試，使得它在第壹條道路上非常安全可靠。
從視頻上看，明星？風險投資公司的管理合夥人亞歷克斯？任駕駛獨木舟智能無人駕駛汽車經過壹家免下車餐館，完成了點餐、付款和取餐的整個過程。後來，他在壹家大型超市周圍遇到了因搶購物資而導致的復雜道路場景，但無人車實現了良好的應對。
接下來，從仿真的角度，在真實圖像中，我們可以看到前方沒有車輛。
但是在模擬的幫助下，我們在場景中制作了兩輛綠色的虛擬車輛來測試車輛是否能夠準確的避開虛擬車輛。
同樣，還制作了黃色幀的行人進行測試，視頻中的白色幀是當時的實際行駛軌跡。
王琨說，“因為麥當勞的這個場景是不允許多次測試的，所以這個視頻只是眾多例子中的壹個。其實已經產生了很多類似的場景。評價員在模擬測試中取得良好效果後，對車輛進行了實際場景測試。”
此外，上述視頻還展示了仿真場景庫自動生成的相關工作。視頻中的紅綠點分別代表兩輛車的運動軌跡。這些軌跡的產生和變化都是基於真實的交通數據集，利用深度學習的方法進行訓練，然後利用訓練好的深度神經網絡進行合成。
妳可以看到交互車輛的軌跡是不斷變化的，這是使用生成模型對交互車輛的運動行為空間進行隨機采樣造成的。
生成模型支持不同地圖上不同場景庫的合成，具有真實性、有效性、多樣性、規模可擴展等特點。
視頻中的兩個點或者兩輛車是互動的，可以正確互動。這種交互行為不是人工創建的，而是通過深度學習從實車之間的交互數據中學習到的。
關於皮劃艇和帆船運動:
作為壹家年輕的創業公司，canoe智航的核心團隊成員來自Waymo、Tesla和優步。ATG、福特、英偉達、臉書等世界級自動駕駛公司和科技公司。
目前，我們在中國矽谷、北京、深圳、蘇州等城市設有辦事處。其聯合創始人兼CEO於謙是頂尖的核心感知算法和地圖專家。曾任Waymo感知關鍵模塊機器學習算法研發負責人，擁有十余年計算機視覺和機器學習經驗。
本文來自車家作者汽車之家，不代表汽車之家立場。