AutoR智驾 2021-05-26 14:27
智行者李晓飞:用无人驾驶赋能各行各业,构建智慧生活圈
分享
智行者最想做的事情就是把我们的技术在产品化、功能化的积累做多行业的赋能,打造我们的智慧生活圈。这些是我们在多场景、多品类无人驾驶协同场景作业未来的构想,一定是在五个场景、四类产品应用当中去做一个矩阵式的结合,这样才能把我们这种无人驾驶技术非常高效地带给我们的民众。

有请来自智行者低速无人车事业部的联合创始人总经理李晓飞,李总是清华大学的博士,也是智行者的创始人,曾经供职于百度,从事自动驾驶、人工智能算法或者开发,也是主导多项算法研究等等工作,拥有丰富的技术经验,2020年入选了中关村高级工程人才,今天分享的题目是“用无人驾驶赋能各行各业,构建智慧生活圈”。

 

李晓飞:非常荣幸能够在这样一个场合与大家分享智行者在无人驾驶当中的应用,包括我们的一些理念、挑战和思考,我的分享题目是“用无人驾驶大脑赋能各个行业、构建智慧生活圈”。

    

智行者还是一家小企业,简单自我介绍一下。我们是2015年成立,到现在已经有六年的时间了,2015年到2017年大概两年的时间,我们会有很多跟主机厂的合作,也有很多乘用车方面的应用。2017年开始我们就在探索无人驾驶技术在不同领域当中的应用,包括物流、环卫等等领域。2018年开始,我们的功能型无人车包括无人物流车、无人环卫车开始量产。2020年之后,我们会推出无人驾驶大脑的技术,赋能到各个行业,包括一些民用行业、特种领域的应用,包括乘用车的领域。我们在这个过程当中也获得了资本市场的认可,比如2016年获得北汽融资,2017年获得京东和顺维资本A轮融资,2018年获得百度领投的B1和B2融资,2019年和2020年获得ARMC1和C2融资,现在是到了D轮融资阶段。

    

智行者是一家做无人驾驶大脑技术的公司,我们从2015年开始创业,最开始是要重点打造无人驾驶的大脑,希望赋能到各个行业,当时整个自动驾驶圈子开始比较热的时候,我们就会思考这些技术如何落地、如何应用,所以从2017年开始就会考虑把我们的无人驾驶大脑的技术赋能到各个行业,包括刚才讲到的低中高速的环卫和物流,包括轿车和客车,然后2018年开始我们在安防和消防等等特种领域也有一些应用,希望把我们的技术在不同领域锤炼,收集不同领域多场景的数据,然后回传给我们的技术团队去做整个数据的锤炼,同时也可以获得一些现金流。

    

2017年开始,智行者的现金流还算是比较充足,形成了两条腿走路:一个是自我营收,另一个是融资。

    

我们的无人驾驶大脑分成两个部分:2015年开始,我们打造自己的软件操作系统,包括底层操作系统功能模块。2017年开始,我们成立硬件开发团队,搭建我们的硬件计算平台。现在我们的无人车当中有上千个落地场景,无论是比较低速的沃必达和沃小待,额这些都是我们自己研发的硬件平台。这些大脑当中除了软件和硬件的架构,我们也会有些关键的功能模块,包括iFusion、iCloud等等。

    

刚才是智行者的简单介绍,再讲一讲我们做赛道选择的时候的一些思考。智行者是在整个落地应用领域走得比较靠前的,我们的赛道是怎么选择的呢?

    

我们会去考虑无人驾驶产品的底层逻辑,主要就是业务替代性和成本可替代性。我们现在的无人驾驶解决的其实只是一个问题,就是无人行走或者行走能力,实际上把行走能力安插到各行各业的时候是解决不了各行各业的困难,所以我们必须要解决业务无人化的能力。举个例子,比如有人驾驶的扫地车应该拆分成两个部分:第一部分就是我们的人加上我们的车可以去做很多的业务模块,比如垃圾箱的倾倒和吸水清理都是人要去做的,第二部分才是行走,我们想把无人驾驶技术落地到某个行业,必须解决业务可替代性,就是业务无人化。因为我们的行走无人了,业务没有办法做到无人,需要收银员的话还是解决不了这个问题。我们在做业务可替代的同时也要做到成本可替代,现在做了很多行业研究,也在一般行业得到一个结论,实际上无人化的产品成本可容忍的大概期限是两年左右,很少有行业的购买方说我买了你的产品,五年内回收这个成本就行,现在我们看到的很多行业成本可替代性大概就是两年的ROI时间点。

    

关于无人驾驶产品的吸引力的五个要素,这也是我们研究好几个行业得到的汇总:首先就是刚需,用户对无人驾驶产品是不是有需求?2C的产品有些痒点和痛点就可以了,随便一个点都可以把产品卖出去。2B的产品是不一样的,企业主一定是要去算帐的,所以在刚需的部分一定要解决痛点。其次是高频,我们需要应用于高频长时间的使用领域,不然大脑价值几万或者十几万投放在一个领域,实际上这种产品也不能产生价值。我们无人驾驶技术解决的就是无人行走的能力,假设我们的业务场景不是重复作业,比如物流是一直在路上跑的,作业逻辑比较简单的场景也不一定能够成立。非黑科技之前的词是弱智能,就是现在很强的智能在一些领域不一定能够实现,需要采取一些措施把黑科技转化为弱智能的技术。信息化很好理解,如果只是单车智能解决问题的话不一定能够带来很高的价值,一定要嵌入到整体业务流程当中高效互动才能解决问题。

    

下面介绍的是智行者产品落地方面的选择,以及现在面临的一些挑战。

    

我们把人类的需求分为三类:基础需求包括和安全相关的需求,生活需求就是人们都会追求美好的生活和工作环境,所以我们希望可以用无人车把人从重复、繁杂和枯燥的劳动当中解放出来,精神需求就是人类总是去追求高品质的生活,所以我们希望无人驾驶技术把人从日常开车的生活当中解放出来,并且进一步提高生活品质。我们在消防领域会有一些救援应用,生活领域主要是接驳应用,然后精神领域就是RobotTaxi这些应用。

    

对于特种领域进行赋能,因为我们从2018年开始参与特种领域的探索,美军、俄军在无人驾驶领域的应用已经非常明显了,我们在这个板块也是花了很大的精力,针对大场景的无人区域安防,包括边境的巡逻安防,中间就是无人机、无人车和无人导弹的训练卡车,消防、武警等等特种领域的保障车的应用,希望将人从一些危险的工作当中解放出来。

    

我们从2017年开始推出沃小白系列,经过四年的时间陆陆续续推出五款产品,因为我们看到这个领域有刚需,场景也非常适合,整个投入产出是比较明显的,国内基本上是不到三年的时间,很多场景客户就可以收回成本,当然还有一些场景客户一年就能够收回成本,所以客户是比较愿意买单的,国外的领域基本上一年或者半年就可以收回成本,环卫和清洁领域的无人车推广的时候可以得到市场的认可。

    

目前我们这个板块和前面的板块在全国大概20多个省份会有上千个场景的应用,也有推广到数十个国家,整体来说还是得到了一些行业的认可。

    

下面以清洁环卫的方向为例,简单介绍一下我们遇到了什么样的挑战。我们在2017年做环卫量产车的时候发现,因为经常是在寒冷的天气和酷热的天气应用,所以最开始应用的是工业级的硬件平台,北到漠河和满洲里,南到三亚和海南,这些硬件产品是完全不合格的。我们打造的不仅是主控制器,也包括其它模块的分控制器,包括电机控制器,包括一些SensorBox定位模块的盒子。因为我们应用在场景落地的时候会发现,我们的算法在实验室当中跑通非常容易,但是上千个场景内都能够适用是非常困难的,2017年在我们的车上安装OTA,基本上一个月在全球更新一轮我们的算法和软件,所以一定是持续进化的右脑。成熟的左脑包括一些设计理念,都是遵照汽车零部件的设计开发流程,参考汽车当中的微模型,按照车队的标准严格要求我们的实车测试,包括侧倾、爬坡、失温循环以及复杂极端的情况,比如零下20度的极低温测试,我们在20度以下开机测试,EMC测试、振动测试和S3测试,保证整车和控制器能够在全世界范围内保证可靠性和功能。

    

我们落地的过程当中也有遇到很多挑战,特别是复杂园区当中,所以刚才提到功能型无人车的定位是低速,我们也是这样认为的,功能型无人车不是定位低速,但是聚焦到低速当中也有很多困难,比如半封闭的园区当中临时施工随时可以把我们的车堵住,整个感知系统需要不断锤炼、不断收集数据、不断回传数据进行下发,很多园区当中会有一些井盖丢失,所以障碍物的检测也必须要有,客户要求我们在小雨中雨、小雾中雾、小雪中雪、小霾中霾实现正常无人驾驶。

    

刚才讲到高精度地图的生产线,2017年开始,我们在内陆推广几台产品的时候,每台车在某个场地的适配至少需要两天时间,就是第一天采图建图下发,因为现场控制器是没有办法满足的,需要在自己的机房建图,相信大家知道高精度地图生产工序的都知道复杂程度怎么样,所以我们从2017年需要专车采图,2018年开始产品正式量产,我们就把沃小白推到现场,然后自动上传到云端,云端可以实现24小时不间断的快速建图,半个小时或者几十分钟就把上万平米的高精度地图下发到车里面,简单适配一下,所以基本上到了一个场景半天或者不到一天的时间就可以把整个产品落实下去。大家可以想像,这里使用的架构是无人驾驶的完备架构,高精度地图是立体的、3D的,这么短的时效内解决这些问题不是逼迫自己吗?实际上是客户在逼我们自己,所以我们要有一套非常Real-time的生产地图支持这些车在全国乃至全世界的应用。

    

融合定位方案最开始使用比较简单,比如三个传感器去做一些融合,但我们在推广的时候发现30%或者20%的场景是搞不定的,所以我们当时会花很大的精力把四合一、五合一的方案搞定。大家可以想像我们的车无论是在高楼林立的地方还是在植物园这种地方,空旷的鸟巢和天安门这些地方,或者是室内室外兼容的地库这些场景都需要通过高精度地图解决,所以我们这套方案是必需的。

    

大家可以想像我们遇到的感知对象是非常不一样的,最初的时候我在清华做的博士论文就是结构化道路深度学习的算法,但到了低速车领域或者功能型领域遇到的挑战是跟高速车领域完全不太一样的,比如小孩的滑板车或者小足球必须识别出来。那么在复杂交通环境、行为难以预测的环境下,我们必须跟人非常友好地进行协同作业。我们遇到的车和人在一个窄路上顶住了,我们需要给人让行,退到某个位置,如果后面来车了也需要绕行,这就是人和车之间非常好的交互,需要我们在无人车当中考虑。要是路全部堵住了,我们需要掉头避障或者窄路通行的能力。

    

简单说一说L4级别的应用方案,已经提供给很多家主机厂合作,目前国内也算是无人驾驶产品商业化落地最早最多的企业,全世界已经有上千个场景应用,国内是20多个省份,国外是十几个国家和地区使用我们无人驾驶的产品,真真正正为他们解决问题。

    

以上就是我们的一些落地方案介绍,其实已经做了五六年的时间,积累了很多能做和不能做的想法。至于我们对未来的展望,我们去做产品规划的时候是按照三轴的理论拓展的:创业初期是做技术积累,我们的技术发展到了一定程度可以去做整车样机的应用,落地到行业深耕就是选定一个方向,然后开始在这个行业深耕,希望推出一款产品或者数款产品,跨越市场的鸿沟,改变这个行业的业态。我们在一个或者两个行业内去做深耕之后,技术积累和行业深耕就可以拓展到接下来的领域。智行者最想做的事情就是把我们的技术在产品化、功能化的积累做多行业的赋能,打造我们的智慧生活圈。这些是我们在多场景、多品类无人驾驶协同场景作业未来的构想,一定是在五个场景、四类产品应用当中去做一个矩阵式的结合,这样才能把我们这种无人驾驶技术非常高效地带给我们的民众。

x

收藏 0
打赏
相关标签:
电话:010-65030507
邮箱:editor@autor.com.cn
地址:北京市朝阳区朝外大街乙6号朝外SOHO D座5097室
北京智驾时代传媒科技有限公司          Copyright © 2009 - 2014
Autor.com.cn All Rights Reserved. 版权所有 AutoR智驾 智能汽车网
京ICP备14027737号-1      京公网安备 11010502038466号
关注官方微信