1.0蓝湖资本https://www.bluelakecap.com/enKelvinhttps://www.bluelakecap.com/en/author/kelvinrich600338<blockquote class="wp-embedded-content" data-secret="3nA6c6n9Hc"><a href="https://www.bluelakecap.com/en/news/our-updates/2871.html">曹旭东：无人车商业化最大难点：如何高效的大规模数据收集和测试</a></blockquote><iframe sandbox="allow-scripts" security="restricted" src="https://www.bluelakecap.com/en/news/our-updates/2871.html/embed#?secret=3nA6c6n9Hc" width="600" height="338" title="“曹旭东：无人车商业化最大难点：如何高效的大规模数据收集和测试” — 蓝湖资本" data-secret="3nA6c6n9Hc" frameborder="0" marginwidth="0" marginheight="0" scrolling="no" class="wp-embedded-content"></iframe><script type="text/javascript"> /* <![CDATA[ */ /*! This file is auto-generated */ !function(d,l){"use strict";l.querySelector&&d.addEventListener&&"undefined"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!/[^a-zA-Z0-9]/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret="'+t.secret+'"]'),o=l.querySelectorAll('blockquote[data-secret="'+t.secret+'"]'),c=new RegExp("^https?:$","i"),i=0;i<o.length;i++)o[i].style.display="none";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute("style"),"height"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):"link"===t.message&&(r=new URL(s.getAttribute("src")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener("message",d.wp.receiveEmbedMessage,!1),l.addEventListener("DOMContentLoaded",function(){for(var e,t,s=l.querySelectorAll("iframe.wp-embedded-content"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute("data-secret"))||(t=Math.random().toString(36).substring(2,12),e.src+="#?secret="+t,e.setAttribute("data-secret",t)),e.contentWindow.postMessage({message:"ready",secret:t},"*")},!1)))}(window,document); //# sourceURL=https://www.bluelakecap.com/wp-includes/js/wp-embed.min.js /* ]]> */ </script> https://cdn.bluelakecap.com/wp-content/uploads/2016/11/2097.jpg560360编者按：自 1760 年以来交通工具和汽车行业的进化一直都是以创新为驱动力的。无人驾驶作为一种技术升级势必将带动起新一轮的交通运输革命。不仅仅是 Google、苹果、 Uber、百度等科技公司，NVIDIA、Intel 等芯片厂商，Tesla、丰田、宝马、奥迪等新老车厂，以及国内外众多创业公司都已入场，试图在革命真正到来之前，抢占先机。在这股创业的洪流中，Momenta 团队虽为初创公司，但又因其团队深厚的技术积累和极强技术原创力而显得与众不同。Momenta 汇集了来自微软亚研院和清华大学等顶级机构的世界级深度算法专家，想要利用深度学习技术研发高精度地图及基于实时环境感知、高精度地图的驾驶决策算法，打造自动驾驶的大脑。我们通过几个问题，了解这个在一线的研发团队对无人驾驶技术现状的看法。 自动驾驶创业公司 Momenta CEO。毕业于清华大学。曾先后任职于微软亚洲研究院和商汤科技，有近百人研发团队管理经验以及丰富的产品落地经验。研发技术用于 Xbox，Bing，How-old 等知名产品。对无人驾驶环境感知，高精地图，驾驶决策有深入研究。 曹旭东 蓝湖资本：你觉得无人驾驶最大难点是什么？ 曹旭东：无人驾驶，最重要的是安全。高安全性意味着低事故率。一个系统做到很低的事故率，通常要做两件事情，一个是发现问题，一个是解决问题。在刚开始的时候，由于系统的问题非常多，主要的精力在解决问题，但是随着事故率逐渐降低，发现问题变得越来越难。 据统计，全球来看，对于人类司机，一亿公里发生致命事故一至三起。对于无人驾驶，我们希望比人更安全，最好致命事故率低一个量级，做到十亿公里一起致命性事故。统计上，要达到足够置信度，需要多次重复实验，最好一百次以上。这意味着一套比人更加安全的无人驾驶的系统需要测试的总里程达到 1000 亿公里。按照一辆车一年 10 万公里总里程计算。我们需要 100 万辆车，一整年的时间，收集无人驾驶数据和测试，才能够保证无人驾驶所需要的安全性。现在 Google 和百度的无人车成本都在百万人民币量级，乘以 100 万辆车这个巨大的基数，对于任何一家公司而言，都是一个天文数字。 蓝湖资本：如何看待现在多家厂商宣称已经开展了无人货车、客车、出租的试运营？  曹旭东：最近新闻上看到了很多无人车试运营的报道，比如，Uber 和 nuTonumy 分别在美国和新加坡开展了无人出租的试运营。个人认为这是市场营销上一个讨巧的说法，让人误以为这些公司已经开始商业落地，在技术和应用上都快人一步。但本质上，大家做的都是无人车路测。谷歌现在有几十辆车左右在美国的多个城市同时进行路测。相比于谷歌，其他各家公司的无人车路测数量和总里程更少。 总的来说，无论是十辆车试运行还是一百辆车试运行，都是在做无人车的 demo，如果没有解决无人车大规模数据收集和测试的关键问题，demo 到商业化落地之间的巨大鸿沟就会一直存在。以谷歌为例，谷歌在 2009 年就已经开始了高速路测，在 2012 年的时候已经开始了城市道路测试，积累的总里程最近超过了 500 万公里，且没有发生一起致命事故。这已经是非常了不起的成就了。但是谷歌的路测实验并不能说明总里程达到一亿公里的时候不会发生致命事故，不能说明现在谷歌的无人驾驶技术的安全性已经超过了人类驾驶。可能当谷歌的无人车的数量从 100 辆车扩展到 10 万辆车，增加了 1000 倍的时候，一年就会发生几十起甚至几百起致命事故。这些交通事故将会对谷歌无人车业务造成致命性的打击。这正是谷歌无人车从 2009 年开始持续进行多年科技研发，投入了大量成本，却迟迟没有商业化的关键原因。 蓝湖资本：Momenta 团队如何解决这个关键问题，达到足够的安全性？ 曹旭东：我们回到刚才的分析，无人车大规模数据收集和测试的巨大成本主要来源于两方面。一方面是需要海量的测试车辆，另一方面是高昂的单车成本。针对这两方面的成本，我们有两种互补的解决方案——第一种解决方案是无人驾驶模拟；第二种解决方案是众包数据收集和测试。 无人驾驶模拟可以通过算法生成感知和决策数据，减少数据收集和测试车辆数量，降低研发成本。当然，无人驾驶模拟也存在不足。第一，模拟生成的感知数据和真实的数据存在差异，实际中，还是以真实数据为主，生成数据为辅。第二，模拟的规则是人制定的。很多失败的场景恰恰是人思考的盲点，单纯通过模拟并不能发现。总结来说，虽然模拟可以降低数据收集和测试车辆的数量，但是我们仍然需要收集真实数据，用大量的车做真实测试。 单车成本主要由三部分构成：设备成本，造车成本，运营成本。运营成本就是驾驶员开着车采数据和做测试的成本。设备成本方面，我们 Momenta […]