造火箭而非搭梯子,轻舟智航打造无人驾驶技术“自动化规模生产工厂”

2020-03-21

北京时间3月21日,无人驾驶公司轻舟智航在其举办的线上分享会上,首次公开分享了其基于大规模智能仿真系统及可自主学习决策规划框架的技术路径,并介绍了大规模智能仿真系统的具体应用。

轻舟智航(QCraft)成立于美国硅谷,是一家世界前沿的无人驾驶公司,致力于打造适应城市复杂交通环境的“老司机”,其业务模式是为合作伙伴提供可量产的无人驾驶解决方案,目前在美国硅谷、中国北京、深圳、苏州等多个城市都设有办公室。其联合创始人、CEO于骞是顶尖核心感知算法和地图专家,曾任Waymo感知关键模块的机器学习算法研发负责人,在计算机视觉和机器学习领域拥有十多年经验。

轻舟智航目前在美国硅谷、中国北京、深圳、苏州等多个城市都设有办公室



在分享会上,于骞比喻轻舟智航独特技术路径是建立“自动化规模生产的工厂”,相比传统的“造梯子”路径,是在“造火箭”。

一方面,基于大规模仿真技术应用来解决规划决策问题是当前无人驾驶技术领域的关键课题,以Waymo为代表的无人驾驶公司正在通过大规模的仿真测试改进规划决策技术;另一方面,通过建立大量的工具链以及仿真测试环境,可以实现技术迭代的自动化,以更快的速度、更高效的方式应对自动驾驶的边界化难题,应对自动驾驶行业存在的长尾效应。

“大家知道,感知是一个比较确定性的问题,如何测试和评价是非常明确的,整体的方法论也是比较清楚的。”于骞在分享其总结的无人驾驶技术演进路径时说道,“当该检测和识别的物体都检测出来了,业内又发现规划决策一点都不简单,甚至更困难。这时,仿真技术出现了,其出现很大程度上是为了帮助规划决策进行更好的测试——毕竟不能每修改一次算法就部署到车上进行测试。随着仿真技术的采用,行业又进入一个快速的发展轨道。”

“自动驾驶技术存在突出的长尾效应,技术上已经解决了90%的问题,但剩下的10%却可能要花费同样多甚至更多的精力,这10%包括很多边界化难题。”于骞博士对无人驾驶为何迟迟未落地进行分析,“边界化难题的发现和解决除了需要收集大量的数据,更重要的是建立自动化生产的工厂,将源源不断收集来的有效数据,通过自动化的工具,加工成可用的模型。以更快的速度、更高效的方式应对边界化难题。”

轻舟智航是将有效数据、智能仿真系统以及决策规划框架这三点视为推动技术向前转动的齿轮。借助大规模智能仿真系统和可自主学习决策规划框架,轻舟智航可做到最大化地利用有效数据,大幅降低测试成本,提升开发效率,保证解决方案的可拓展性。

在过去一年的起步阶段,轻舟智航不希望通过见招拆招的方式进入到某个具体的小应用场景,变成一家靠堆人来解决问题、无法规模化的工程公司,而是专注于修炼内功,在做到主线够深入、横向可扩展之后,再以轻、快的方式实现真正的无人驾驶。

在分享会开始之前,于骞博士还分享了一段录制在加州“封城”前夜的无人车试乘视频,视频是硅谷风险投资BoomingStar Ventures管理合伙人Alex Ren乘坐轻舟智航无人车经过一个汽车穿梭餐厅,完成订餐、支付、取餐的全过程,随后,还在一间大型超市周围遇上了由于抢购物资引起的复杂道路场景,但无人车实现了很好的应对。

轻舟智航的另一位联合创始人汪堃也在分享会上讲解了其大规模智能仿真系统的应用,轻舟智航自主研发的仿真系统,不同于基于游戏引擎开发仿真软件的“华而不实”,能真正达到低成本、灵活性、可拓展性和可衡量性。

从其展示的两个应用演示视频可以看到,一方面,借助仿真及相关工具链,能形成高效的数据测试闭环,支持算法的测试和高效迭代,取代堆人或堆车的方式。另一方面,只有经过大规模智能仿真验证过的软件,才能够保证安全性和可用性。

“我们认为仿真是达到规模化无人驾驶技术的唯一路径。”汪堃在分享的最后说道,“如果无人驾驶是个赛跑,那么仿真便是助推器,助推完全无人驾驶的实现。”