前沿追踪|对话楼天城 | 小马智行眼中的自动驾驶仰望与现实( 四 )


楼天城:无人化 , 首先肯定要提升安全性 。 安全性包括至少两点:一是对长尾场景的覆盖 。
我们到不同城市的市中心、复杂场景下测试 , 是为了收集更多长尾信息 。 高速上出现摩托车、人的情况大家可能都见过 , 但概率可能是一年见一次吧 。 但在市内可以收集很多长尾效应的场景 , 让车辆在困难的地方训练 。
二是车辆的深度集成 。 安全车辆需要达到车规级安全 , 需要车辆冗余 , 这也是跟OEM合作很重要的一个意义 。 只有很深度的合作 , 才能够在冗余、真正车规上有重要的突破 。
至于规模化 , 就需要有一个标准化、可量产化的方案;其次是对成本有一个很好的控制和降低 。
Q:盈利的前提是无人化和规模化 , 但规模化需要前期的投入 , 才能把自动驾驶生产出来 , 这是一个死循环?
楼天城:我们的目标是达到无人化 , 但不表示今天的每一辆车就能够赚钱 。 在有安全员的情况下 , 考虑因素是什么呢?是测试要保持安全 。 其次 , 要用最小的成本来收集数据 , 帮助提高、集成技术 , 这是测试的唯一优化指标 。
所以在测试阶段 , 成本不是重要的考虑因素 , 提升技术才是 。 在提升技术达到一定水平之后 , 真正做到无人化之后 , 通过量的增加 , 才能进一步降低很多硬件的成本 。 硬件成本包括材料成本和人工的费用 , 这是常见的做法 。
Q:在现有的情况下 , 如果从降本成效的角度来看 , L3会不会比L4更容易达无人化和规模化?
楼天城:因为成本下降目的是做到L4嘛 , 各家有不同的理解吧 。 我们认为 , 在数据方面的积累有几个条件:
第一 , 数据积累最基本要求是足够大的数据量 。
其次 , 要达到一定的数据密度 , 也叫数据选择 。 选择真正有意义的数据 , 是数据积累第二重要的点 。 很多高速上的数据或者城区数据 , 可能选不出这样有意义的数据 , 因为这些数据是其中越来越小的一部分 。
以谷歌为例 , 当时我们专门去拉斯维加斯采集行人数据 , 因为美国也就那儿的路上有很多行人 。 但这些数据在北京五环上兜一圈 , 该有的就都有了 。 所以从数据采集上来看 , 要选出非常高质量的数据片段 , 否则就是在浪费机器钱 。
第三 , 根据这些有意义数据进行能力提升 , 比如数据不同的训练模型、模型的整个框架、不断改进模型的能力 , 是数据相关第三个重要点 。
这三点共同促进了整个数据端的提升 。 在真正数据收集上 , L3只是应用本身 。 我觉得 , 在最复杂的城区道路收集场景是性价比最高的做法 。 而收集的数据本身 , 也应该用一些真正在车上使用的传感器进行收集 , 而不是一些其它传感器 。
前沿追踪|对话楼天城 | 小马智行眼中的自动驾驶仰望与现实Q:小马智行要打造一个虚拟司机 , 一方面跟车企有合作 , 另一方面也有自己的Robotaxi APP 。 那么做车企的自动驾驶供应商 , 和作为一个Robotaxi运营方 , 两者之间有冲突吗?
楼天城:我们可能都不是这两个状态 。 Robotaxi APP其实也是提升技术发展的一部分 , 因为我们做自动驾驶 , 需要理解用户的需求 , 为什么坐自动驾驶 , 喜不喜欢自动驾驶 , 关注自动驾驶的哪些地方 , 其实都是技术的一部分 。 但这并不表示我们将来就会是Robotaxi的运营方 , 也不表示我们将来就不是Robotaxi的运营方 。
今天所做的一切都是为了让技术更好的落地 。 等做出第一个产品之后 , 将来的商业模式才会reshape , 我们才可能在最后比较出一个更好的状态 。
“行业正在经历正常发展过程”Q:特斯拉上市以来发展非常快速 , 这对中国的创业者会有什么样的启示?
楼天城:马斯克是一位极其努力的人 , 他的努力背后代表着一种信仰 。 汽车产业在很多年前就很有意义了 , 当时世界领先的车厂是美国通用 。 但后来没有出现太大变革 , 越来越缺少一种通过技术做得好、然后带来价值创新的例子 。


推荐阅读