安冉：再次谢谢蒲立，接下来的报告嘉宾他是来自智行者科技，智行者科技也是我们国内无人驾驶领域的明星企业，同时它也是本次的承办单位之一的雅瑞资本早期投资布局的一家企业，近期他们刚刚通过媒体发布了近亿元人民币的A轮融资，6.18的时候，他们和京东合作在人民大学校园里展示了低速的专用车，下面就请智行者科技的CEO张德兆为我们分享“智行者无人驾驶进阶之路，从低速专用车出发”。

霍舒豪：谢谢！我霍舒豪，代表智行者科技从无人驾驶的角度出发来介绍一下我们在这方面的探索，我的题目是：智行者无人驾驶进阶之路从“低速专用车出发”。

我们特别是在一些大城市，我们很大一部分都是花在了交通运输上面，它是非常具有想象力的。

第二部分是我们觉得无人驾驶能达到，或者做到比人开车更加安全，因为这是有一个数据，全球每年大概有125万的人死于交通事故，也有统计表示有90%以上的事故原因都是由人造成的，我们觉得无人驾驶技术的引入，能把这90%大幅度地降低，大家可以畅想一下，到以后无人驾驶普及率的提高，我们后面有可能人开车反而是一个造成道路危险的一个事情。

第三点，我们认为无人驾驶技术天生应该是跟汽车共享的概念相结合的，因为无人驾驶的配备才能使车辆真正地24小时运动起来，或者说车辆在城市里边能流动起来。目前一些共享都是车等在某个地方，等着人来召唤，不召唤的时候它还是等在那个地方，利用率还是非常低的，我们认为无人驾驶技术的引入，能解决这个问题。

第四点，我们认为无人驾驶技术是能够实现比互联网产业更大的产值。什么意思呢？首先在汽车上面的屏幕越来越多，汽车搭载了大屏，汽车作为第六个终端，通过这个终端能够跟人去交互，进行一些信息的互通和共享。另外一个作为管道，它能实现一个变现，是一个变现的手段。打个比方，今天我想吃川菜，你坐上车，直接跟车说我今天想吃川菜，因为都是有惰性，他懒于去选择，当人发出这么一个指令之后，车辆就可以把他带到附近的一家可能评分比较高的一个川菜馆，实现一个变现的渠道。

上面都是一些我们在自动驾驶上面的思考，或者说我们觉得自动驾驶能给我们带来的好处，考虑到目前包括技术的原因、市场的原因、法律法规的原因，我们认为无人驾驶技术将会在一些特定应用场景里面去第一步实现它的市场化和商用化。这里面我举了四个例子，第一个是百度车，或者是景区里边的观光车，第二个是特种车辆，第三个是应用于物流行业，就是用于送快递的车辆，第四个是农用机械。这些场景都有一些什么共同点呢？首先它的应用场景不受法律法规的限制，因为其实前不久大家可能都有关注到百度AI大会，米厂长就在五环上面开着无人驾驶车，还被交警给通告了，现在在中国无人驾驶车禁止上路的，在应用场景里面不涉及到开放路权，所以不受法律法规的控制。

第二个是一个相对的刚需，比如说打个比方，以快递物流车为例子，目前国内从事后一公里的快递从业人员大概有118万，在快递行业，或者说电商行业里边人力成本占到50%以上，这部分成本，或者说这部分的人力如果能用无人驾驶的技术来给取代掉，是一个非常可观的数字。

第三个是技术风险可控，在这些应用场景里边，一个是它的速度比较低，能实现一个相对较小的技术风险。

第四个是对于我们创业公司来说，因为它能在这些场景里边能给我们带来资金的流入，能实现一个早期的盈利。

第五个在保证安全的前提下积累数据，因为我们现在采用的这些无人驾驶技术很多都是基于人工智能的算法。这些算法是非常依赖数据的，在这些特定应用场景里边的投放上，能够为我们积累前期的数据。

其实说到特定应用场景，是不是它就比上路的车，或者说在大马路上跑的车实现起来就更简单呢？随着我们越做越深入，我们其实自己也是越来越敬畏这样的一种场景，这种园区的无人驾驶比我们想象中更难，难在下面四点：

第一点，卫星定位的失效。现在很多做自动驾驶的公司都非常依赖一个超声定位技术，在这些园区里边高楼、树木的遮挡会导致定位的失效，我们提出一个解决方法，通过视觉也好、激光也好的建图和定位的手段。

第二点，在园区里边是存在异常交通行为，什么意思？就是我们在大马路上开的车，它还是相对规矩的，按车道来走，人通常不会走到机动车道里面来，但是在园区里面异常的交通行为是非常常见的，我们针对这样的情况，我们有自己的一个目标运动预测的技术。

第三点，目标交通秩序的弱约束，这是一个实拍的场景，这是在清华的校园，可以看到在这么一个场景里面，人车是混杂的，造成了一个给车辆，或者说移动机器人判断的困难，我们会进行目标行为意图的分析。

第四点，路径突发的堵塞，有可能在这个园区今天这一段路就修路了，另外一段路今天有些什么活动，就先暂时是堵住了，这种需要我们做全局，以及局部的路径规划。

给大家稍微介绍一下刚才提到的某几点技术。

首先第一个是高精度建图和定位，建图和定位这两个技术像一个双胞胎兄弟，它们天生就是在一起的，你需要有定位，就必须之前先做建图的工作，建图也是为了辅助定位，这是我们的一个整体的框架。后面可能会有一些案例给大家更清楚看一下。这是一个例子，这是一个校园里边的情况，灰色的部分是我们提前通过激光雷达建的图，大家可以看到视频里有个小车，那个小车是我们真实在跑的车，红色一圈一圈是激光雷达实时采集的数据，通过跟之前的一个地图去匹配，实现一个车辆的定位。这是在软件里边看到的情况，在真实里边我们可以看一下，这是我们自己的其中一款产品叫蜗必达，主要是应用于快递物流行业，它是在一个园区里边进行运动，它是依靠激光雷达去做车辆的定位，实现一个自动的行驶。可以看到在这种楼边墙角的地方，哪怕是RDK也好、插分技术都是很弱的，目前我们能做到的精度是20厘米。

另外一项重点的技术是有一个目标行为及运动轨迹的预测，我们在做运动和规划控制的时候，其实是有这么几个流程，一个是路径跟踪，一个是目标行为的分析，另外一个是预测和规划，最后是实现车辆的控制，这么一个整的流程。在这个过程中我们会考虑到一些路面的信息，包括一些交通标志线，然后交通信号灯，还有一些目标的状况，还有一些地理信息，还是给大家看一下这是我们要实现的一些结果，这是我们在北京一个十字路口采完了图，同时在图上标注了我们的一些车道线信息，或者说路段信息。右边的图上面是有两个移动的点的，是两个人，我们对这两个行人进行了一个运动的分析，不同的颜色代表了它的运动可能性。通过这么一个分析，给到我们一个车辆运动规划的输入，以及一个判断的依据。这是人方面的。

这个是在车辆方面，我们可以看到在这么一个图中，左下方是一个实时的图，大图是模拟的软件里面的界面，可以看到对车辆不同的行为速度，以及它的走向的预测，这个十字路口的非常清楚，可以看到前车有一个右转的行为，而且它的速度是直线增加的这么一个情况。这些技术的研究或者说研发，对于我们的整个无人驾驶系统在园区也好，在城区道路也好，它的稳定性运行是非常有必要的。

这些技术其实是依赖于我们自己经营者开发的一个叫AVOS智能车操作系统这么一个平台来实现的，这个AVOS也是基于Linux和ROS做的一个集成开发，它的特点在于我们把核心层，就是跟自动驾驶相关的核心层，以及跟自动驾驶业务相关的业务层进行的一个剥离，能够实现一个高内聚核的效果，我们首先看一下我们的业务层，包括建图、定位、感知、决策、规划等关键部分的模块，进一步研发可以提供整个系统的性能。我们的自动驾驶不是一个空中楼阁，它是实现落地的，这个落地体现在哪里？体现在他的业务层的灵活性，我们可以根据这样一种无人驾驶技术的应用场景，去定制化地开发我们的业务层功能。

打个比方，我们这个车辆是应用在小区送快递的，我可以在这里面设置我的快递点，或者说取快递的一个方式。再打个比方，如果我们是一辆无人驾驶的扫地车，我可以在业务层开发它的清扫功能，它的一个返航功能，它最终能实现一个不同平台之间的一个统一，但是又有一个灵活性的开发这么一个兼顾的考虑。

在我们的低速车产品里面，这里面应用到了一些关键的传感器，包括以下这几个，一个是我们利用的国产的16线的激光雷达，在我们的眼里，激光雷达在低速车，或者说无人驾驶技术的应用是非常有必要的。国外的产品目前来说还是一个性价比，或者说供货周期的问题，比较难以获取，考虑到一个成本问题，我们会偏向于采用国产的激光雷达。另外一个呢，为了我们整个系统冗余的考虑，我们还是会配备基于千寻定位服务的一个高精度定位，同时上面还会配备一个摄像头。

在计算单元方面，我们采取这么一个嵌入式的方案，是通过ARM+MPDA+MCU的一个组合，我们看一下蜗必达物流快递车的概念，这个视频是在清华校园里面实地拍摄的，它实现一个功能，就是在快递小哥能把他派送的快递放到车里边，输入用户的一个信息，然后用户可以随时去预约这么一个快递，根据预约的时间，快递车直接从一个门跑到另外一个接收地点。同时快递车还配备了一个后台接收系统，能够接受一个多辆车全局的调度。最终用户就是通过我们开发的APP来实现一个取货的过程。这是我们在低速应用领域里边的一个探索，我们的公司发展目标是先从低速载物开始入手，注重从载物到载人，从低速到高速去发展我们的技术。

在做低速的同时，也在兼顾着高速产品的应用，我们是在去年跟整车厂有过无人驾驶合作项目最多的一个公司，这是我们的一个自动驾驶乘用车开发平台，这是在一个国道上面的一段路试的视频，可以看到情况还是有些复杂的，比如说旁边一些非规则的道路，这是一个牵扯切入的路况，通过自动判断实现了一个自主换道。这样的平台从传感器到控制器到执行器都是由我们公司完全自主开发的。

感谢大家，我今天的分享到这里。