在世界人工智能大會的現(xiàn)場，仙途智能展示了其無人駕駛環(huán)衛(wèi)車。這輛無人環(huán)衛(wèi)車是面向開放道路行駛的，搭載有5顆16線Velodyne激光雷達，4顆1080P高清攝像頭（前視兩顆為深度學習使用），2顆24G大陸的毫米波雷達，前向監(jiān)控用的攝像頭。

這些傳感器，主要是通過一個裝載在車頂上的固定支架，對汽車改動并不大，車內(nèi)目前使用的是工控機的方案，處理器使用了NVIDIA的芯片。

這輛車是一款長約6米，重約5.8噸的中型環(huán)衛(wèi)車，而公司目前可覆蓋3-16噸的環(huán)衛(wèi)車型。無人環(huán)衛(wèi)車是自動駕駛商業(yè)化落地的一個重要方向，這款車可以面向開放道路，政府以及環(huán)衛(wèi)部門對這種車興趣很大，但主要關心的點，還在于整個系統(tǒng)的成本。

如何平衡系統(tǒng)的安全、高效、穩(wěn)定、易用、廉價，成了目前自動駕駛公司急需解決的問題。

autowise.ai（上海仙途智能科技有限公司）成立于2017年7月24日，是一家專注無人駕駛技術(shù)研發(fā)的公司，無人駕駛環(huán)衛(wèi)是其技術(shù)落地方向。公司于2018年1月獲得紅點中國獨家天使投資，2018年8月20日獲得啟迪匯、紅點創(chuàng)投中國基金的A輪融資。

團隊核心人員主要來自各大互聯(lián)網(wǎng)公司和車企，包括Google、百度、滴滴、通用、沃爾沃等，在無人駕駛、AI、出行網(wǎng)絡、大數(shù)據(jù)等領域擁有深厚積累。

CEO黃超曾百度研究院從事大規(guī)模機器學習、分布式計算等相關研發(fā)工作，參與和負責多項核心業(yè)務研發(fā)，包括鳳巢、網(wǎng)盟CTR預估，PageRank，萬億參數(shù)神經(jīng)網(wǎng)絡，機器學習算法平臺等；后在滴滴負責無人駕駛項目，任職項目負責人和首席工程師。

從組建團隊開始，僅一年時間即完成城市道路和高速多種路況下的路測。

冗余傳感器的必要性

定位于開放道路的中型無人環(huán)衛(wèi)車，搭載的傳感器不可謂不多，但每一個傳感器都有其特定的用途。

五顆16線激光雷達，主要分為前向的三顆和側(cè)向的兩顆，總體而言都是為了感知周圍環(huán)境，但在實際的功能上，又各有側(cè)重。

前向的三顆主要是為了感知前向以及汽車左右側(cè)前方的環(huán)境，激光雷達實際有效的感知距離，在100米上下，因此能夠覆蓋的行駛速度、以及障礙物距離，也比較有限。因此如果面對的是開放道路，三顆前向的激光雷達，是必不可少的。

這種做法事實上也在其它自動駕駛公司的方案上有所體現(xiàn)，三顆中低線束的激光雷達正在成為趨勢。

其中一方面的原因就是，16線的激光雷達價格在去年有一次明顯的價格下降；其次針對前向的探測，三顆激光雷達的布局，能夠最大限度的避免盲區(qū)，以及在傳感器的硬件冗余上，留有了余地，即使其中一顆出現(xiàn)故障，系統(tǒng)也不至于立馬失效。

環(huán)衛(wèi)車兩側(cè)的激光雷達，則主要是為了覆蓋環(huán)衛(wèi)車特殊的工作場景。環(huán)衛(wèi)車工作時，需要沿著馬路路沿行駛，這時候?qū)Νh(huán)境感知的精度、準確性就有了苛刻的要求。

感知的誤差如果即使在厘米級，都不能容忍，必須要能夠達到穩(wěn)定可靠的高精度感知。側(cè)向的激光雷達，完成的就是這一部分工作。

傳統(tǒng)的GPS、IMU導航，定位精度雖然號稱厘米級，但在實際使用過程中，經(jīng)常會有不小的誤差。而這對于在開放道路行駛的無人環(huán)衛(wèi)車而言，是不能容忍的。多激光雷達的存在，不僅可以輔助攝像頭更精確的感知環(huán)境，同時也能采集高精地圖，相當于為行駛上了雙保險。

兩顆側(cè)向的攝像頭，也是為了更準確的感知環(huán)境。而前向的兩顆攝像頭，是基于深度學習，覆蓋不同距離的視覺方案。這種做法在業(yè)內(nèi)較為少見，常見的是單目或者三目的深度學習方案。而autowise之所以使用兩顆深度學習的攝像頭，主要是考慮到環(huán)衛(wèi)車行駛的速度，使用的場景。

前后兩顆的毫米波雷達，主要是為了前后車防碰撞的預警，既是一個融合傳感器方案，又有冗余的功用。

談到冗余，公司的處理器也有冗余的硬件系統(tǒng)，這也有別于其他的自動駕駛公司。因為是直接面向開放道路，且會實際運行，因此軟硬件上的冗余，就成了不得不做的事。

Autowise的處理器方案，還是工控機的。之所以沒有使用一些常見的自研硬件電路板集成方案，是因為環(huán)衛(wèi)車使用的環(huán)境惡劣，震動頻繁、溫度高，目前滿足L4級的算力平臺只有NVIDIA的處理器，但其并不具備車規(guī)標準。初創(chuàng)公司也難以幫其做車規(guī)的改進，因此剛開始工控機的方案更容易把控。

軟件算法上做減法

除了硬件的感知部分，在軟件的算法上，環(huán)衛(wèi)車也有自己的特殊性。無人環(huán)衛(wèi)車相比于傳統(tǒng)的無人乘用車，在軟件算法層面，是做了減法的。

首先，環(huán)衛(wèi)車的行駛速度，會低于普通的車輛。因此，對于整體的感知、決策規(guī)劃上的時間，會寬容許多。相應的在面對緊急情況時，有更多的反饋余地。因此，環(huán)衛(wèi)車實際上比傳統(tǒng)乘用車的算法，要簡單一些。

當然做無人駕駛，在技術(shù)上有許多共通的地方。從無人環(huán)衛(wèi)車切入，是因為這個場景更容易商業(yè)化落地。

但autowise實際上也在乘用車的無人駕駛上，積累技術(shù)。其現(xiàn)在環(huán)衛(wèi)車的無人駕駛系統(tǒng)，就是來源于公司基于VV5的無人駕駛系統(tǒng)的技術(shù)積累，這些技術(shù)的積累也不會停止，未來將繼續(xù)進行下去。

雖然，基于安全，系統(tǒng)穩(wěn)定性的考慮，開放道路的無人環(huán)衛(wèi)車，目前所需要的這套軟硬件方面價格不菲，但這也是必須的。而針對不同的場景，傳感器的配置上也可以進行減法。

比如環(huán)境不是開放的，行駛過程中對側(cè)向的要求不高，可以對側(cè)向傳感器做減法。如果對于后向的碰撞預警不關心，那么也可以去掉相應的傳感器。

當然，縱使如此，整體的方案成本，還是價格高昂。對于環(huán)衛(wèi)部門，以及城市管理方而言，無人環(huán)衛(wèi)車的功能非常誘人，但價格同樣感人。無人環(huán)衛(wèi)車以目前的附加成本，想要拿下訂單，必須要能實現(xiàn)現(xiàn)有環(huán)衛(wèi)車運營成本上的減計。比如人工成本、零部件損耗成本等等。

但迫于法律法規(guī)，技術(shù)發(fā)展的階段性等原因，這些附加值還難以凸顯。不過，值得欣慰的是，政府部門對這樣的技術(shù)非常感興趣，樂于嘗試。

因此無人環(huán)衛(wèi)車的發(fā)展，可能會先是以點帶面，從少數(shù)示范應用，到更多地方使用的一個過程。這個過程，會隨著技術(shù)的成熟、硬件成本、規(guī)?；纫蛩?，影響整個進程的時間。