9月20日，由智東西聯合CAPE、極果主辦的GTIC 2018全球智能汽車供應鏈創新峰會在重慶召開，大會邀請到來自學術界、整車企業、互聯網公司、汽車零部件廠商、電信運營商、自動駕駛新興公司、車聯網企業等智能汽車供應鏈各領域核心公司30余位專家、高管一同登臺，分享對智能汽車最前沿的見解。

馭勢科技聯合創始人、CEO吳甘沙在大會發表了題為《開放道路L4的長征》的主題演講，就開放道路L4級自動駕駛技術面臨的3大挑戰、馭勢科技在技術落地方面的探索經驗，以及馭勢科技的發展策略等問題進行了分享。

吳甘沙表示，馭勢科技定位于自動駕駛領域的Tier 0.5級供應商，2025年要實現開放道路的L4級自動駕駛技術。在L4級系統基礎上，其研發的L3級自動駕駛系統目標是要實現收費站到收費站的自動駕駛，目前已經完成了大量路測，AVP自動代客泊車技術也將在本月交付客戶。

2025年劍指開放道路L4

演講伊始，吳甘沙以Waymo的測試數據為例，表明開放道路L4級自動駕駛技術難度極高。

在美國，人類駕駛員每16.5萬英里出一次普通事故，每9400萬英里出一次致命事故。但是目前全球技術最好的Waymo目前每5596英里就需要一次人工干預，否則就會出事故，說明目前的自動駕駛技術離普通人類駕駛員還有很遠的距離。

與此同時，還需要注意，Waymo在美國亞利桑那州鳳凰城的路測環境較好，車少人少，并且還都遵守交通規矩。而在中國，開放道路復雜度高、地面規整度低，還存在大量人車混流、電動車亂行、加塞逆行等現象。

毫無疑問，在中國開放道路上實現L4級自動駕駛更加困難。吳甘沙將其面臨的挑戰分為可靠性、魯棒性、安全/舒適/社會性三個維度。

即使挑戰重重，吳甘沙稱馭勢科技還是選擇2025年劍指（落地）開放道路L4級自動駕駛技術。

吳甘沙表示，馭勢科技將從最高標準（開放道路L4）進行技術研發，而在進行商業落地時，以自己的L4級技術為基礎，降維到目前幾個高頻、剛需的量產場景進行商用，即沿途下蛋，而不是為了一時的盈利，而去選擇其他方向進行技術研發，從而影響自己的研發主線。

馭勢科技的技術落地探索

雖然開放道路的L4級自動駕駛技術離量產落地還有距離，但是目前自動駕駛技術已經在載人和載物兩個方向上的一些細分場景進行了落地嘗試。

載人方向主要包括：最后3公里的微循環車、（L4級）AVP自動代客泊車系統、（L3級）高速公路自動駕駛、BRT城市快速公交等。載物方向主要包括：高速公路物流卡車、低速物流車、低速環衛車等。

吳甘沙認為，上述不同細分場景在可靠性、魯棒性、安全/舒適/社會性三個維度上面臨著不同的挑戰。例如載人車輛比載物車輛要多考慮舒適性、開放道路運行的自動駕駛車輛比封閉場景車輛要多考慮社會性（即不影響他人）和魯棒性等。

基于不同場景面臨的挑戰不同，馭勢科技也選擇了一些場景進行技術落地探索。

載物方向，馭勢科技目前跟全球排名前三的國際機場達成了合作，在停機坪上部署有無人駕駛的電動物流拖車，幫助飛機運送行李和貨物。

載人方向，其研發的低速接駁車/微循環車已經在一些科技園區、北京房山5G自動駕駛測試區、杭州來福士商場地庫等地投入試運營，同時其也在與整車企業就AVP自動代客泊車技術和L3級高速公路自動駕駛技術進行研發測試。

吳甘沙表示，純粹的末端自動駕駛接駁車輛暫時還達不到大規模量產程度，但是像BRT快速公交、最后三公里的微循環車、面向乘用車的L2/L3級自動駕駛技術則更具量產機會。

吳甘沙在現場介紹，其L3級自動駕駛技術目標是要實現ETC到ETC（即完成收費站到收費站的自動駕駛），目前已經完成大量路測，每次拉練行駛距離都達到數千公里。

AVP自動代客泊車技術10月份交付客戶，跟主機廠、出行服務商一起進行運營。具備兩種模式，一種是學習固定車位的停車，不需要高精地圖訓練幾天即可學會固定路線停車。另一種是公共停車場，入場后停車場會分配車位，車輛依靠高精地圖自行停車。

此外，馭勢科技還在跟酒店等伙伴合作，測試分時租賃車輛在酒店大堂和停車場的自動取停車技術。

四種方式教會無人車處理新情況

“成人考駕照的時候已經擁有了18年的社會閱歷，但是無人車是沒有這一塊的積累。”吳甘沙講到。

在他看來，面向開放道路的L4級自動駕駛技術即意味著無人車上路后需要面臨很多它沒有見過的新情況和新東西，這就為技術研發提出了新的要求。

為此，馭勢科技正在跟很多國內外的科研機構進行聯合研發，探索適應開放、動態和不確定環境的算法，包括：

1、讓無人車具有人一樣的知識和常識。

2、讓無人車具備模仿學習和強化學習能力，像人一樣能夠孰能生巧，越開越好。

3、讓無人車具備因果推理能力，碰見沒有見到過的情況，能夠推理去找到解法。

4、讓無人車具備遷移學習的能力，能夠舉一反三，實現觸類旁通。例如在無人車在仿真中學到的東西，遷移到實際場景中去。

在系統層面，馭勢科技也研發了車規級、全功能的多域控制器（計算中樞），整合有AI控制器、定位控制器、線控底盤控制器、V2X/遠程控制器和黑匣子5大模塊。

在此基礎上還可以對其進行定制，例如有些車輛不需要RTK或高精定位支持，就可以拿掉定位控制器模塊。

軟件層面，馭勢科技加上了大量的冗余系統，例如實時電子圍欄、Fail-Operation能力、遠程監控、全系統冗余、信息安全等等。

吳甘沙在現場介紹，馭勢科技的多域控制器已經發展到了第二代，可以隱藏在座椅下方布置，集成度高，可管理性強。

定位Tier0.5 打造自動駕駛“中場發動機”

吳甘沙在現場講到，傳統車企現在也在求變，其正在從客戶思維變成用戶四維、從產品思維變成服務和平臺思維，馭勢科技有能力與傳統車企進行協同創新，應對變化。

他表示馭勢科技定位于Tier0.5級供應商，要做無人駕駛生態中的“中場發動機”，即通過1+1+X——車規級車腦+云腦，來附能不同的主機廠，讓其在無人公交、高速公路、工廠、機場等不同的場景進行技術落地（X）。

那么馭勢科技如何附能呢？總結可以分為四大招式。

1、在研發層面與主機廠共享代碼與數據。

2、幫助主機廠和其他合作伙伴，建立一個創新的運營運維體系等。

例如分時租賃企業需要進行大量車輛運維工作，馭勢科技就與之一起研發了一套遠程監控系統，在自動駕駛系統無法工作時對車輛進行遙控；與分時租賃公司一同研發編隊調度系統，讓車輛在不同網點之間自主流動；提升自動泊車精度，實現高密度停車等。

3、馭勢科技提供有可以實現虛擬與現實結合的仿真系統，跟主機廠一起進行技術驗證。

4、馭勢科技可以通過自動駕駛的“影子模式”，積累測試數據促進技術研發。

吳甘沙引用的蘭德公司的數據顯示，無人車需要達到110億英里的運行數據，才能在統計學上證明無人車達到人類司機的水平。

這對測試車隊規模提出了極高的要求，目前唯一的解決辦法就是在大量量產車上使用“影子模式”系統，即在搭載有自動駕駛系統的車輛上部署兩套算法，在人開的時候，系統在背后虛擬運行一套自動駕駛算法，再與人類的駕駛結果進行比對來提升自己的技術。

不過吳甘沙也指出，影子模式雖好，但是目前也面臨數據隱私、傳輸、傳感器選擇以及決策判斷和抗噪音等問題挑戰。