为推动智能网联汽车技术进步和产业化进展、加强跨行业间的技术融合，“第六届国际智能网联汽车技术年会”于2019年5月29日在北京经济技术开发区·北京亦创国际会展中心盛大开幕。年会为期3天，通过技术大会、高层互动论坛、专题会议、大型技术展览、智能网联汽车试乘体验等形式，为行业呈现缤纷的技术嘉年华活动。29日的分论坛“商用车智能网联关键技术及产业落地”上，图森未来自动驾驶研发总监吴楠做了主旨演讲，以下为演讲实录。

感谢大家来听我简单对公司的卡车技术进展和商业化实践的介绍，因为刚才有很多嘉宾已经把自动驾驶商用车技术和乘用车的不同，包括一些政策上的差异，包括一些一般性科普性的东西已经讲了，所以我更多分享在自动驾驶卡车领域都有哪些技术上的成果。

我简单介绍一下我们公司，图森未来自己的定位是属于自动驾驶卡车技术与应用解决方案的供应商，然后这个信息可能不准确，我很欢迎大家指证，我们是全球自动驾驶卡车领域的独角兽企业，然后也拥有全球最大规模自动驾驶卡车专业研发团队和车队，我们也是中美双中心的企业，中国是在北京、河北和上海，在美国主要是在加州和亚利桑那州进行相关的测试。团队规模是中美各200人左右，专业的研发团队，车辆的话大概中美各20台自动驾驶的测试车辆。

这一块是我们做简单自动驾驶卡车赋能智慧物流的图，其实我们认为自动驾驶卡车在现阶段，在现有的技术水平之下，最容易，也是最快可以落地的应用场景，可以分两大类。第一，像图像里的港口，物流园区，包括火车站，包括机场的外延包括矿山、工厂，这些我们其实是认为属于关键物流节点，它的特征是货物相对来说比较集中，并且是一个封闭的区域，然后在里边进行工作，作业的人员也好、车辆也好，都进行了比较完善安全生产的培训。

另外一大类，其实是连接关键物流节点的高速公路和从物流节点到高速公路，一般我们称之为乡间道路，就是非繁忙道路，我们先认为自动驾驶卡车，其实主要在这两个领域，是更加容易实现商业化，并且实现快速落地的场景，我们也希望通过自动驾驶卡车，来更好去连接，通过高速公路连接关键物流节点，提高整体的运营效率，降低物流的成本。

这一块我大概简单列了一下自动驾驶卡车系统常规的架构，这一块刚才很多嘉宾也都讲过了，包括了感知、定位、地图、组建、传感器、车辆，这一块不做更多的表述，商用车也好、乘用车主要是在系统组建这一块。乘用车每天的任务和乘客，它其实节点主要是乘客上车和下车，然后中间其实就是简单从A到B移动的过程，车的主要任务是完成对乘客的移动进行服务。

作为卡车来说，它其实从A到B主线移动之外，还有其他很多的任务，像物流的环节，是需要从物流园区进行装货卸货，如何从物流园区驶出，这里涉及到物流园区之外的移动，并且驶出到高速公路，这就是一般性由A到B的移动，包括再进到另外一个环节，比如说进到港口，涉及到集装箱从车上卸下来，到堆厂的任务，其实它的任务，商务车和乘用车最大的不同，任务是非常多样性的，而且它任务的多样性其实更多不是在移动环节，而是在两端端点的环节。

然后这一块，其实我简单列了自动驾驶卡车系统传感器架构，我看大家很多人在拍照，其实这个拍的意义并不大，因为这也是自动驾驶卡车和乘用车不一样的地方，因为我们作为乘用车不管是SUV也好，还是普通的小轿车，传感器架构基本上是一致的，其实主要是进行A点到B点之间的移动，然后具体顶多再增加的功能，可能就是自主泊车和自动换车，其实它的功能相对来说是固定的，自动驾驶卡车，它在矿山里为了完成矿山的装卸的作业，它传感器的配置和高速公路和港口里的配置是不一样的，所以卡车进行单一任务进行时候，它其实是需要对传感器，甚至内部的一些控制、感知、规划，然后包括和系统衔接部分的组件，都会有比较大的变化，这其实是卡车和乘用车最大不一样的地方。

所以我们认为卡车其实是更加专业、更加专精的地方，甚至我们可以说，其实我们认为卡车领域，其实并不存在L5的定义，因为所有的卡车最终的用途都是L4，都是在有限的场景下实现有限的功能。

我是希望把大量的时间用在介绍一些新技术上的突破上，所以一些常规性的东西我尽量跳过。这个是我们在自动驾驶感知领域做技术的突破，因为对于我们来说，我们不像乘用车80%的驾驶行为发生在白天，卡车来说驾驶行为会出现在夜间，所以我们是需要自动驾驶系统有非常出色夜间感知的能力，来保证整体的稳定的运营效率。从这个视频可以看出，左边是比较传统感知的系统，右边是通过软硬件结合的方式，优化的感知系统，我们的系统可以非常好看到低找度的环境，或者视觉力遭点的环境，还有LED红绿灯的闪烁都会非常好解决这些问题。

这是我们认为作为自动驾驶卡车来说，是必不可少的，并且是非常关键的一个技术。首先，大家可以看图像的右下角，红色部分是激光雷达电晕，激光雷达电源标称感知范围是200米，但是大家做过感知算法都了解，从100—200米的范围之内，它其实是电源是非常稀疏的，很难用到激光照射的地方到底是什么东西。所以激光雷达有效范围是在100米以内，所以我们是通过视觉的方式，去开发了千米感知的系统，但是千米感知的系统是最远看到1000米，而不是时时刻刻达到一千米的范围。为什么开发这套系统？因为自动驾驶卡车，尤其是载重的时候，会有非常长刹车的距离，这个是乘用车无法比拟的，所以这一块，假如我们希望这么大质量的卡车在高速公路进行驾驶的时候，我们是希望有更长的感知距离，为底层的决策提供更好的输入。

这一块大概列了特定场景感知的成果，这一块也是乘用车和商用车不一样的地方，因为像这种，其实对于乘用车来说，一生都不会进到这里，但是对于乘用车大量的应用场景都在这里。之前有人问我，作为自动驾驶高精度是非常重要的，乘用车和商用车是否能通用，其实高精度地图，乘用车和商用车有非常大的区别，希望日后自动驾驶的厂商可以做细分领域的开发，包括像这种特殊场景，其实还会有一些特定场景的需求，比如说像港口里，它其实是需要相对来说，比较高定位精度的定位。其实红色这个方块代表了用定位融合算法实际上推算我们的位置，绿色的小点是RTKGPS，经过差分信号补证的定位，RTKGPS精度是2厘米，但是在比较复杂的场景里面，受到干扰的原因，它的定位精度会长时间漂泊在米级，甚至十米级定位精度的差别，所以我们也会在特殊场景，通过自己的一些方法，然后去实现高精度的定位，我们现在的定位精度这种复杂的场景，不依靠RTKGPS也可以达到厘米级定位的精度。

然后综合起来来说，刚才其实看了很多特定场景感知的东西，作为驾驶卡车来说，如何在特定的场景里，做一个实际的任务，其实这个是三车的车队，在港口内进行自动驾驶装箱、卸箱的任务，作为自动驾驶卡车来讲，它的任务有一个比较大的特点，它其实是需要把自己的车辆，自己开发自动驾驶系统，去放在一个现有的，已经完全成熟的应用领域，比如说像港口，它其实在没有自动驾驶导入的时候，它有自己一整套的工作系统，它的任务系统是有TOS系统划分，它有自己的车队管理系统、也自己的理货系统，如何把自动驾驶新鲜的事物，首先融合进现有的系统，这其实是对很多自动驾驶企业、自动驾驶技术是比较大的一个挑战。

所以这一块，这个场景其实我们会做一些特殊的定制，包括我们也会做一些车和车之间的通信，通过V2S的手段，搭建了车队管理系统，包括我们也会为了和港机间进行通信，我们也会和港机上通信设备，会实现和港机的通信和车之间的通信。

我现在简单说了一下控制技术，但是其实并不只限于控制技术，这是和我们的合作伙伴福田一起去做的队列的系统，技术指标大概是70公里每小时的技术指标，然后是十米的车间距，我们做了队列的尝试，这其实是非常好可以体现自动驾驶控制技术，一个是横向控制一个是纵向控制，在视频里可以看到车和车之间挨的距离是非常近的，10米的距离，这样车和车之间的距离作为控制来讲，它一定会有所谓的超条，作为我们来说，我们的目标是把振动的幅度控制在10%以下，就是1米之内，这个时候我们是非常好完成了这个工作。

然后车型上来说，这个前车是福田4×2的牵引车带挂，后面两辆车是福田6×4的牵引车也是带挂的，这也是非一致性车辆自动驾驶队列的控制，因为其实作为自动驾驶队列来说，其实主要看几个指标，一个是您的速度控制精度是否足够，然后你横向控制是否足够，纵向控制是否足够，包括最后的刹车，因为这么近的距离，这么高的速度之下，你的刹车必须保持相对来说比较同步，然后包括前后车之间不会有接触。现在减速了、刹车了，可以看出每辆车之间的距离是保持非常好的。

我们希望用这种队列的技术，其实在现有国内法律法规，对无人驾驶没有进行完整开放的情况下，看能否用队列的方式去做一些法规和法律上的突破，比如作为一个车带两个挂的方式也好，或者是每一辆车跑长途需要两个司机，现在只需要一个司机，这个时候投车的司机匹配了，可以通过队列的方式，头对二车这么一个方式，来降低整体物流的成本。

然后这一块是我们在美国亚利桑那州，在2018年10月的技术展示，因为我们是中美双中心的这么一个体制，所以其实在美国，尤其是像亚利桑那州是允许自动驾驶的货运，是可以实际为货主进行实际的承运，甚至于你可以进行无人驾驶的，你可以把司机、安全员都撤下来，这其实一个技术视频，包括了T字路口、十字路口、火车站、火车道口，场景是非常丰富的，而且右上角的照片，它其实是外景的照片，大家可以看到外头是下了非常大的雨，也是相对来说比较极端的天气。

我们现在在美国的话，因为受惠于他们的政策，我们在为15家物流客户进行实际的承运，并根据实际承运的行为，来去收取物流服务的费用，然后可以公开是其中一家客户是美国的USPS，就是美国邮政，我们现在也在用自动驾驶的方式，去帮他们做自动驾驶的货运服务。右下角是车速表，并且对油门的操作、刹车的操作，这一块的实际速度是65ML左右，大概是100公里每小时，因为受惠于美国实际车速的限制，其实是要比国内高一些，国内是80，这个视频也是比较长，一共一个小时20分钟，大概跑了200公里，全程无人驾驶，也是一刀未剪的视频，也代表了我们整体的技术实力和我们可以实现的事情，这个视频大家感兴趣的话，之后可以关注我们的公众号，包括网上也有一些视频，可以看到完整的视频，甚至没有加速的视频，看起来更加清晰一点，这是加速的视频。

我大概简单对技术的介绍就到这里，感谢大家，谢谢！

任卫群：看看大家有没有什么问题，我有一个小问题，你刚刚队列前面有一个车，然后你会去换道，那个当时是第一个车上有司机吗？

吴楠：第一个车上是有司机的，现在是这样，我们对队列的定义，首先作为第一阶段，我们还是让第一辆车是有司机的，然后由司机去判断具体换道的时机，等于说监管的层面还在人，后期我们也是希望根据实际的情况，把第一辆车变成自动驾驶，因为从整体技术上来说，我们是可以做到的，但另外一个关键，我们作为一个初创公司，我们还是要考虑具体实际应用场景，有没有需要，如果有还是非常愿意向这个方向去做一些技术研发。

听众：您好！我想问一下，因为我听说图森今年会在北美建立上百辆的车队进行试运营的工作，这个车队有没有考虑制动和转向系统出现鼓掌，有没有应急措施处理。

吴楠：这个也是我忘了说了一点，作为自己来说，给自己的定位是一家软件公司，主要的车辆也好，包括主要的执行器也好，其实我们都是属于外购、外采，比如说像车辆在美国主要是像帕克而进行采购，执行器主要是和合作伙伴，比如说柴福等（音）公司进行外采，我们和他们进行冗余系统的开发，因为对于他们来说，他们也是非常迫切需要知道自动驾驶公司到底对执行器有哪些需求，到底需要他们哪些的数据，那其实作为这方面来说，我们是希望也能在这方面给他们做比较好的支撑。

另外一点来说，很多嘉宾都说到了，执行器转向也好、制动也好，是需要冗余系统的，其实冗余系统有两种解决方案，大块分可以分两种。第一，我完全是用备份的方式，转向挂了，还有另外一套同样的转向，比如说两个转向机，去实现一种功能。第二，可以从商业逻辑做一些突破，我是否真的需要两个转向机，一套转向机废了之后，有没有可能通过其他的方式实现，我用刹车通过给两个左右轮的刹车，给不同的制动力实现刹车转向是否可行，也是可行的，但是这种方式是否能够实现把一个任务从头到尾进行继续执行，那肯定是不行的，所以从自动驾驶上来说，首先从成本上考虑、商业逻辑上考虑，首先制动系统失效的可能性相对来说比较低，这种比较低的情况下，我有没有必要做完全的备份，我认为是没有必要的，这个时候只需要半备份。

这个时候就是说，当自动驾驶执行任务出现了问题，我可以进行泊行模式，主要任务是由现在的移动状态迁移到泊行状态，那实际上需要的任务，也只是接下来100米之内把速度降下来，然后并且通过泊行的状态把车辆停到一个安全的位置，比如说停到紧急车道，通过这种方式解决具体的需求，剩下的时候，其实就是主要对车辆进行抢救的问题了，所以通过这种方式，换一个方式去思考，其实是可以非常好的解决冗余执行器的问题，所以作为我们来说，我们也和我们的合作伙伴，包括柴福他们一块探索，具体什么样的方式是最经济、最高效的方式。

听众：我的理解是现在可能跟供应商做一些探讨，更多会是从涂层的角度、自动驾驶的角度做正向的推导，给供应商的输入做零部件的要求，还是会有其他的方法。

吴楠：我们现在的阶段是合作的阶段，打个比方，比如自己对方面有相关的研发，自己也有这方面的研发，他有自己的路线图，但是对于我们来说，我们站在自动驾驶的角度上来说，我们需要的是什么样的东西和他们进行共同的研发。

听众：我的理解，前面您说不一定需要完全的备份。

吴楠：是的。

听众：自动失效的情况下，可能目标是短时间内可以做一个泊车，如果在一百米的过程中，全车出现了紧急制动，而你的制动力是没有完全备份能力，可能还是会出现一些意外。

吴楠：对，首先从制动系统上来说，任何一辆车都有非常多制动系统的备份，有发动机的制动，比如有夜里缓冲器的制动，它有自己的主制动，它的EPB，其实是相对来说比较多重制动的方式了，但从效率上来说，大部分效率是用主制动的方式。

听众：我想请问一个问题，首先感谢您的分享，我想问一下，通过图森目前做的这些工作和对行业的了解，在商用车特定环境下，比如说港口、码头、矿卡这些方面，什么时候在国内您觉得能落地？

吴楠：比如说像港口、码头、矿山，这些更多是属于封闭场景，从法律上来说，它其实落地是没有限制，因为首先车不需要符合车规，甚至不需要上牌，甚至保险都不要有，据我们了解到，这些场景很多司机都不是A本是C本，有这些问题，其实这个场景，反而给自动驾驶系统提另外一个要求。

第一，从驾驶行为以外，你需要做更多非驾驶行为的任务，这一块更多是自动驾驶行为以外的一些东西，这一块是对传统自动驾驶公司是形成挑战的，因为他们可能了解自动驾驶，但是他们不了解这个行业，这一块其实是一个问题。

第二，我们遇到一个情况来说，就说你很有可能进入这个行业的时候，你会变成先难后易的过程，你开始做的时候，可能做港口的时候，我们自己做的时候又做了车队和系统的衔接，人开的车和自动驾驶车的混跑，各种各样的工作都做了，实际上新开一个港口，实际上你可以从规划的层面上，去把所有的东西规划好。比如说可以做人驾驶的系统和车驾驶系统做分离，通过作为逻辑上的一个修改，这样其实对整体技术水平要求是降低的、降维的。

反而你进入一个行业，首先要向这个行业证明你的能力，这个时候你需要做非常多的事情，你要做这个也要做那个，但是进来的时候你会发现这个行业的能力降低了，但是从整体上来看的话，从自动驾驶技术上，我认为去说您所说的场景，都是没有什么太大问题，就是现阶段很多技术方案，甚至用一些工程的手段，都可以解决这些问题，但是具体如何进取，其实更多是业主方，他们到底有哪些需求，其实是看他们的，而且这一块最大的问题像这种封闭场景一个地方一个方案，真的作为自动驾驶公司，真的会变成技术解决方案的供应商，就是需要对每一个地方进行方案的定制，这其实是对自动驾驶公司需要做通用方案来说，是一个比较大的挑战，所以更多的话还是看第一个自动驾驶公司自己的技术实力，第二还是看自己有多大的工程能力接这样的工作。

我不知道我说明是否清楚？

Henrik Farnstrand：我有两个问题。第一，说一下什么时候你们能够对自动驾驶做好准备了。

吴楠：现在的计划是美国公司在2020年把司机卸下来，但是不是所有线路卸下来，在某一台线路卸下来，因为自动驾驶卡车是一条线路一条线路开始的，成熟的线路准备好现下来，根据其他路线成熟程度把司机卸下来。实际上的队列，后面两辆车里是没有人的，头车是有人的，后面两辆车是没有司机没有安全员，首先是封闭道路，当你距离压到十米的时候，其实大部分的司机其实不敢于上车了，心理压力是非常大。单从技术上做了一些准备，但是从安全性考虑还是希望准备好，现阶段认为第一条准备好的道路是在2020年，谢谢！

Henrik Farnstrand：第二个问题，比如说你使用转向系统功能方案有什么样的创新考虑？

吴楠：首先受制于像远程控制系统，其实首先是受制于基础设施建设水平，打个比方，比如说在中国可能很快铺5G，可能在岩石上、通信带宽可以满足这个需求。像亚利桑那州，很多地方连2G的收集信息都没有，那这个时候，它其实很难做远程的操纵，所以其实对于我们来说，我们现在的方案更多是说，我们还是希望赋予自动驾驶卡车更多车端的智能，让它可以解决大量的问题，但是要去教会它理解哪些问题，我知道是处理得了，哪些问题是处理不了的，这个时候当知道自己处理不了的时候，我们可以通过运营的手段，让它去向中心请求帮助，这个时候把自己的驾驶行为做一些降维，比如说把速度先降下来，通过这种方式。因为这个过程是不太要求岩石的，对岩石的要求大大降低，作为后台的运营方通过这种方式，帮他去看现在的情况，他现在是否可以处理。

比如我们通过后台的人可以处理，我会去做建议，我建议你现在停下来，停到紧急停车道，我建议你超过它，通过建议的方式帮助它决策，而不是远程去操控它。因为我们认为远程操控一旦有延迟的情况发生是非常危险的，所以希望这种方式做远程方式是更加合理的。

Henrik Farnstrand：谢谢！

听众：我看你们在美国运营几百辆车，你们的技术相对比较成熟了，在中国市场主要是在一些封闭场景，中国的高速公路你们有打算跟美国做一样的运营吗？

吴楠：当法律法规成熟的时候，我们是希望和美国一样，做大规模的运营，但是现在主要受制于法律法规，现在暂时没有开放，所以按照现在法律法规的要求，我们最多只可以做到示范运营，而且示范运营是不会收费的，这个阶段来说，对我们来说，我们会有一些现实的考虑。比如说我们在国内多投一辆车，在测试多亏一辆车的钱，但是同样的钱投到美国，就赚一辆车的运营费用，所以这方面会有一些考虑，所以我们也非常期待国内法律法规尽早的开放，因为作为我们来说技术上已经准备好了，还是希望方面对我们进行一些相关的帮助，然后帮助我们更早在国内有技术的应用。

听众：你们认为美国L4的技术在中国可以直接用吗？

吴楠：不是直接用的概念，因为首先作为美国来说，没有很多的基础设施，它其实更多去要求单车有非常好自动驾驶的单车智能这么一个功能，但实际上中国，它其实比如在很多大城市，它其实都做了车路协同的布局，其实我们也会考虑，有哪些地方，我们可以把一些功能疏解到路测端，然后做到同样自动驾驶的程度之下，如何降低单车的成本，更好服务客户，所以这一块从技术上考虑，可能是一种方案，但是从运营方面上也好，从商业上考虑，可能我们更希望会有一些本地化的东西，会有我们公司的中国团队负责本地化的运营，就肯定不是完全copy的概念。