纽劢科技CEO徐雷
雷锋网新智驾按：10月26日至27日，2019第二届全球智能驾驶峰会暨长三角G60科创走廊智能驾驶产业峰会在苏州高铁新城正式举行。峰会主要聚焦“自动驾驶的量产时代、单车智能和车路协同的共演之路、新型的车内交互探索”三大主题，共同探讨了智能驾驶的未来发展方向。
本次峰会由苏州市相城区人民政府主办，苏州高铁新城管理委员会、雷锋网新智驾承办，江苏省智能网联汽车产业创新联盟、江苏省人工智能学会智能驾驶技术专业委员会、清华大学苏州汽车研究院、中国移动通信集团等单位协办。来自主机厂、国内外一级供应商、自动驾驶解决方案商、自动驾驶核心零部件、出行运营商等智能驾驶上下游企业，车路协同专家学者、代表企业等1500余位业内人士莅临现场。
在Waymo、特斯拉两派背后，自动驾驶技术形成两派，前者注重激光雷达、高精地图，后者的方案则以视觉感知为主。在中国国内，车路协同技术又成为新的变量。成为一些自动驾驶初创公司的重要方案。
作为一家自动驾驶方案供应商，纽劢科技从场景出发，采用了以视觉为主、多传感器融合的方案，目标是在复杂场景中实现载人和运货。它的方案既包括L3/L4，又包括满足当下市场紧需的L2+，以及与智慧城市融合一体化的方案。
这些方案最终的目标是量产上车。纽劢科技CEO徐雷表示，面向量产的自动驾驶解决方案，一定需要达到三个方面的要求：安全，高效，经济。
以安全为例，纽劢科技在系统冗余、传感器冗余、紧急情况应对措施以及备份的控制系统等方面进行了充分考量和设计。基于对安全的考量，纽劢科技的方案还在功能安全、预期功能安全和网络安全三部分进行了重点设计。
雷锋网新智驾了解到，纽劢科技已经获得美国加州的自动驾驶路测牌照，并在2018年先后完成了拥堵跟车（TJP）、高速代驾（HWP）、自主泊车（AVP）功能等前装量产功能的上线。今年8月，纽劢科技在上海正式落地L4级别的RoboTaxi项目。
以下为徐雷的演讲速记整理，雷锋网新智驾进行了不改变原意的编辑：
在自动驾驶落地的道路上，无论是像我们一样的自动驾驶方案开发者，还是像OEM这样的自动驾驶方案需求方，为了自动驾驶的大规模量产落地，常常会思考很多问题。
量产方案究竟需要满足哪些要素？在ADAS都还并不完美的当下，实现自动驾驶是否真的具备可行性？无人驾驶究竟能否应对所有场景？是否将交钥匙式的方案直接装到车上就能实现自动驾驶？
种种问题，最后又可以归结为一个问题：自动驾驶的落地之路到底是怎样的？
现在，自动驾驶行业主要有两条不同的技术路线：一是以Waymo为代表，重激光、重地图；二是以特斯拉为代表，将视觉感知作为主要的感知方式，通过摄像头实现L4级别的自动驾驶。
相比之下，纽劢科技的路线与后者较为类似，在单车智能中采用以视觉为主的多传感融合感知方案。但同时，我们也有着很大的不同，那就是不止于车端的智能，还采用智能车、智能道路、智慧城市的融合一体化方案。
一切从场景出发
在我们看来，自动驾驶应从场景出发。
无论设计、测试还是商业化，都应以场景为基础。这里的场景，简单来说，就是车和车以外的事物。而我们的最终目标，就是实现复杂场景下的无人驾驶载人和运货。
在纽劢科技的融合一体化的系统中，将车作为前端，车以外的部分作为后端。在每一种场景下，我们会思考车需要具备什么样的能力才能安全可靠地行驶，并分别从前端和后端提供相应的能力。
当面对相对简单的场景时，比如，结构化道路里的高速场景，或低速行驶的场景，我们的方案可以通过车身所搭载的传感器和计算能力，实现很好的自动驾驶。当面对一些相对复杂的场景时，比如，十字路口、园区大门口，这些地方很可能连红绿灯、车道线都没有，仅依靠车本身的配置会很难达到充分安全可靠的行驶，所以，这时候需要让系统具备更强的驾驶能力。
我们的思路是，把自动驾驶所需的能力——感知和规划，最合理地分配到车和车以外的地方，也就是前面所说的前端和后端。
我们主要从两个方面来实现。
在车端，以视觉感知为主、多传感融合打造单车的智能，提供前装量产的方案。在这个长期发展的过程中，具备自动驾驶功能的汽车将会越来越多，包括L2级别的智能网联车。
与此同时，道路也在逐步升级，变得更加数字化、智慧化。那么，如何打造包含路侧感知、路侧规划，并能与智能车融合的数字化道路，是一个很有挑战的问题，而我们可以为政府、运营商等提供方案。
最终，我们将基于智能汽车、智慧道路、智慧城市融合一体化的概念，提供能应对复杂场景的L4方案。
具体而言，在以车为前端的单车智能方面，主要与车厂合作，从前装量产方案切入。我们对场景有更深的理解，希望能通过与车厂在前装方面的合作，将技术落地，并进行数据迭代，不断地优化方案，实现复杂场景下的无人驾驶应用。
同时，我们会在一些开放区域进行无人驾驶的示范运营，比如上海临港地区，从商业模式和技术模式上去论证方案的可行性。
当前，从前装角度看，L2+级别自动驾驶方案有着非常迫切的市场需求。
现在主流的自动驾驶应用，大多是一些行驶和泊车两大类型的辅助驾驶功能，并不能完全满足市场对L2+甚至是L3的高级别自动驾驶需求。一些复杂场景的功能，如需要横向控制参与的变道、超车处理，用于泊车的360度精准感知，都是市场上需求很大的应用。
我们能够提供L2+及以上功能的自动驾驶解决方案，并可以通过高端和经济两种不同的配置，满足不同的功能需求。
搭载高端配置的车辆，可以满足全功能的需求，不仅具备一些复杂场景的自动驾驶功能，能够应对十字路口等城市环境下的行驶场景，还可以和智慧城市智能交通系统相结合，实现L4级别的自动驾驶功能。
经济配置则可以满足部分的自动驾驶需求，如实现自主泊车、拥堵跟车这些自定义的功能。对前装量产而言，成本非常重要，我们会提供基于ASIC芯片的低成本计算平台打造的、以视觉为主的多传感融合感知的方案，来实现所需的功能。
量产要满足三要素
在我们看来，面向量产的自动驾驶解决方案，一定需要达到三个方面的要求：安全，高效，经济。
安全指的是必须有全方位的安全考量，要包含运行方面的功能安全、预期功能安全以及网络信息安全，从而提供真正安全的体验。
比如，车辆如何进入最小风险状态，如何处理出现的各种问题。从技术角度来讲，自动驾驶方案需要在融合后形成冗余的世界模型，并且需要具有一套安全的驾驶规则。而非为了确保安全，让车的速度降到非常慢的程度，用户很难喜欢这种方案。
其次是高效，自动驾驶方案不仅需要能够高效地开发和应用，同时还需要能为用户提供高效的使用体验，能在日常使用中为用户解决出行中的难题和痛点。这样的方案才真正有用。
第三是成本。无论硬件还是软件，成本都是无法忽视的要素，功能所耗费的成本需要与为客户创造的价值相匹配。因为物超所值的方案才会受欢迎，才能形成规模化的应用。
兼顾这三点的方案，才是可量产的自动驾驶驾驶解决方案。而我们的方案，也正是基于这些考虑完成的开发。
在安全方面，我们有着全面深入的设计考量。一般来说，自动驾驶的应用场景发生变化，系统的性能也通常会有一些影响，如果是在开发完成后根据应用的场景再去补充安全架构和模块，安全方面可能会存在问题。
所以我们的做法并不是先把功能开发完，然后再回过头去想哪一块不安全，再去加一些安全模块。而是从设计、开发，到功能实现、测试，其中的每一个环节都把安全放在第一的位置。
同时，为了保障在部分传感器失效的情况下，系统依旧能够去应对出现的问题，我们提出了三层感知融合，进行同一传感器内、不同传感器之间以及世界模型构建的融合。
比如在摄像头内部，车道线可以基于深度学习算法和传统的算法来分别完成；而在不同传感器之间，比如前视的两个摄像头，可以通过双目检测来进行测距，也可以通过双目检测可行驶区域是否有立体的东西，来判断是否为平面。
另外，因为汽车存在于真实的物理世界，所以我们还会进行模型层面的校验，基于这些融合的信息会构建一个冗余的世界模型。
这个世界模型是对周围世界的理解，包括有静态障碍物、动态障碍物、动态障碍物的行为预测、交通规则的理解、自身状态的定位。在世界模型里，除了会预测一些处于动态的物体外，比如行驶中的车下一步会怎么行驶，我们还会预测一些暂时处于静态的物体，比如行人站在十字路口的时候，通过他的身体语言去判断其是否看到了本车，是不是有穿过马路的意图。
而在高效方面，我们的方案可以做到感知更全、识别更准、反应更快。
以泊车时的停车位检测为例。全国各地有各种各样的停车位，在实际使用中，市面上绝大部分泊车方案的车位检测成功率不到50%，而我们基于视觉停车位检测的成功率能达到90%以上。
我们对方案的要求不仅是车不发生碰撞，还有更重要的一点是，我们希望自动驾驶车能符合用户的使用期望，就像真人驾驶一样。这其中，对未来时间一定窗口内场景变化的预测非常重要。
通常情况下，系统中会有很多模块运行，但是很难保证每一个模块在任何情况下都能正常运行。如果出现硬件失效或是感知受限等情况，比如摄像头被遮挡，功能还能否安全地运行呢？答案是可以，因为我们对系统有安全的冗余考量，配备了冗余传感器、紧急操作模块、备份系统。
此前我们曾强调，自动驾驶由从场景所驱动，设计、开发、功能实现、测试、商业化运用也都如此。所以，我们自己总结了一套比当前市面上更健全的测试体系，针对L3及以上级别的自动驾驶进行测试评价。其中，最重要的一点就是可量化的测试标准。
我们对开发的功能，在不同情况下进行了测试和评分，根据我们自己的标准，方案达到了良好水平，而根据行业的标准，我们方案能达到优秀水平。
基于车端和智慧道路的融合
纽劢科技主要做的是L3/L4级别自动驾驶，L2+的方案为降级使用。我们自主开发了自动驾驶所需的全套上层应用软件和算法，包括配备了基础通信库、高性能计算库、深度学习加速库的自动驾驶专用平台MaxOS，这也是我们自己开发的，所以我们的方案拓展性强，很容易移植到不同平台上，进行各种定制化的开发。
此外，我们的方案不依赖于高精地图和激光雷达。车本身具有足够的智能，高精地图可以加入其中作为补充，感知以视觉感知为主，不依赖于激光雷达。方案可以实现低成本高性能定位，定位精度达到厘米级。
在车端实现这些智能功能后，再通过智能汽车、智能交通、智慧城市的深度融合，就能实现更复杂场景下的自动驾驶，进行Robotaxi等更高级别自动驾驶的应用。目前，我们正在和一些合作伙伴进行这方面的测试和落地。
比如，在上海临港地区，我们已经启动基于融合一体化方案的Robotaxi项目，目前正在分阶段地进行落地，逐步扩大车队规模和运营范围。现在第一阶段的工作已经完成。
在先期的验证测试中，我们的纯视觉Robotaxi方案能够应对真实开放道路中出现的多种难点。
包括复杂场景下的行人和非机动车检测和行为预测，远距离红绿灯、异形红绿灯的检测，磨损或不规则车道线情况的应对，实现十字路口调头及复杂车流变道等功能，等等。这套方案并不是专门为该项目定制的方案，而是一套真正可以快速进行部署的量产化方案。未来，我们还会在其他地方进行落地。
总而言之，我们的自动驾驶落地之路就是：开发可量产的全栈方案，通过前装提供高速代驾、拥堵跟车、自主泊车等高级别的自动驾驶功能；同时，我们将车辆与智慧道路和城市进行深度融合，打造无人驾驶出租车。
正在生成分享图...
陈嘉欣