距百度19年夏天公布阿波羅精簡版——城市道路視覺L4自動駕駛解決方案過去了整一年，Apollo Lite在過去的一年里實現(xiàn)了許多傲人成績，累積閉環(huán)測試里程提升13倍，單位里程交互機動車/非機動車/行人個數(shù)提升了2倍。同時，MPI提升2.5倍，點到點送達成功率提升60%。

6月18日，2020（第二屆）汽車雷達前瞻技術展示交流會在蘇州召開，在百度Apollo Lite一周年之際，百度Apollo技術委員會主席王亮雖然因為疫情原因沒能到達現(xiàn)場，但他仍為大家分享了百度自動駕駛視覺技術進展，分享包括對數(shù)據(jù)驅動提升駕駛能力的實踐和對L4自動駕駛傳感器終局的認知和思考。

L4技術發(fā)展的兩種路徑之爭

說到激光雷達和視覺方案繞不開兩種路徑之爭，首先是以waymo為主的商業(yè)模式“交通即服務”，它是限定區(qū)域的自動駕駛，重高清地圖。傳感器方案是以激光雷達為主，一個或多個激光雷達。它的優(yōu)勢比較明顯能幫助公司快速搭建系統(tǒng)原型，檢測、提取和分割相對較容易；有一定的安全保障；采用三維信息幾何的結構信息，顏色光照變化比較低，所以它對于數(shù)據(jù)的依賴程度低。而它的缺點就是傳感器成本高、擴展性弱、商業(yè)化速度慢。

與此對比是以特斯拉為典型代表的商業(yè)模式“汽車即產(chǎn)品”，輔助駕駛漸進過渡到自動駕駛，以攝像頭為主，輕地圖。它的優(yōu)勢是攝像頭成本低、擴展性強和商業(yè)化速度快。它的劣勢主要是系統(tǒng)搭建周期長；對人才、數(shù)據(jù)的依賴程度高；對于安全保障還不夠。

王亮認為，路線的設定既不是權衡利弊后的選擇站隊，也不是簡單一句“各取所需，避之所短”，百度追求的是一條符合國情同時也最適合百度自身的技術路線。

傳感器的認知判斷

“在L4級自動駕駛傳感器選型上，激光雷達和攝像頭不是排他的，也不是單純的從屬或互補關系，從安全性考慮，二者具備相同的重要性和不可取代性，缺一不可?！?王亮堅定沿著多傳感器融合的路線往前推動，多傳感器融合的方法也不一樣。

激光雷達

百度的態(tài)度是選擇做自己擅長的事情，不自研，擁抱生態(tài)合作伙伴，充分信任激光雷達合作伙伴的設計和技術能力，幫助百度提供市面上最高性價比的產(chǎn)品。面對“百花齊放”的市場，百度選擇不自研，就要考慮對沖其帶來的不確定性影響。百度希望在激光雷達方面有選擇的自由，未來的算法和系統(tǒng)能比較容易支配雷達方案。

攝像頭

攝像頭圖像信息量大，但和激光雷達相比，信息挖掘難度高，對人才、算法、數(shù)據(jù)、規(guī)?；瘷C器學習能力要求高。它的技術趨勢更多的是分辨率、成像質量、成像速度等維度的提升，圖像數(shù)據(jù)復用性號，技術壁壘高。

視覺技術迭代

在激光雷達為主、視覺為輔的傳統(tǒng)融合策略中，視覺感知自身問題和缺陷在雷達感知的掩蓋下暴露不充分，認識到這點后，要把視覺技術單獨列出來解決。在激光雷達方面有選擇的自由權，手里握著一張“純視覺感知”的船票，這樣百度將更有信心在未來選擇性價比最高的激光雷達，與視覺方案配合，來保障客戶的安全。

軟件系統(tǒng)學習化改造

除了解決二維和三維的問題，還需要持續(xù)積極的探索實踐“數(shù)據(jù)轉化為駕駛能力”的途徑，逐步用基于數(shù)據(jù)和機器學習的方法取代規(guī)則。首先，規(guī)則方法需要設計算法，這對專業(yè)人員需要一定的專業(yè)背景，還需要觀察、假設和調參，代碼實現(xiàn)后再進行效果評判，這是傳統(tǒng)的方法。那機器學習的方法首先需要搭建訓練框架，然后實現(xiàn)數(shù)據(jù)的聚類，整個框架構成后，框架可復用，高度自動化，最后基于模型進行效果評測，它對數(shù)據(jù)的消化能力是更強的，處理海量數(shù)據(jù)更快更好，能打通數(shù)據(jù)轉化為駕駛能力。

有了框架后還遠遠不夠，要真正解決問題，有了數(shù)據(jù)后，怎么充分利用數(shù)據(jù)，比較高效消化數(shù)據(jù)？百度把有價值的數(shù)據(jù)快速提取出來，進行數(shù)據(jù)標注，來進行高頻的數(shù)據(jù)迭代，迭代周期來約束衡量的評價。最后，結合路況進行測試，把構成的模型應用于車上。舉一個數(shù)據(jù)驅動模型能力提升案例，以紅綠燈為例，用異形燈代替普通紅綠燈，讓建模更加精確，涵蓋范圍廣；其次，道路修整頻率增加，道路增加移動紅綠燈。最后，對倒計時的需求，把握地更加精準。

自動駕駛的發(fā)展不能一蹴而就，要達到自動駕駛和無人駕駛的終局，必然要經(jīng)歷漫長的過程。百度Apollo在此領域內不斷去嘗試商業(yè)化落地，遲早會走出一條適合“中國特色”的自動駕駛之路。