先驱者(6) Auto X和它的平民化自动驾驶

○从纯视觉到多传感器融合——Auto X的技术发展史

肖健雄在业界被称为X教授，其最核心的技术就来自于三维深度学习和用于激光雷达的深度学习，同时作为普林斯顿大学计算机视觉与机器人实验室的创始人，在机器视觉方面（摄像头领域）也是绝对的权威，过往的经历深深的影响了Auto X的技术发展。

1）新公司伊始：Camera First

Auto X第一代的自动驾驶技术起源于机器视觉，简单的说就是用摄像头去作为主要感知传感器进行自动驾驶的研究。

自动驾驶系统对于分辨率的要求是很高的，因为道路上会出现各种场景，车辆、行人就不多说了，还有很多类似小狗、小猫、滑板车等不同的小物体出现，只有高分辨率才能得到更细致的场景信息。

Auto X在视觉方面有两个较大的突破，第一个在于基于双目的三维视觉，它的本质有点类似人眼，用两个摄像头进行场景的感知，最终可以通过算法得到非常密集的三维点云。

第二个突破在于感知方面，Auto X通过单个摄像头来完成实时的物体位置和角度信息识别计算，以此精确的对障碍物进行判断。

当然，摄像头价格低廉也是肖健雄选择以此入局的重要因素之一。相比动辄几十万的激光雷达，摄像头的价格几乎一个天上一个地下，较低的价格带来的好处是更容易落地，这样就能迅速带来规模化生产。

总的来说，Auto X第一代的自动驾驶方案，既体现了肖健雄本身的技术烙印，也有向市场、资本妥协的一面。

2）从第二代开始配置更多传感器

快速发展的Auto X得到了资本的青睐，融资也让Auto X获得了更多发展资本。本身的技术路线也在不断升级。在完成了对视觉技术的积累后，从第二代开始Auto X开始向多传感器融合进军。

但是摄像头在探测距离和恶劣天气方面确实不如激光雷达等传感器，所以最好的方式当然是多传感器进行融合，实际上在Auto X的第一代方案里，也融合了激光雷达和超声波雷达等传感器。

言归正传，从第二代开始，Auto X的自动驾驶路线就进行了传感器融合的变化，之后一直到目前的第五代，大致的硬件组成都没有发生太多的变化，只是在细节上进行了一些升级。

在这样的研发思路下，Auto X大致开发出两大类产品，一个是前装的传感器集成设备；一个是自动驾驶行为决策类产品。

我们先来看看前装的传感器集成设备。Auto X的前装硬件类产品一共有两种，一种是应用在第三代自动驾驶车上的这种传感器固定装置，第二种是被命名为xFusion的传感器固定器，这两种产品的本质就是如何将多种传感器硬件进行组装融合，同时可以满足车规级的需求。

从形态上看，这个类似于大蘑菇的造型是目前自动驾驶车常见的形态，看起来只是简单地将传感器安装在车顶，实际上暗藏乾坤。

当然，这种产品由于凸出较多，其风阻表现并不好，同时造型也不够优美，因此第二代产品xFusion才是Auto X前装硬件的未来。它的整个设计都采用平板式，在造型上能够和车辆进行很好的结合。

在传感器搭载上，xFusion为不同传感器预留了搭载位置，包括固态激光雷达、毫米波雷达、摄像头、GPS以及IMU等。

仿真器也是Auto X的一个核心。百度曾经说过，仿真平台是自动驾驶中不可缺少的核心。如果说路测是自动驾驶厂商验证自己技术的一张考卷，那么仿真就是大考之前的模拟考试。它可以在虚拟的世界中测试你的无人驾驶系统。

为此，Auto X单独开发了自己的仿真器xSim。这种仿真器属于三维仿真器，它可以虚拟出三维的数字化环境，比如车辆、地面、街区，同时还能模拟这些物体的物理特性和运动，以此让测试更真实。另外，它还能模拟出摄像头、激光雷达等不同传感器的输入。这套仿真器可以实现Fully Deterministic完全确定性仿真，确保场景可100%多次重复再现。配合Auto X XCU，真正实现硬件闭环仿真测试。

关于自动驾驶的仿真我还想多说两句，使用仿真确实可以比路试减少财力和时间的消耗。但路试是仿真的基础，而且是必不可少的。Auto X在2017年就获得了美国加州的自动驾驶牌照，并可以上路测试，这就是为了积累路测数据，有了路测数据才能让仿真数据更真实。当然路测数据也并不是一味的量越多越好，路测数据是量和质的结合，你在空旷的沙漠里收集再多的里程都不如在繁忙的都市街头跑一圈来的数据有价值。

除了仿真器的开发，地图也是Auto X的一个重要技术。当然，这里的地图不是指我们使用的导航地图，而是应用在自动驾驶领域的地图。

○商业化落地路在何方？

谈技术不谈落地就像是在建造空中楼阁，自动驾驶怎么落地？它的商业化模式到底如何？这些都是自动驾驶公司一直在思考的问题。目前来看Robotaxi以及低速无人物流车是比较清晰的两个方面，而肖健雄也有着自己独特的理解。

在美国，Waymo是当之无愧的排头兵，它是最早取得美国加州颁发自动驾驶出租车许可牌照的公司。而紧排其后的是一家中国公司——Auto X。

你可以在上海凭借高德地图对Auto X的无人驾驶出租车进行体验（上图为上海的Robotaxi车队），不过现阶段还在主驾驶位置存在安全员，并不是完全的“无人”。之后武汉取得了示范运营许可，政府允许其进行载人试运营。

目前Robotaxi是完全免费的，实际上在未来Robotaxi是否收费或者如何收费仍然是个问题，和目前的出租车公司运营的车辆不同，每台自动驾驶出租车价格昂贵，大约单价都在100万人民币左右，短距离出行收取的几十块钱车费根本无法平衡运营的成本，所以现阶段Robotaxi都将是体验为主。其实如果我们换位思考一下也能明白自动驾驶公司努力运营这种昂贵自动驾驶车背后的道理。

自动驾驶无人车也是同样的道理，虽然我们现在担忧其高昂的售价，同时对营利模式也有困惑，但随着技术的升级和科技的发展，只要不断的投入必然会找到发展的方向。

可以说在Robotaxi方面，Auto X是抱有积极的态度，肖健雄坦言现阶段无法依靠自动驾驶或者说Robotaxi赚钱，它更像是一种对自动驾驶落地的探索，但背后的意义依然巨大。

除了Robotaxi，肖健雄还向我们描绘了另外一种自动驾驶的商业模式。我们知道飞机是很贵的，高额的单价让飞机只能成为少数人拥有的“大玩家”，但航空公司们发明了卖票的形式，我们可以购买机票去享受飞行的出行方式；自动驾驶或许也可以如此，自动驾驶单车价格昂贵，但我们可以购买自动驾驶的服务，这也不失一种新的商业形式。

至于我们经常在新闻上听到的无人物流卡车，Auto X反而并不乐观，这主要由于国内的物流形式影响的，中国目前在物流运输方面个体户较多，没有统一管理是很难完成无人物流的操作，所以你会更多见到京东、顺丰有无人物流的演示，只有大集团统一管理才能在卡车物流上有所建树。

写在最后：Auto X是国内最早进行L4级别自动驾驶研究的科技公司之一，短短几年积累了不少经验，虽然在早期有不少人对X教授靠视觉路线发展自动驾驶的想法持有怀疑态度，但从这几年的发展看，肖健雄并没有走错，依靠视觉路线渐渐发展起来的Auto X正在快速迭代发展，最终取得了在2019年美国加州机动车管理局（DMA）自动驾驶汽车脱离数据报告前五的成绩，榜上有名是对质疑者最好的反击。

2019年加州自动驾驶脱离报告汇总表
测试公司/厂商	测试车辆（单位：辆）	测试里程（万英里）	脱离次数	MPI
百度	4	10.83	6	18050
Waymo	148	145.41	110	13219
Cruise	228	83.1	68	12221
Auto X	8	32.05	3	10684
小马智行	22	17.48	27	6475

当然，我们也希望有更多中国自动驾驶企业在这场科技竞赛中脱颖而出，或许未来汽车的格局就真的会发生大的改变。