L4級無人駕駛再添重磅玩家，Pony.ai曝最新進度
Theroadislife
若干年后，自動駕駛普及，車輛供給形態或發生巨變，車廠、用車服務商或將進入一個動態博弈的新格局，雙方角力的戰場是產量銷量均破9000萬輛大關的汽車市場，競逐的目標是無人駕駛可能會帶來的7萬億美元的客運經濟。
無人駕駛技術，無疑是左右戰局的重要因素之一。這樣的預期之下，無人駕駛的賽道上，不僅吸納了幾乎全球所有的車廠、用車服務公司，也吸引有無人駕駛相關技術的初創公司竟逐。
Pony.AI正是這場戰局中備受關注的一家初創公司。這家要做L4級別自動駕駛的公司，中文名為小馬智行，由前百度知名工程師JamesPeng和樓天城創辦。
JamesPeng2002年在斯坦福獲得博士學位，曾在Google就職七年，2015年開始專注研發無人車項目。樓天城是圖靈華裔得主姚期智的得意門生。兩次ACM全球總決賽的亞軍得主，連續兩年獲得Google全球CodeJam的冠軍，亦連續兩年蟬聯百度之星大賽冠軍，在編程界被稱為樓教主。在topcoder圈內被譽為能夠以一己之力挑戰對手一個隊，然后把對手打得抬不起頭的人。2012年于清華博士畢業加入Google，在Google無人車團隊專注研發多年。
這樣的行業前景、公司愿景、加上團隊背景，獲得了國際知名投資機構的青睞，創業之初就成功融資，因此也受到行業的極大關注。
在Pony.ai的推想中，無人駕駛普及，私家車的使用渠道很可能由購買變為租用服務。在這樣的客運經濟很可能會分為三類大玩家處于底層的車廠、處于中間的無人駕駛公司、處于上層的運營商。目前處于底層的車廠與上層的運營商出于焦慮及布局，均有可能涉足其他一項或者兩項業務，處于中間層的無人駕駛公司既是左右戰局的重要因素，也有可能借助合作的方式涉足其他一項或者兩項業務，分食客運經濟的蛋糕。
但這一切都需建立在公司可以提供穩定、可靠的商用無人駕駛技術之上。根據SAE的分類，要做到L4級別，意味著只要給定事先定好的區域，就可以實現完全無人駕駛。團隊認為，即使Google已經做了8年，短期內也并不能達到完全商用技術水平。
對于Pony.ai同樣做L4的自動駕駛公司來說，如何盡快做出樣車，收集數據至關重要。Pony.ai去年年底成立公司，半年內就已經研發出第一代樣車，已經進入每日實路測試階段。據透露，樣車采用了包含64線激光雷達的多傳感器融合的方案，庫卡機器人，以50KM/H的最高速度在加州的道路上自動行駛，車輛不僅可以識別周圍環境、紅綠燈、行人等，也可以精準操控汽車按照交通法規的要求做出實時反饋。
之所以選擇多傳感器融合的方案，庫卡機器人驅動器維修，主要是出于無人車的安全性和可靠性考慮。從傳感器、軟硬件可以實現的結果來考慮，多傳感器融合方案是目前技術上最為可行的方案。市面上很多團隊出于成本的考慮，將重心放在了攝像頭上，但JamesPeng認為純靠視覺和DNN，基本上很難實現Level4要求的安全性；而未來傳感器中成本高昂的激光雷達價格則會大幅降低。
現階段，全球的LiDAR供應幾乎被Velodyne壟斷，16線售價8千美元左右，64線成本在8萬美元左右。價格高昂主要原因在于需求量少，多為純手工，良品率低；但如果需求提升到百萬，雷達的價格就有望大幅下降。目前這一領域也出現了不少新玩家，計劃推出高性價比產品，未來降價會是必然。團隊之所以選擇售價高的64線LiDAR，主要是考慮到64線的有效范圍可以達到100米，而16線產品用在Level4無人駕駛上必須要多個組合才能有效覆蓋，KUKA機器人維修，且范圍也不及64線。近期Velodyne將推出32線方案，價格會下降而有效范圍會有提升。雙方有良好合作的基礎，Pony.ai作為試點用戶正在跟進評估中。
JamesPeng向36氪表示，無人車是一項系統的集成工程，宏觀上涵蓋定位、感知、預測、決策、控制部分，具體又包括傳感器融合、定位導航、物體識別與跟蹤、高精度地圖、行為預測、路徑規劃、避障、控制等諸多環節，對團隊的經驗要求非常高。在James看來，做大系統的經驗十分重要，目前市面上還很少有像無人車一樣復雜的系統，功能多、模塊多，且各個模塊之間需要進行數據傳輸、交互。互聯網公司解決的多是大數據問題，無人車單位時間內產生的數據量巨大，又追求絕對的實時性，兩者本質上是矛盾的，但需要同時兼顧并處理好。做大規模分布式計算、存儲或類似大系統的經驗會十分有幫助，這也是團隊的優勢之一。
另一方面，匯集優秀的人才，培養良好的工程習慣，也是團隊的重要競爭力。目前Pony.ai組建了數十人的團隊，團隊部分成員來自Google、Facebook、Uber、NVIDIA等技術公司，不少參加過編程競賽并拿過獎，迭代速度快。同時，團隊也對工程習慣（EngineerPractice）有嚴格要求，短期內雖然會在代碼、流程等方面多花費時間，但從中期來看則會加快開發的效率。James強調，除了實際路測之外，以工程能力支撐，建立強大的仿真平臺亦很重要。自研開發的仿真系統目前已經能夠仿造比實際路況復雜許多的虛擬場景，從而確保上路之前就已經能夠建立系統信任度。
無人駕駛行業目前還沒有公認的評價體系，平均無故障里程（MPI）被認為是其中的一個，做了8年無人駕駛的Google目前的數據已經可以達到8000，Uber的數據則在200多。JamesPeng分析，對于不少公司來說，100是一個十分重要的坎，從0-100是從無到有的過程，很多時候會遇到突發情況，但此后就有可能呈現爆發式的增長，團隊計劃今年可以突破100。