让自动驾驶变成「老司机」，看腾讯如何幕后发力

上周末，腾讯技术开放日自动驾驶专场上，一辆L4级别的自动驾驶测试车正在进行演示，在解放驾驶员双手双脚的同时，完成了道路上各种情况的应对。

对于L3、L4或者L5等级别的划分，业界也还有很多讨论。相比于自动驾驶的出行服务，现阶段解放人的双手双脚更能符合市场的期待。腾讯自动驾驶总经理苏奎峰在此次技术开放日中谈到，针对传统驾驶中存在的两大痛点 ----上下班通勤拥堵和长途旅行驾驶疲劳，腾讯自动驾驶正在推进HWP（Highway Pilot高速巡航）与TJP（Traffic Jam Pilot拥堵巡航）结合的解决方案，在缓解驾驶疲劳和焦躁的同时，保障安全驾驶。

要实现这样的自动驾驶，需要哪些技术呢？

感知定位是第一步

一辆自动驾驶车辆跑在路上更要随时面对车生三问：我在哪，我将去向哪里，我要如何去。这就是自动驾驶需要解决的三大关键环节：感知、决策、控制，也有人将其细分为定位、感知、预测、规划、控制，从感官上来看，定位也可以归为感知的一部分。车辆在道路上清楚自己所处的环境，才能进行下一步的路径规划和行驶。

可以说，感知是实现自动驾驶的前提，更是掌握安全行驶的命脉。这就涉及到目前自动驾驶研发的两大重要投入，一是遍布车身的各种传感器，包括毫米波雷达、高精度摄像头、激光雷达等，二是高精地图。硬件的增加无疑是为了让汽车有更灵敏的眼、耳和更敏锐的触觉，高精地图则比当下我们普遍使用的导航地图多了更多精细化数据，例如车道划分、道路曲度、坡度等，使得车辆在行驶中更清楚自己所处的位置和道路特征。

如果说传感器的增加可以靠烧钱，高精地图的获得则不是有钱就能买到的了。国内拥有测绘资质的图商仅有数十家，而仅仅提供底层地图支持尚无法满足自动驾驶的需求。腾讯自动驾驶总经理苏奎峰表示，高精地图既要存在于云端服务，也要存在于车端应用。值得一提的是，腾讯联合多家生态伙伴，共同建设的高精地图数据体系，能够结合实时的交通流信息，保持地图的"鲜度"，为自动驾驶车辆提供更精准、及时的地图支持。

作为国内互联网科技的最大玩家，腾讯为车企提供自动驾驶技术方案的同时，也带着量产可行性的深度思考。针对传感器成本过高的问题，腾讯采用多传感器融合定位的方法，提高整个系统的性能，降低成本，从而促进自动驾驶车辆早日落地。

决策执行是第二步

人类驾驶员可以分新手和老司机，而能够上路的自动驾驶车辆却必须是"老司机"。

自动驾驶车辆经过怎样的磨练才能成为老司机？根据兰德智库的说法，一套自动驾驶的系统需要经过110英里（约170-180亿公里）的验证才能达到量产应用条件，如果进行实地测试需要消耗大量的人力物力财力。因此，另一套高性价比的测试方法显得至关重要，也就是自动驾驶仿真模拟系统。

仿真模拟系统，在虚拟世界中不断模拟现实道路交通状况，并且不断更新虚拟的场景，帮助自动驾驶系统不断积累丰富的行驶经验，学会应对各种复杂路况。这套听起来跟游戏中虚拟城市很像的系统，在开发过程中的确需要一部分游戏技术，而擅长开发和经营游戏的腾讯无疑从中受益颇多。

基于在游戏方面的大量积累，融合云平台、高清地图、三维重建等技术，以及部分交通流的技术，腾讯打造了一个名为TAD Sim的仿真系统，集成了工业级的车辆动力学模型和专业的渲染引擎，辅以三维重建技术和虚实一体交通流，可以完成感知、决策等闭环的仿真验证。借助这套工具，自动驾驶系统可以通过线上测试完成向"老司机"的进化。

TAD Sim多天气多时段仿真

目前可以上路的自动驾驶车辆，只有一些测试车辆及具备辅助驾驶功能的产品，距离真正解放双手双脚还需要一段时间，根本原因在于自动驾驶在实施感知、决策、控制的过程中，对复杂环境的接收和处理仍需要不断学习和完善。

为使自动驾驶系统能够如人类驾驶员一样应对开放环境中的各种复杂路况，包括车企、互联网公司、政府机构等都在积极努力和推动。今年年中，宝马中国与腾讯达成合作，双方共同建设中国高性能数据驱动开发平台，该平台可针对中国复杂多变的驾驶场景进行分析处理，助力宝马根据中国实际需求研发出更加符合本土市场的自动驾驶技术和产品。

在自动驾驶的实现过程当中，既需要腾讯这样的科技企业的持续参与，也需要车企和道路管理运营部门的推动，共同去实现人类历史上的下一个出行方式的新阶段。

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: