自动驾驶技术发展到现在，「仿真」已经成了落地量产的关键技术。但在技术刚刚起步的国内市场，很多仿真系统都无法真正应用于自动驾驶实践。
轻舟智航成立于2019年3月，团队背景强大，联合创始人基本都来自Waymo，他们从Waymo、特斯拉、Uber ATG、福特、Faceboo等世界顶级自动驾驶公司和科技公司组成了核心团队，致力于用「真正能用起来的仿真」将无人驾驶带进现实。
落地进展方面，成立一年多便已经在苏州示范运营了L4自动驾驶方案的无人小巴Robo-Bus，预计两年内拿掉安全员。
撰文 | 徐丹
「我们的愿景是将无人驾驶带进现实。」
说出这句话的是一家成立仅一年多的自动驾驶公司「轻舟智航」，团队核心成员几乎都是从Waymo「出走」的华人，2019年看见了国内自动驾驶市场潜力，归国创业。
如今已经完成了两轮融资，4月获得IDG资本等数千万元种子轮融资，10月获得联想创投Pre-A轮融资。
将时间倒回到两年前，2018年11月Waymo CEO约翰?科拉菲克（John Krafcik）对《华尔街日报》「诉苦」说目前自动驾驶技术还无法达到L5级，据其普及还要几十年，「这种技术真的太难了。」
一句话掀起了国内关于自动驾驶寒冬的讨论浪潮。如果在那时谈起「落地自动驾驶汽车」，必定会引来不少市场质疑，毕竟当年包括Mobieye、图森未来、景驰科技在内的不少公司都提出过年内量产的目标，均不了了之。
但在今年，市场开始有了一些变化。Robotaxi相继在城市中试运营，无人快递车逐渐落地校园、园区，轻舟智航的无人小巴也已经落地苏州，自动驾驶似乎在离我们越来越近。
「自动驾驶的发展很像是一条曲线。2017、2018年属于高峰点，社会和资本的期望都比较高，结果现实和期待很远，2019年曲线开始往下落。
目前我们正处于第二波快速发展阶段，相比第一波的玩家，现在的市场更加务实。」轻舟智航联合创始人汪?说。
在一个更加理性的市场，一个带着Waymo基因的初创公司要如何将无人驾驶带进现实？
一 「仿真是实现自动驾驶的唯一路径」
在回答这个问题之前，首先要弄明白实现自动驾驶的技术路径。
众所周知，自动驾驶的技术链条极长，总结下来包括定位、感知、规划决策、测试。
业界最早是从地图和定位开始做起，给车提供一个行动指南，让它们知道自己在哪。
高精地图应运而生，其能够对现实场景进行数字化复刻，作为自动驾驶车辆通过传感器获取信息的补充。目前这一市场已经有百度、四维图新、高德等众多玩家入局。
定位之后是感知，这也是业界着力最多，讨论最多的板块。近几年激光雷达、毫米波雷达、视觉摄像头以及相关算力已经有了非常快速的发展，感知雏形已经具备，但尚未成熟。比如雷达等传感还未量产，价格昂贵，融合多个传感器所需要的算力也有很多厂商不具备。
有一种错觉是，传感器的成熟就代表着自动驾驶的成熟，但实际上还差的很远。
当感知研究的差不多，业界开始把目光放到规划决策时便会发现，这一环节一点都不简单，甚至更困难。
感知只是能让汽车「看到」周围环境，但上路时环境非常复杂，除马路、信号灯等固定信息外，还有不确定极强的车辆、行人、障碍物，需要汽车有「脑袋」做出决策。
提升决策能力的关键就在于建立完善高效的人工智能模型与拿到大量真实有效的路测数据。仅在「路测」数据这一环就能难倒大多数自动驾驶厂家。
先抛开路测所需的硬件、司机、传感器等成本不谈，根据兰德智库的评估，真正的自动驾驶系统想要达到量产应用条件，至少需要经过110亿英里（约170-180亿公里）的道路验证。
以此为基准，就算100辆自动驾驶车辆24小时不间断的进行道路测试，积累数据所需要的时间也是以「百年」为单位。
目前路测里程最长的特斯拉自动驾驶，2015年至今启动状态下的里程也才到30亿英里。
并且这其中还存在一个恶性循环，自动驾驶性能不够车辆在市场上出现的就少，出现的少就不利于路测。
所以，「仿真测试」出现了。
所谓仿真测试，一言以蔽之就是通过模拟真实环境和构建汽车模型，找出自动驾驶过程中可能出现的问题。
首先环境模拟。天气是影响传感器感知的一个重要因素，仿真系统可以通过调节云层阴影、光照变化、雨雪量等来测试不同气候条件对传感器影响。
其次路况模拟。汽车停车、变道、超车，行人过马路、雨天打伞等复杂情况都可在仿真器中重建。
比如在仿真环境中汽车行驶至路口，工程师可以通过编码在路口放两个欲走不走的行人，测试汽车是否能正常通过，如果不能便根据发现的问题做方案迭代。顺利通过之后，可以将环境调整的更复杂，比如车道更窄，更多不守规矩的车辆和行人等继续测试。
相比实际路测的里程限制，仿真测试只需要一台电脑和GPU便能24小时工作，路测里程大概1000倍于实际里程，成本仅有路测成本的1%。
并且，实际路测遇到极端情况是小概率事件，且不安全，而仿真系统可以模拟众多极端情况，保证在实际路测前有充分验证。
此外，开发自动驾驶软件时，每一天都存在大量代码更迭，不同版本代码优劣性也很难通过实际路测比较，未来在评估软件是否达到量产水平时，仿真会是主要的测试评价技术。
回看业界，特斯拉算是一个异类，从低等级自动驾驶做起，实打实的通过几十万辆车收集路测数据，而从高等级自动驾驶做起的Waymo一直将仿真作为研发的一部分。
国内厂家在走过了之前的技术路程后，也意识到要将自动驾驶带进现实不能没有仿真测试。所以今年不少大厂都推出了自己的仿真测试软件。
从Waymo走出的轻舟智航也正是将仿真测试作为自己的核心能力，其联合创始人、COO汪?硕士毕业于北大，曾于Waymo仿真团队负责仿真系统和系统架构，他2013年在Google中国实习，2014年入职Google，是直接从Google中国进入Waymo的第一人。
其余三位联合创始人于骞、侯聪、大方也都出身于清北，后供职于Waymo，在Waymo相识决定创业。
二 真正能用起来的仿真
虽然已经有很多公司都意识到了仿真测试的重要性，但在汪?看来，国内的仿真测试还属于刚刚起步的阶段，经验不丰富，技术并不成熟。
比如，很多厂家将重点放在了「真」，用游戏引擎、AR等技术渲染出非常漂亮、真实的虚拟城市，但实际上环境的真实与否对感知、测试效果的提升是很有限的。
并且基于游戏引擎开发的仿真器会消耗大量额外计算资源做图像渲染，成本高，不利于大规模应用。
最重要的是，仿真系统除了要提供虚拟环境测试车辆性能外，还要能准确重复真实路测场景中遇见的问题，回放当时的数据，验证问题是否已经解决，用专业名词来说就是要有「确定性」。
但是，基于游戏引擎等第三方软件开发的仿真器是与自动驾驶软件开发相互独立的，数据并不相通，很难保证各个模块的确定性。
也就是说，测试归测试，驾驶归驾驶，如果我在行驶过程中出了事故，并不能保证改进后的软件不犯同样的错误。
这些也正是轻舟智航仿真系统的独特之处。
首先，界面很简单，抛弃了复杂的渲染工作，仅保留了感知结果，包括3D Box和雷达点的叠加。用比较轻的技术模式减少成本。
其次，轻舟智航的仿真架构系统是全模块的，分为5层：
底部是自研的Car OS，这是一个底层通讯系统，能保证各个模块之间的高效通讯；上一层是核心仿真器及评估器，值得注意的是，仿真评估器是基于Car OS的接口开发的，这就能使仿真测试系统与自动驾驶系统互通。
一旦系统互通，除了能够保证确定性外，还可以将测试应用于日常其他技术模块的开发流程中。「我们一开始就将仿真测试平台作为关键核心能力，与其他模块一同建设起来，使开发达到了十分高效的状态。」于骞说。
仿真评估器可以分为5类：安全评估、真值评估、法规评估、舒适度评估、状况评估。
仿真器上一层是仿真周边工具链和基础架构，可保证整个数据闭环的有效性；第四层是大规模场景库构建；最顶层则是分布式系统仿真平台，支持快速、大规模的仿真应用，在短时间内得出正确评估。
三 渐进的落地模式，从无人小巴开始
依据核心仿真测试技术，成立不久的轻舟智航已经在苏州示范运营L4自动驾驶方案无人小巴Robo-Bus。
前文提到，处于第二波自动驾驶浪潮中的玩家相比于前两年变得更加理性和务实，这种特质从落地方式上可见一斑。
「以前大家太容易乐观，都会往看上去市场很大但非常难的地方落地。现在大家会看得更清楚一些，也更务实。」
比如，一些厂家在落地自动驾驶之前会将末端物流场景作为「练兵场」，先做在封闭园区中行走的无人快递车。Robo-taxi相比于私家车也是更保守的落地形式，因为行驶路线比较好固定。
并且，现在也不会过多强调「单车智能」，而是用「车路协同」的方式，车和路相互感应降低单辆车的技术成本。
轻舟智航选择的无人小巴是一个更加渐进的方案，主要应用于固定的中低速场景，行驶在苏州高铁新城发布的全球首条城市微循环Robo-Bus市民体验路线上，运行速度为20km/h-50km/h。
这是一条开放性道路，总长度超过4公里，沿途设置了8个站点，从苏州北站始发，途经相融大厦、电竞馆、江南大厦等多个站点后返回苏州北站，单向循环行驶发车。线路串联起苏州高铁新城的核心交通枢纽、商业办公区、购物中心、居民小区等地。
苏州市相城区城市微循环Robo-Bus市民体验线路
「相对固定化就意味着可以更早的实现真正的无人化。」汪?表示，轻舟智航预计两年内就可以拿掉安全员。
在商业模式上，小巴属于2B、2G业务，用户不需要直接为之买单，可以更早的在商业上落地。而对于资本积累并不雄厚的创业公司来说，一个有助于打「长久战」的盈利模式非常重要。
目前，轻舟智航以免费的方式定向招募了一些有乘车需求的「早鸟」，比如附近便利店、工地、商超等地的工作人员，他们每天都需要乘坐小巴往返工作场地。据轻舟智航介绍，大多数人对无人车的反应是「平稳度非常高」。
汪?表示，轻舟智航今年已经实现两位数的商业化订单，明年计划三位数左右。目前也已经在和一些车企接洽生产无驾驶室的版本的无人车。
而在Robo-Bus之后，未来的落地场景也可能会逐渐拓展，比如物流、RoboTaxi等。
「要在自动驾驶赛道长久生存下去，企业必须要有高效率。」汪?说，轻舟智航的整个运营模式都非常的轻且高效，目前公司整体不到百人，研发人员占比80%以上。很多都来自Waymo、特斯拉、Uber ATG、福特、Faceboo等世界顶级自动驾驶公司和科技公司。
今年轻舟智航计划招聘目标将近百人。「不管是业务还是人员管理，我们都尽量利用自动化工具和技术。」
四 车路协同，「让自动驾驶安全落地最有希望的方式」
放弃Waymo的优厚工作回国创业，汪?主要是看见了国内自动驾驶市场的潜力：
在车路协同（V2X）的支持下，中国可能比国外更快的实现商业落地。「觉得再不参与就晚了。」
未来车路协同的理想状态是将红绿灯、汽车、灯杆、马路等都联网，以数据打通为基础，通过智能后台对车流和路人进行合理的时间和空间调度。
单车智能要做到完美感知成本非常高且非常难，比如在有红绿灯的路口，阳光直射的情况下感知效果就不一定很好。但车路协同就可以让车和信号灯直接连接，弥补感知的缺陷。
不过目前车路协同仍然处在非常早期的阶段，距离部署完成还需要一段非常艰难且长期的路程。将全国的车路打通需要部署和处理的数据庞大到超乎想象，且目前也没有一个可以协调各方利益的数据传输标准。
汪?认为，虽然当下有很多困难，但车路协同依然是「目前看来挺有希望的自动驾驶更快更安全落地的一种方式。」
当下车路协同还处在逐渐部署设备的阶段，但从技术发展大趋势看，未来肯定会实现。
对于未来无人驾驶落地情况，汪?预测，「未来2～3年内会有一些比较容易的场所落地，更复杂一些的场景会需要3～5年或者5年以上的时间。」
迎 访问 A i中国网(cnaiplus.com)
