“加州‘在家隔離’強制執(zhí)行令發(fā)布后的3個小時，對輕舟智航來說是難忘的3個小時。”

硅谷時間3月16日下午4點23分，公司聯(lián)合創(chuàng)始人、CEO于騫收到了加州相關(guān)政府發(fā)布的正式強制性命令，要求所有居民必須在家隔離，除非采購食物，就醫(yī)或者其他緊急情況才允許離開住所。該命令于當天午夜12點生效。

也就是說，留給輕舟智航進行試乘直播活動的時間只有8個小時了。

于騫第一時間聯(lián)系了硅谷風(fēng)險投資BoomingStar Ventures管理合伙人Alex Ren作為第三方見證者，在當天晚上7點多緊急錄制了路測視頻。時間緊迫，團隊必須一次性成功完成錄制。

幸運的是，測試車按照圖上的路線順利完成了Drive-through場景挑戰(zhàn)。

在北京時間3月21日，輕舟智航將該視頻搬到了線上分享會上。可以看到，圖中車道比常規(guī)的單車道更窄，對定位和控制的要求都比較高，如果橫向定位和控制不精確，就會軋到路沿或蹭到建筑物；而如果縱向不準，就會對不準點餐窗口；其次，在出口處便是停車場，是非結(jié)構(gòu)化道路，要應(yīng)對人車混雜的情況，還要通過無保護右轉(zhuǎn)進入道路主路。最有挑戰(zhàn)性的一點在于，這里是正常營業(yè)的地方，不像開放道路可以重復(fù)進行路測。

作為核心感知算法和地圖專家，于騫將首次成功上路的經(jīng)歷歸因于團隊前期大量的仿真測試。

大規(guī)模智能仿真系統(tǒng)及可自主學(xué)習(xí)決策規(guī)劃框架的技術(shù)路徑，正是無人駕駛公司輕舟智航的核心優(yōu)勢。在分享會上，于騫比喻這種獨特的技術(shù)路徑是建立“自動化規(guī)模生產(chǎn)的工廠”：“相比傳統(tǒng)的‘造梯子’路徑，更像是在‘造火箭’。”

自動駕駛的長尾效應(yīng)

創(chuàng)業(yè)之前，就任Waymo感知關(guān)鍵模塊的機器學(xué)習(xí)算法研發(fā)負責人的經(jīng)驗，對于騫的影響是潛移默化的。

在他看來，加州車管局（DMV）每年公布的接管里程數(shù)（MPI）指標，如果直接拿來對比毫無意義。相反，如果把同家公司的接管率在時間維度上進行橫向比較就比較有意思了。

以總里程數(shù)和里程覆蓋的多樣性都比較受業(yè)內(nèi)認可的Waymo為例，當比較Waymo在2018年和2019年的接管類型時，我們會發(fā)現(xiàn)：感知所占的比例明顯變多了，從25%升到了47%。

這是不是意味著Waymo的感知能力下降了呢？

“并不是。”

從絕對MPI來看，Waymo無論在感知還是運動規(guī)劃上都有了進步。從整體比例的變化可以看到，感知占的比例上升，更多是由于規(guī)劃決策造成接管所占比例下降的緣故。這就意味著該公司在規(guī)劃決策方面有了很大的技術(shù)進步，而這也離不開其大規(guī)模仿真測試。

這就給了于騫出發(fā)創(chuàng)業(yè)的靈感。

這位工程師逐漸意識到，長久以來，感知都是一個比較確定性的問題，業(yè)界對其測試和評價標準都是非常明確的，整體方法論也很清楚。也正因如此，大家開始把注意力集中在規(guī)劃決策技術(shù)上，將其視為目前最具挑戰(zhàn)性的問題：

首先，技術(shù)不確定性難以衡量；其次，行業(yè)里占主流位置的規(guī)劃決策方法論，整體上看與20年前相比并沒有大的突破。而模仿學(xué)習(xí)或強化學(xué)習(xí)的方法，在大規(guī)模實際應(yīng)用時也仍然存在眾多問題。

這似乎解釋了為何無人駕駛遲遲無法落地：“自動駕駛技術(shù)存在突出的長尾效應(yīng)，技術(shù)上已經(jīng)解決了90%的問題，但剩下的10%卻可能要花費同樣多甚至更多的精力，這10%包括很多邊界化難題?！?/p>

除了需要收集大量數(shù)據(jù)之外，更重要的是建立自動化生產(chǎn)的工廠，將源源不斷收集來的有效數(shù)據(jù)，通過自動化的工具，加工成可用的模型。

后來，這成了輕舟智航應(yīng)對自動駕駛行業(yè)存在的長尾效應(yīng)的解題方法。

仿真軟件大都“華而不實”

 “我們認為仿真是達到規(guī)模化無人駕駛技術(shù)的唯一路徑?！陛p舟智航的另一位聯(lián)合創(chuàng)始人汪堃與于騫達成了共識。

目前市面上有許多仿真軟件，最流行的是基于游戲引擎開發(fā)的仿真軟件。從界面的角度來說，其比較好看，像一個模擬城市，場景很真實。

然而，輕舟智航卻拒絕了這種“華而不實”的主流方式。他們的仿真軟件界面十分簡單，拋棄了復(fù)雜的渲染工作，僅僅保留了感知結(jié)果，包括3D Box和雷達點的疊加，希望以此達到低成本、靈活性、可拓展性和可衡量性。

從其展示的兩個應(yīng)用演示視頻可以看到，一方面，借助仿真及相關(guān)工具鏈，能形成高效的數(shù)據(jù)測試閉環(huán)，支持算法的測試和高效迭代，取代堆人或堆車的方式。另一方面，只有經(jīng)過大規(guī)模智能仿真驗證過的軟件，才能夠保證安全性和可用性。

在過去一年的起步階段，輕舟智航不希望通過見招拆招的方式進入到某個具體的小應(yīng)用場景，變成一家靠堆人來解決問題、無法規(guī)?；墓こ坦?。而是專注于“修煉內(nèi)功”，在做到主線夠深入、橫向可擴展之后，再以輕、快的方式實現(xiàn)真正的無人駕駛。

展開來說，團隊首先借助仿真及相關(guān)工具鏈，形成高效的數(shù)據(jù)測試閉環(huán)，支持算法的測試和高效迭代，取代堆人或堆車的方式；其次，只有經(jīng)過大規(guī)模智能仿真驗證過的軟件，才能夠保證安全性和可用性。

公司旨在將有效數(shù)據(jù)、智能仿真系統(tǒng)以及決策規(guī)劃框架這三點視為推動技術(shù)向前轉(zhuǎn)動的齒輪。借助大規(guī)模智能仿真系統(tǒng)和可自主學(xué)習(xí)決策規(guī)劃框架，最終最大化地利用有效數(shù)據(jù)，大幅降低測試成本，提升開發(fā)效率，保證解決方案的可拓展性。

按照官方說法，這家來自美國硅谷的無人車企業(yè)，是在以這種“非主流”的方式打造一個適應(yīng)城市復(fù)雜交通環(huán)境的“老司機”。