《落地之路》读后感：关于无人驾驶
一、基本情况介绍
高精地图：HD：High Definition
适用场景：ODD: Operational Design Demain
路测：开放道路测试 （Public Road Test）
封闭道路测试：Closed-course test
介入：Disengagement
无人驾驶的4个核心概念：适用场景、路测、介入、验证
无人驾驶结合了计算机视觉、路径规划与控制、行为预测、定位与绘图、仿真、人机交互等技术
普遍意义上的无人驾驶：L4级别（来源：SAE 国际汽车工程师学会），高度自动化，踏板、转向装置无须安装的城市无人驾驶出租车。应用场景：运人、运货、导购、巡逻、保洁
介入频率（介入次数）：不同公司的介入数量差别极大，不太具有可比性，因为不同场景下不具有可比性，不同公司的介入计算标准不同，计算方法也不同
无人驾驶使用的地图和普通人类驾驶员使用的地图不同，无人驾驶要使用高精地图（10cm内的精确度，车道线、交通信号灯）
驾驶行为总结
看（Perception）、预（Prediction）、行（Drive in lane）、跟（Follow）、变（Lane change）
二、市场介绍
2.1 Main Player
1. 学习资料
无人驾驶免费数据：越来越多公司开始做开源（如：百度阿波罗）
2. 主要玩家
- 美国：Waymo、GM Cruise、Aurora、Zoox、Nuro、Uber、Nvida、Voyage、Drive.ai
- 中国：百度（国内无人驾驶领军企业）、滴滴、文远知行、蔚来、美团、京东、Momenta、拜腾、小马智行、小鹏汽车、图森未来、地平线、上汽集团、长安汽车
3. 判断一家无人驾驶公司好坏
1）了解该公司的产品路线图，看该公司是否只停留在概念产品阶段、而不去将产品落地
2）看管理团队的资质，有的AI团队重学术、团队的领头人一般从顶级科研机构，工作经验较少，更偏研发，可能不善于做产品落地；有的AI团队可能出身互联网，偏重运营，知道如何落地，但是可能缺乏核心技术
3）要分析公司的合作商，公司有了核心技术后，必须和汽车生产商合作，使软件和硬件整合，这样才能上路
2.2 核心竞争要素
AI技术大规模落地 = 技术 + 场景 + 时机
在各无人驾驶公司，无论是小型创业公司，还是Google这样成熟的公司，其实都在用类似的开源代码。 所以，场景决定了AI产品的方方面面，场景才是制胜法宝 （注释：不确定、也不相信这点完全正确，因为在我的认知里，技术才是制胜法宝）
三、无人驾驶产品深析
3.1 什么是场景？
1）适用场景（Operational Design Domain，ODD） ：无人车之所以有希望大规模落地，是因为近几年里适用场景得到了明显扩大，自2004年首届DAPRA超级挑战赛以来，无人驾驶的适用场景已经从当年的限定赛道发展到仓库、港口、园区，又发展到停车场、普通公路、高速公路，从晴天驾驶发展到雪天驾驶，从白天驾驶到夜晚驾驶，从探测障碍物到预测行人动作
2）至少50%的无人驾驶团队工程师，每天都在为场景工作 ，一个场景就像一个测试单元，测试的目的是验证在该场景中，无人车是否可以做到安全
3）详解：适用场景
a. 产品用途
产品用途层面的错误往往最难被发觉，例如，一些无人驾驶团队坚信自己可以在3年内作出网约无人车。但其实，外卖车可以比网约车更先落地，公司可以将外卖车视为网约车的踏板。这就需要strategy、pm帮助公司的管理层分析所有的战略可能性，定期审视公司的产品定位，提出合理的建议
b. 驾驶行为
驾驶行为定义：转向、泊车等行为（就是人类驾驶员那些行为）
PATH（UCB 研究机构）于2014年列出了无人驾驶需要的15种驾驶行为能力（driving behavioral competencies）：
进入无人驾驶状态前，对系统进行自主检查、对临近车辆+变道车辆+障碍物+行人进行探测并回应、对交通管制进行探测并回应（如红绿灯）、保持在车道线内、可以驾驶各种类型的路口（如环岛）、可以自动泊车、可以上下高速、可以对临时车道变更/施工路段进行探测
**=> 确定具体驾驶行为优先级的关键：**时间频次维度（某片区行人多还是车辆多）；地理位置（某片区隧道多还是环岛多）；场景本身危险级别
c. 具化场景
- 重要性 ：每类具化场景可以作为一个测试单元，所有具化场景测试通过之后，这类驾驶行为才算通过
- 解释 ：一个具化场景由4个方面描述：1⃣️无人车（车速、方向、与外界的沟通）、2⃣️对象、3⃣️静态环境（道路特征、交通管理标志）、4⃣️动态环境（天气、光照、信号强弱）
下面针对【对象】展开讲一讲：
– 【对象类型】：汽车、行人、自行车等成千上万种，这就体现了数据标注 （Labeling）的重要性，准确进行数据标识一直是很多无人驾驶公司难以攻克的一大难点 。比如，若将骑摩托的人标识为骑自行车的人，则影响precision；也有可能骑自行车的人，被其他障碍物挡住了，没有检测到，影响了recall
– 【对象运动特征】：包括位置、方向、速度、加速度、曲率等
– 【对象数量】：同一时刻，无人车需要处理的对象数量越多，需要的时间就越长，决策延时越长
人才需求：
- 追踪国内外广义机器人行业、自动驾驶行业不同场景落地进展，掌握行业发展趋势，
- 定期扫描核心标杆公司的变化情况，帮助管理层周期性了解行业进展及关键公司变化。
- 负责过无人驾驶、robotaxi、新能源汽车、即时配送和物流等方向项目的优先考虑。