这一次，百度反超了Waymo( 二 ) 车东西（公众号：chedongxi）作

文章图片
▲通过无红绿灯路口
百度汽车机器人部总监徐宝强告诉车东西，根据百度Apollo在中美实际测试数据来看，两地测试区域内交通障碍物的数量有明显的差距，而测试城市往往是该国家最具代表性的区域，所以估算出中国道路的参与者和复杂度是美国的15倍。
由此可见，百度Apollo虽然已经在商业落地追平Waymo ，但百度Apollo面对的场景更难，技术含金量更高，一定程度上反超了行业老大哥Waymo 。

文章图片
▲车辆进行右转
这里问题来了，今年4月初， Waymo还向其旧金山员工开放了车内无安全员的Robotaxi服务，百度Apollo车内副驾还有安全员，那岂不是还落后于Waymo？
答案并非如此。百度Apollo其实在更早的时候就让全无人车开始跑了。
去年10月，车东西也在北京首钢园区抢先体验了百度Apollo全无人Robotaxi 。乘坐过程中，车辆自主完成了掉头、变道、无保护左转等操作，整体行驶平稳，并且在遇到前方行人、违停车辆时，车辆能快速识别，通过按喇叭、刹车等动作完成自主避让。
按照徐宝强的说法，百度Apollo在技术上已经可以达到全无人的能力，待政策出炉后也可以在路上跑。

文章图片
▲车辆进行变道
那么，在百度Apollo追平Waymo后，到底谁先迈出全无人商业运营的第一步，现在来看百度Apollo的胜算可能更大。
二、数千人研发9年攻克多项技术难题
既然百度Apollo的Robotaxi面临路况明显比Waymo更复杂，那么百度Apollo团队是如何搞定的呢？
现阶段，自动驾驶技术可以简单分为三部分，分别为感知、决策规划、控制。
而随着车载感知硬件、感知算法的快速迭代，以及线控技术的不断成熟。所以相对而言，在复杂多变的城市路况中，决策规划就成为相对最难、最纠结的一部分。

文章图片
▲百度Apollo第五代自动驾驶套件
具体来说，感知就是通过各种传感器收集道路数据，然后通过感知算法让车辆知道自己四周是什么，距离有多远。而控制就是控制机构操纵车辆前进后退，左转右转。
所以，在感知和控制之间，就需要把感知信息进行处理并做出驾驶决策，然后传递给执行机构相应指令完成操作。
举个例子来说，人类驾驶员开车时经常会在环岛、无保护左转以及会车时，犹豫是否让行或抢行，而自动驾驶汽车也一样，上述场景可以算是在决策规划中最难处理的一部分。

文章图片
▲环岛博弈难题
对此，徐宝强告诉车东西，以环岛场景为例，首先会针对场景构建更精细的环境信息，比如更准确的障碍物朝向、灯语等，为下游提供更丰富的输入。
在决策规划层面，百度Apollo首先会以交规为基础，从交规中抽象出策略预期，保证驾驶行为合规；同时会使用学习型方法，用数据驱动的方式确定对各类交互障碍物的让超决策，然后通过理论计算的方式，通过一套安全框架保证行车安全；针对潜在的危险场景，还会通过防御性驾驶策略，进一步提升安全性。

文章图片
▲在路口与对向车辆进行博弈
整体通过这样的方式，使车辆驾驶行为预期可控、安全合规。