易航智能陈禹行：渐进式路径看到无人驾驶量产曙光｜量子位·视点( 四 ) 视点发自凹非寺量子位|公众号

我举个例子就是我们公司成立了两三个月之后，我们就可以让车在路上沿着车道线自动来行驶了，但是我们把自动驾驶实现到量产，最终还用了大概2-3年的时间。
再举个例子，我们很多人都知道自动驾驶有一个拨杆并线的功能，就是我们打转向灯，然后就能并到旁边的车道里。这么一个简单的功能，我们可能就要做大量的工作，因为有的转向灯可能是机械的，里边会有一些频繁的震荡，我们需要解决它到底是开还是关的震荡。
还有比如说我们有的驾驶员拨转向灯的时候，分不清左右，他可能想往左侧并线，但拨的是向右的转向，车行驶了一半，又发现他拨错了，需要从右边直接拨到左边。这种情况是非常复杂的，我们要解决自动驾驶量产，就必须把这里边所有可能遇到的问题都解决掉。
所以，我们觉得以场景为核心的自动驾驶技术，从ADAS到NOA再到FSD的量产，它不但是能力的提升，它也解决了自动驾驶量产难题，积累了宝贵的量产经验。就像刚才说到，做量产会遇到很多意想不到的情况，整个周期也会比较长。
那么怎么加速这个过程，怎么样能让自动驾驶快速地落地量产呢？我们觉得全栈自研是必须要具备的能力，主要是有这么几个原因：首先我们觉得目前自动驾驶系统是一个软件和硬件高度耦合的系统，在研发过程中，我们遇到的问题其实很难简单地归因于是软件的问题还是硬件的问题，而是需要软硬件系统相互配合，来最终达到功能的实现。

文章图片
全栈自研就能提升我们软硬件匹配包括集成的效率，来加速实现量产。
举个例子，我们研发域控制器的时候会进行振动实验，过程中会把振动的强度放到比国标、包括比客户要求的指标更严苛的状态下。在这种非常剧烈震动的时候就会发现，摄像头和控制器中间的连线，包括接插件可能有一些闪断，那么这个就会导致这套系统里面的图像传输发生停滞，停滞以后图像有可能就回不来，后边很多的处理就会出现问题。
对于这样的一个问题，如果说软件和硬件是分离开来开发的话，软件的工程师可能会觉得这是接插件的问题，需要硬件的工程师去找一个可以满足这种震动实验条件下、不发生脱离的接插件；而硬件的工程师觉得，现在行业里边找不到一种在任何条件下都不会有闪断的接插件，需要软件来解决。
在很多情况下，软件和硬件工程师因为角度不一样，就会遇到这种现实的问题，所以我们必须得让软件工程师和硬件工程师在一起讨论这个问题，只有在系统的层面把这个问题解决，我们才能更好地开发出一套自动驾驶的控制器。
第二，为了实现更好的驾驶体验，感知和规划控制也需要高度耦合。感知和规控共同决定着自动驾驶的用户体验，所以我们要实现这种“1+1>2”的效果，也需要两个算法在一起持续地优化，而不是只侧重于某一方面。比如，非常远距离的感知，一辆车离我们很远的时候，测距测速不可避免的误差会变大。
那么对于这种情况，我们如果想让最终的感受比较好的话，我们就需要感知和决策控制所有这些算法的环节，一起优化这个问题。即使测量的精度有一些变化，我们还需要最终的控制把这个问题给解决掉，让人坐在车里面感受不到误差。
最后，我们觉得全栈自研也是服务客户的一个需要，因为自动驾驶它其实是一个系统工程，那么我们只有整个技术都“趟”过一遍才能掌握系统工程能力，我们也才能根据用户的需求提供定制化的解决方案。