l3|造自动驾驶卡车，这家公司玩真的( 二 )

作为DeepWay的“双亲”之一，百度为其提供了Apollo自动驾驶算法的白盒授权——直接将源代码开放给DeepWay并允许其进行修改，自然显著加速了研发进度。
田山向车东西透露，百度给deepway的这套代码是全网唯一的一次白盒授权，可实现L3自动驾驶能力，通过功能升级和数据迭代可最终实现L4级自动驾驶。

文章插图
DeepWay团队进行自动驾驶路测
根据授权协议，Apollo团队后续会负责修复Bug但不负责算法迭代，后者需要由DeepWay基于路测数据自行完成。
虽说是基于百度自动驾驶技术算法演化而来，并且还是给乘用车提供的，但这并不代表没法用它打造L3级自动驾驶卡车。
“从业界普遍观点和我们的具体分析来看，乘用车和商用车可复用的部分超过70%。”田山向车东西解释道，“越是前端感知，复用百度的技术就会越多。而感知这样的能力，恰恰又是百度的最强项。”
田山的说法不无道理。不管是从传感器还是从背后的深度学习技术来看，感知系统放在卡车上和放在乘用车上没有本质区别（仅是布置位置和所需的感知距离不同），并且要感知的对象也一样——高速上跑的也是车，种类还比城市里少。
两者的最核心差别主要体现在车辆的动力学模型上。
首先，载重卡车要拉货，车身重量动辄几十吨重。并且随着货物的不同，车重也会产生巨大变化，这意味着车辆的加速和制动时间与乘用车差别巨大，并且还会动态变化。
其次，载重卡车分为车头和挂车两个部分，两者用鞍座进行柔性连接。车头以一定的幅度转弯，车尾跟着转弯，但运动的轨迹与车头并不一致。
动力学上的两大核心差异，意味着自动驾驶算法在做决策规划和车辆控制时，都与乘用车有明显不同。这正是DeepWay要解决的核心问题。
他们首先组建了一支由清华、北理工等顶级高校车辆工程专业的博士/博士后，以及具备商用车自动驾驶研发经验的专家组成的团队，在现有公开的商用车动力学模型基础上，结合自己的车重预估算法、车头–挂车夹角算法（用以监测车头和挂车之间的相对姿态）搭建了自己的动力学模型。

文章插图
DeepWay的工作人员在调试设备
这里需要注意，测量车头和挂车之间的夹角是行业内的一个小难题，有公司通过在挂车加装IMU等传感器来获得这一数据，但这些做法无法适应实际的运输场景——在更换了挂车后就无法使用了。
所以最好的办法是用现有传感器，通过感知算法的模型去计算这一数据。DeepWay用毫米波雷达的反射强度进行数据拟合，以及摄像头的语义信息，叠加动力学模型，融合多传感器的输入，通过数据标注，建立计算车头和车厢夹角的数学模型，计算出角度信息，用来进行路径规划。
有了车辆的动力学模型和感知结果，就能做出决策规划为车辆画出一条正确的行驶轨迹了。接着再将轨迹信息转换成卡车的转向、加速、制动等执行器能够听懂的命令，就能让车辆自己开起来了。
三、软硬件天作之合挑战业内最快响应时间百度的自动驾驶算法解决了大部分感知和规划问题，DeepWay自行解决了车辆控制问题，那么它的控制算法做的怎么样呢？
田山告诉车东西，现阶段改装的测试车横向距离控制精度为20cm左右，纵向速度控制精度则在2km/h。
这一水平与头部自动驾驶卡车公司的水准一致，但在田山看来这还远不是DeepWay的全部实力。
作为除特斯拉以外，全球为数不多自己造车的自动驾驶卡车公司，待自家车型下线后，DeepWay在软硬件匹配上有着无可比拟的优势。