l3|造自动驾驶卡车，这家公司玩真的( 三 )

拿车辆控制来说，基于现有车型改装自动驾驶卡车，自动驾驶软件算法需要去适应原车执行器的控制逻辑——想直接控制车辆扭矩？对不起没接口，只能控制油门开度。而就算有部分车辆开放车辆扭矩控制接口，但对于挡位控制及换挡时机等也不一定能够通过自动驾驶域控制，不仅整体响应时间有损失，还不能更好的让车辆运行在经济区间。
并且最尴尬的是，执行器的控制算法/换挡策略等都是Tier1写的，一些车企自己都搞不清楚。自动驾驶公司就只能一点一点去摸索去测试，慢慢掌握车辆的脾气后才能搞出不错的车辆控制算法。
而DeepWay基于自研车型则完全没有这个问题。
其首款车型进行了全新的线控底盘设计，与供应商一起开发了核心线控部件，以更好的适配自动驾驶功能。其全正向开发的目前商用车上最先进的千兆以太网+域控制器的EE架构赋予了车辆更高的通信带宽和速率以支持自动驾驶高算力、大数据量传输、快速响应的需求。
正是有了全球独一份的软硬件“天作之合”，DeepWay才敢在官网放出“从感知到执行响应时间小于100ms”这样的豪言壮语。
要知道，国内主流卡车自动驾驶公司（包括DeepWay在内）改装的L3/L4的自动驾驶卡车，从发现目标到执行相应动作这一过程中，响应时间普遍需要数百毫秒——由此可见DeepWay的技术之强。

文章插图
DeepWay团队进行自动驾驶路测
“不可能，绝对不可能。”一位自动驾驶业内人士听到100ms的说法后，直接给出了这样的评价，“激光雷达转一圈都还得几十毫秒呢。”
DeepWay的系统显然不能违背基本的规律，田山也向车东西做出了进一步解释。
“激光雷达的扫描确实需要时间，但我们是基于连续帧来进行目标感知的，不需要等待一个完整的扫描周期。”田山说道，“规划部分也不是时时刻刻都需要画出完整的曲线，很多时候是增量曲线（耗时更少）。我们还建立了快捷通道，某些感知结果可以直接触发安全策略，不需要进行决策规划的计算，直接进行车辆的控制，极大提高安全性能”
自动驾驶系统响应过程中最耗时的是计算环节。但别忘了DeepWay的系统内总计有4颗TI的TDA4——不同芯片连接不同的传感器可以并行处理。再加上干线物流应对的场景要比城市简单，障碍物信息相对较少，DeepWay还能对深度学习模型进行了一定的压缩，最终软硬件一起努力减少了响应时间。
最后需要说明一下，DeepWay这里所说的100ms需要未来自家量产车线下后才能实现，而非基于改装车测出的结果。
四、狮桥强力助攻起步就自带场景基因眼下自动驾驶产业已经走过了研发测试阶段，不管是Robotaxi、Robotruck，还是无人配送车、无人清扫车、无人集卡等车型，都在逐步实现量产落地。
这一过程最重要的就是融入场景，让无人车真正提供价值（比如运货），并且在提供价值的过程中解决遇到的真实问题，进行技术迭代。
如果把百度比作DeepWay的“技术爸爸”，那另一个股东狮桥集团则堪称“场景妈妈”。
作为“货运版的滴滴”，狮桥集团一边连接了3.7万+中小微物流货主，另一边连接60万+社会运力，覆盖全国5.9万+条线路，通过智能匹配促成交易。截止今年12月，狮桥共匹配承运414万个订单，涉及运费达384亿。
狮桥的入局，让DeepWay从成立第一天起就自带场景基因，能够在多方面获得竞争优势。
首先，数据能够描述出真实的货运场景，指导DeepWay进行车辆和自动驾驶技术研发，又能对其进行实际验证，保证研发出来的自动驾驶卡车能满足真实场景需求。