02 造一個“虛擬司機”

過去一段時間，業(yè)內曾為“實現(xiàn)自動駕駛的最優(yōu)路線”而爭論不休。對此，樓天城不以為意，在他看來，目標比路徑重要得多：“方向和戰(zhàn)略才是公司之間的本質差別�！�

作為無人駕駛的擁躉，小馬智行的目標就是打造虛擬司機（Virtual driver）——自動駕駛大腦。

去年4月，小馬智行宣布進軍自動駕駛貨運領域�！白笫诌\人、右手運貨”，其背后的邏輯是先切入人類出行兩大領域，進而打造能駕駛多種車型和適應多樣路段的虛擬司機。

在小馬智行看來，RoboTaxi和自動駕駛卡車是相互促進的關系�？刂品矫�，后者能反哺前者的控制精準度；視覺方面，雙方則可以共同進行訓練�；�于乘用車領域的技術積累，小馬智行僅花費16周的時間就完成了自動駕駛卡車的原型車驗證。

“此前的技術積累讓虛擬司機擁有適應不同場景、路況、車型的能力�！蹦�璐怡表示。她口中的技術積累是小馬智行在全球多地路測過程中實現(xiàn)的。

“更多復雜的交通及天氣場景，能夠更好地覆蓋長尾場景。只有在復雜場景中，我們才能收集更多數(shù)據(jù)，為無人化和規(guī)�；�提供重要技術支持�！睒翘斐潜硎尽�

2018年進入廣州路測前，小馬智行的主要測試陣地為常年陽光明媚的加州，雨水場景數(shù)據(jù)收集十分有限。在廣州的500多天測試中，接近半數(shù)為雨天場景。

為了適應廣州天氣，小馬智行在軟硬件方面都進行了改進：其自研的自動駕駛傳感器清潔系統(tǒng)可在下雨時自動觸發(fā)；該公司還借助深度學習模型，優(yōu)化了多傳感器深度融合技術，以規(guī)避單一傳感器短板。如今，其已經(jīng)能夠避免雨水對激光雷達、高精度攝像頭等傳感器精準度的影響。

廣州只是小馬智行多地路測情況的一個縮影。目前，該公司已在弗里蒙特、爾灣、廣州、北京、上海五個城市進行測試。

“北京有非常繁華的主干道和無保護左轉路口，廣州南沙的特點是人車混雜，美國加州的車速較高。而即將測試的上海有著狹窄的道路、巨大的車流量。”莫璐怡介紹道。

各具特色的路測場景，為小馬智行的自動駕駛系統(tǒng)提供了豐富的訓練場地。而為了確保安全，小馬智行在正式路測前還要經(jīng)過多層流程。在總結、歸納問題后，研發(fā)者會提出創(chuàng)新解決方法，再經(jīng)過代碼和設計審查、仿真環(huán)境大量測試等環(huán)節(jié)之后才能“上路”。“要形成技術迭代的全閉環(huán)。”楊哲道出多流程的核心目的。