無人駕駛落地的新場景,藏在社群通勤的最後一公里
一年前的此時,無人駕駛產業紛紛預測2019年將成為無人駕駛商用元年。
然而一年過去了,作為普通使用者的我們可能並沒有充分感受到無人駕駛與生活的結合。事實上,這一年間無人駕駛的產業化完成了大量推進,科技企業、傳統車廠與造車新勢力紛紛拿出了L4無人駕駛車輛的整車解決方案、量產時間表與商用原型。但產業基座的推進,畢竟距離可知可感的商用化還是隔離了最後一公里的距離。
這種情況下,或許很多人都在思考另一種可能:或許沒有必要苦等能夠完成駕馭高速場景與城市交通複雜路況的無人駕駛車輛,而是從低速、固定場景率先開啟應用。
這種探索模式,也有了可被解讀的案例。據央視《新聞三十分》報導,11月27日,實地集團在實地·廣州常春藤舉行了hachi auto無人駕駛通勤車開放體驗活動,向外界展示了社群場景內的無人駕駛通勤車解決方案與運營體系。
從hachi auto的案例細節裡,也許我們能夠看到無人駕駛在商業化之前,還可以做出哪些落地嘗試。比如在社群通勤,這個就在我們身邊的場景。
低速場景+實用化:作為無人駕駛觸發點的社群通勤
事實上,在谷歌將Waymo獨立出來之前的十年時間裡,無人駕駛到底在何時開始商用,一直都是谷歌無人駕駛團隊內部爭論的焦點。
一種思路認為,無人駕駛的商業亮相必須要從L4級別的真實城市交通開始,在此之前產業需要的就是大量路測和技術迭代。而另一種思路認為,無人駕駛無底洞式的研發,如果缺乏商業化的並軌支援,必然會拖垮創新能動性。
在深度學習技術觸發了無人駕駛新一輪技術成熟期之後,這個爭論的熱度持續高漲。目前來看,產業鏈和社會確實更偏向一邊商業,一邊繼續研發的無人駕駛之路。這也導致從2018年開始,無人駕駛專案紛紛開始佈局落地時間軸。
然而落地應該從何處開始呢?這個觸發點有兩種思路,其一是在有人操作的情況下,以L3或者高專注度L4的標準推動無人駕駛計程車應用;其二則是在園區、校園、社群等低速、固定化、不與外界接軌的交通環境中,實現無人駕駛車輛投入應用。
前一種思路,在今年已經出現了不少進展,但整體而言還是處在實驗性階段。而低速固定場景的無人駕駛車輛應用,則面臨另一個問題:如何讓安全可控與實際應用價值相結合?
相比於公園、景區等場景通行需求相對有限,無人駕駛車輛經常變為“嚐鮮品”。社群通勤,就在邏輯上自然成為了無人駕駛車輛投入商業應用的觸發點。
在社群生活裡,社群內外的通勤其實要消耗業主不少的時間,而往往通勤車需要長時間等候,相對不可控。而無人駕駛通勤車的出現,恰好可以有效填補這個問題。在場景可用和價值可行雙方面的驅動下,我們看到hachi auto已經邁出了關鍵一步。
進行時的hachi auto
社群通勤+無人駕駛的產業邏輯非常通暢,為何我們遲遲沒有見到社群種的無人駕駛車輛呢?
這裡有個重要原因,社群內的交通規則、道路規劃、基礎設施,以及人車行為等資料表徵,都與一般交通體系有較大差異。想要在這個領域實現無人駕駛車輛應用,必須既懂科技,又懂社群。
為填補這一空白,實地集團推出了hachi auto無人駕駛通勤車。
從外觀上看,hachi auto是一款頗具未來感的社群通勤電瓶車。其體型雖然不大,但卻具備了一套完善的無人駕駛技術體系。我們可以將hachi auto拆解成完備的AI演算法、感測系統、車路協同系統,來解讀無人駕駛通勤車的實現方式:
1、適配社群通勤的自動演算法體系。為了讓無人駕駛通勤車能夠在社群的複雜環境裡暢行無阻,hachi auto研發團隊為車輛內建了高魯棒性的自動駕駛演算法和穩定的計算平臺,結合3D障礙物目標檢測和速度估計,構建了深度學習的框架。
據瞭解,這套演算法已經過了累計超10萬公里里程的最佳化,使車輛能適應複雜的社群環境。在行駛過程中,可以敏捷感知行人或障礙物,從而完成車輛自動減速停車,並自動計算避讓路徑,繞過障礙物繼續前進。在狹窄的社群路段,hachi auto最佳化了倒車功能,能在狹小空間進行自動轉彎和掉頭,保證無人駕駛通勤車也具備高透過率。
2、完整的感知+定位體系。面對社群內複雜的建築物與路端特性,hachi auto配備了完善的感測和定位系統,來確保敏銳感知與高可控運營能力。hachi auto車身配備了四顆16線鐳射雷達,能夠同時兼顧車前方、車兩側和車後方全範圍探測。車輛還增添了單線鐳射雷達以及單目攝像頭,實現車身360度球形覆蓋式障礙目標識別。而車輛定位方面,hachi auto以3D鐳射點云為主、GPS為輔,實現釐米級精準定位。
在車輛投入社群運營前,並不需對社群環境進行改造,只需提前採集3D鐳射雷達點雲資訊,建立高精地圖,hachi auto就能透過自身感測器識別周圍環境和障礙物。
3、社群體系下的車路協同系統。車路協同是近兩年無人駕駛產業的風口所在,在社群場景種,車路協同對運營無人駕駛通勤車體系同樣重要。透過社群智慧協同交通網路,hachi auto可以與實地社群的智慧人居系統對接,從而實現人、車、路、後臺的高效協同,配以監控攝像頭、智慧電動門、中控系統,可以實時監控車輛狀況以及接駁路徑,提高行駛運營效率。
熟悉無人駕駛的朋友,不難發現hachi auto的整套體系完全是微縮版的無人駕駛應用系統。其內建技術邏輯,與城市交通種的高等級無人駕駛並沒有區別。只有嚴格遵循科技規律的“不打折”無人駕駛,才能在高可靠和快速應用間獲取平衡果實。
科技與生活並行,或是無人駕駛的商用原命題
從技術體系出發,或許我們可以再更多思考一個問題:為什麼是實地首先完成了無人駕駛通勤車的應用?
這個問題的答案,或許涉及無人駕駛商用的關鍵因素:無人駕駛並不僅僅是一種技術實現方式,它還是一整套運營體驗、場景洞察與人文關懷的結合。如果說優秀的車廠一定是技術和藝術的結合者,那麼優秀的無人駕駛一定是技術高度與體驗廣度的並行者。
例如說,在無人駕駛通勤車這件事上,雖然聽起來社群通勤場景並不複雜,但實際卻涉及業主體驗、運營效率、安全保障等方方面面的無人駕駛技術以外的問題。而這些問題的答案,來自於對社群環境和業主需求的理解。於是我們也許可以理解,為什麼是實地這樣一家地產與科技並重發展的企業完成了hachi auto。
無人駕駛通勤車的背後,是科技核心與科技外諸多領域的交匯。比如說hachi auto作為一種體驗服務與產品設計,包容了幾大方面的能力:
1、細緻周全的運營方案。很多無人駕駛專案都容易忽視使用者如何聯接到無人駕駛車這一關鍵問題,畢竟無人駕駛通勤車不能像司機一樣招手即停。而hachi auto則提早關注了人車關係的運營問題,業主可以透過手機APP提前約車,hachi auto將會到達預約的站點等候,自動行駛至設定的目的地。
後續發展中,業主還可以應用室內可視機、智慧鏡子等方式約車,滿足各年齡層的用車需求。此外,hachi auto還預計將運營線路將計劃與公交站點打通,進一步拓寬無人駕駛通勤車的應用場景。
2、嚴格而人性化的安全保障。享受無人駕駛時,業主最關心的顯然是安全問題。為此,hachi auto預設了不同場景的應急避險方案和安保裝置,確保突發情況得到快速響應;車載攝像頭配合社群的全道路24小時監控,讓業主在乘車全程都得到遠端監護。而hachi auto車上也又專業的禮賓員。他們確保業主安全,提醒業主相關的乘車注意事項。
3、以使用者為中心的工業設計。作為一種體驗的無人駕駛通勤,另一個關鍵點在於乘坐的舒適性與生活美學。為此,hachi auto在工業設計與乘坐感上下了一番功夫,透過流暢的車身線條設計配以景式的“太空乘客座艙”,讓業主在乘坐時感受到清晰的未來感。而簡潔的內飾和人體工學的座椅設計、符合流體力學計算的空調+新風迴圈系統、實時路線顯示的觸控式螢幕,則為乘客打造了舒適便捷的乘坐體驗。
透過交融生活體驗與智慧科技,讓hachi auto最終實現了無人駕駛與社群通勤的融合。而這個案例指向的,是智慧時代浪潮前,更多企業必須探索科技與實業的並行發展。懂產業懂運營,和理解科技發展科技必須並行不悖,無人駕駛的商用化如是,全場景智慧生活的每一個細節也如是。
科技需要與生活並行,未來更願意把自己交給有兩手準備的人。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/31561483/viewspace-2666401/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 無人駕駛的落地,是一場AI與人的博弈AI
- 解決最後一公里?英國推出無人駕駛汽車步行區域開放
- 場景名片+人脈+社群
- 如何走好資料庫信創落地“最後一公里”?資料庫
- 無人駕駛汽車背後的技術
- 賦予機器人多場景移動能力 思嵐助力末端配送“最後一公里”機器人
- 專注垂直場景無人駕駛的酷哇機器人完成1.35億元B輪融資機器人
- 人工智慧技術落地:無人駕駛的機遇和挑戰人工智慧
- 揭秘Google無人駕駛背後的測試中心 (上)Go
- 一文讀懂基於DL的無人駕駛視覺感知系統的應用場景視覺
- 戴姆勒測試無人駕駛的新專案,可幫助機場自動掃雪
- 灰度釋出-上線前的最後一公里
- [閒魚技術] Release Flutter的最後一公里Flutter
- 自助分析的最後一公里怎麼補齊?
- 除了汽車,自動駕駛場景的實現還能依靠機器人自動駕駛機器人
- Morketing 專訪 | MarTech 的最後一公里,是做好場域資料管理嗎?
- 解決“最後一公里”難題的低程式碼
- 2017全球無人駕駛大會圓滿落幕,共話自動駕駛落地何方自動駕駛
- 突破5G落地最後一公里技術瓶頸:5G+WIFI6+MultipaWiFi
- 曼孚技術分享:資料標註都在自動駕駛哪些場景落地?自動駕駛
- Flink CEP 新特性進展與在實時風控場景的落地
- 世界經濟論壇:自動駕駛汽車能否使最後一公里配送進入快車道?自動駕駛
- 智慧汽車無人駕駛功能難點 無人駕駛離我們多遠?
- 從橘子洲智慧潔淨景區專案看無人駕駛的現實與困境
- 儲存產學研:如何走好“第一公里”和打通“最後一公里”
- 阿里無人駕駛之路的機與危 | 深度阿里
- 2019:機器人和無人駕駛迎來規模化落地元年機器人
- Apache ShardingSphere 在京東白條場景的落地之旅Apache
- 幹線物流:自動駕駛商業化場景的新風口丨曼孚科技自動駕駛
- 如何確保快遞“最後一公里”,亞馬遜打算送到你的汽車後備箱亞馬遜
- 4年後,nuTonomy要在10城市執行無人駕駛車
- 加州機動機動車輛管理局:谷歌無人駕駛車輛已達73輛 壟斷無人駕駛市場谷歌
- 虛擬人+展覽展示:元宇宙時代率先落地的應用場景(附下載)元宇宙
- 與無人駕駛相比 鐳射雷達為何能在機器人身上更快落地?機器人
- 超級解密:無人駕駛是如何煉成的解密
- 谷歌無人駕駛汽車是存在“混駕”模式的谷歌模式
- 原畫人場景原畫教程,畫場景的思路是怎麼樣的?
- Service Mesh 在超大規模場景下的落地挑戰