场景、感知、交互，小鹏汽车的“智”车心得“GGAI视角”

自动驾驶在全场景量产车中尚未完全落地，最大的挑战之一就来自于“长尾效应”。

“长尾效应”是指真实场景中，发生频次很低、但类别数非常多的场景。这些场景在实验室中并不常见，但在真实驾驶环境中解决“长尾效应”是保证安全的前提。

在2019（第九届）高工智能汽车开发者大会（北京站）上，小鹏汽车首席科学家郭彦东表示：在技术落地的过程中，长尾效应给机器学习和人工智能带来很大的挑战，因为场景的数量非常多，发生的频次又低，覆盖所有场景的学习成本就会非常高。

同时，量产车对安全性、可靠性的要求非常高，追求小数点后多个9的可靠性。如何在真实驾驶环境中，高效率，成本可控的解决长尾效应难题，是人工智能赋能自动驾驶的核心问题之一。

场景适应

场景的独特性会影响技术能力的落地，比如适合海外市场的自动驾驶技术，直接引进国内就很难被使用。中国特色场景的识别和适用，是在中国场景落地自动驾驶技术的前提。

举例而言，不同交通标示、驾驶习惯以及天气状况，都给技术的本土化带来了新挑战。

以中美交通标示为例，美国路牌指的是跟你平行一条路的交通方向，但是在中国垂直路牌指的是行进中的方向、甚至混排。这是不同的法律法规、思考方式、修建文化习惯带来的路牌的使用习惯。包括中文的识别，只有本土化的企业才有意愿和能力去解决这些问题。

因此，在探讨自动驾驶课题的时候，不仅是对客观环境的感知，也是驾驶文化的融合，在不同的场景中、文化背景下，怎么去设计控制的模块，打造人车共驾的和谐环境尤为重要。

由于在开放场景中的完全自动驾驶还有较长时间才能得以实现，在很长一段时间内人车共驾将成为常态，也就是说，驾驶员会和车辆共同分享同一套基础设施。

在共同分享的时候，带来的问题，自动驾驶的汽车如何能够融合当地的驾驶环境、驾驶习惯以及融入到人开车的环境中去。

根据媒体报道，很多企业都希望在2020年，或者今年年底开始能够实现L3的功能落地，目前处于冲刺的状态。实际上，在限定的、低速的场景，或者是对成本不太敏感的场景，比如说对于物流车，是有机会实现完全自动驾驶驾驶场景的。

小鹏汽车作为一个OEM量产车公司，通过提升L2+的驾驶体验，增强L2的辅助驾驶功能，逐步过渡到L3的方案，核心是围绕帮助驾驶员提升驾驶体验。

在这个阶段，驾驶员还是需要在汽车里面，汽车的场景更多是驾驶的场景，没有过渡到全无人。现阶段，智能座舱的核心是如何把驾驶员的驾驶体验、安全体验提升上去。

怎么样去落地，我们总结了三个方面：基础是感知、核心是交互、难点是切换。

在刚刚过去的广州车展上，我们发布会了小鹏P7的智能音乐座舱，受到高度关注和广泛好评。小鹏P7搭载了12个超声波的传感器，13个自动驾驶摄像头，以及智能座舱摄像头。通过传感器冗余，高性能计算的方式，使得这辆汽车能够支撑很多思考和落地的场景。

感知是基础

感知是基础要分两个维度来看：车内感知和车外感知。

车内感知，首先是千人千面，通过对司机的识别，了解用户身份，把用户的习惯做一些记录，相应的技术现在车机、智能座舱越来越像一个电脑，而不是简单一个触控版。它有很多隐私的信息，包括导航的记录，音乐的记录，微信的帐号都会在这个车机当中越来越普及。

如果能够让用户做这种无感无缝的切换，我们通过一些大数据发现，在中国大概有30%-50%的汽车用户都是有多个司机在开的。现阶段相当大比例的家庭还是一个家庭分享一辆汽车，在分享的同时如何能够做到座椅位置自动化的调节，做到帐户之间的无缝切换，这对于车内的司机是谁的感知就变的非常重要。

此外，在自动驾驶的当前阶段，对于驾驶员状态的监测非常重要，通过DMS系统，保证驾驶员可以实时有效接管车辆，是当前自动驾驶的前置条件。

车外环境的感知是智能化的基础，对车外的车辆、行人的理解，什么时候是可以开启自动驾驶功能，可达空间是什么样子的，都是车辆行驶的一些基础。

郭彦东表示，小鹏汽车已经通过影子模式上线的智能雨刷功能，是业内最早通过视觉方案解决雨刷功能的车企之一。

前不久，特斯拉将智能雨刷进行了商标注册，”Deep Rain”，是特斯拉在唯一注册的神经网络模型，一方面说明了这个功能的实现难度，另一方面也是应为，它是整个自动驾驶车外感知的一个重要基础，有了这样的智能雨刷的系统之外，能够保障摄像头看到的东西是清楚的。

摄像头知道自己“是否知道”外部环境，是视觉系统作出规划和控制的前置条件，这对于自动驾驶的实现非常重要。

除了车内外环境的感知，小鹏自研的另一个重要成就是搭建了能够覆盖几乎中国法规要求的所有交通标志的系统。

这些实际上给L3比行业内略快一些的量产交付，打下了一个坚实的基础，通过这样的自研手段，能够不停的用影子模式，来在路上收集数据，得到用户的反馈，来做生产的验证。

而且通过这种方式的自研，不仅能够迭代，而且能够让系统更早一步的落到量产车里面去。

交互是核心

目前离L4的量产还有一定的距离，尤其是乘用车，OEM的量产车在L3和L2这个阶段，司机和驾驶还是主要的核心场景，驾驶员是不会被取代的，所以驾驶场景还是核心。

所以，希望人工智能赋能智能汽车的途径，通过降低驾驶员的负荷，提升驾驶体验和确保驾驶安全这样的维度去帮助驾驶员。

这种状态会主导OEM对汽车的设计理念，包括更好舱内设计、智能导航、对车辆的检测等，比如AEB的预警，语音交互。

很多时候语音的交互是有效的降低用户操控复合度的一个有效手段，还有一些包括对于舱内，如果说驾驶员分神或者觉得很困的时候，给他播放一些醒脑的神曲，让他从困的状态及时的恢复过来，这样更好的交互方式、体验方式，是提升驾驶员体验的一个核心。

郭彦东表示，小鹏汽车选择自研DMS，因为DMS并不像轮子等部件成熟，供应商可以直接做好了卖给OEM去做集成。

以DMS为例，很多人工智能的功能适配、针对场景、体验、研发的工作量远远大于一些更传统的一些功能集成的工作量。

其次，小鹏汽车核心差异化就是做智能化，希望作为一个比较新的造车企业，打造这种智能化的差异的时候，能够做出来一些别人现在还没有做出来的功能，通过自研能够让这个功能更快的上线。

最后，通过自研，这个功能可以自己去迭代、生长，如果用完整的友商或者合作伙伴的那套方案，它的算法相对就比较固定，就只能做到这个程度，想再做更进一步的工作，根据场景再做优化的时候，就会有这样的困难，数据分享的程度和维度就会遇到一些挑战。

而且能达到的信息量跟自研是没有办法比的，自研的数据都有，不光是这个功能本身的数据，相关车身的数据，驾驶的数据也全都有。这样对于功能进一步的生长以及丰富，都打开了无限的可能性。

诚然自研需要投入，但对于未来智能化的拓展值得投入，且从长线来看对成本的降低其实是更有优势的。

切换是难点

有了交互、感知，最后一个是切换，那么什么是切换？为什么切换是难点？

在L3的时候，定义是汽车在绝大多数情况下，可以让司机实现脱手驾驶。但是，在遇到一些特殊情况的时候，可以把驾驶员从驾驶的权力、驾驶的操作，从汽车过渡到人，这种过渡就提出几个挑战：

第一，汽车怎么识别发现自己的识别置信度是不够的，这种置信度的检测不光是在量产车里面，甚至在学术界也都是一个非常热门的的课题。让系统不仅知道自己可以，而且知道自己不可以，而且知道自己可以的可信度有多高，这其实是一个非常值得研究和探索的一个问题。

第二，需要车机系统了解到驾驶员的状态，并且确保驾驶员能够回到驾驶操纵的工作状态中，因为通过很多研究和大数据发现，司机在不操控方向盘的时候，很容易驾驶注意力就不集中在驾驶这件事情上。如何让司机在不操控汽车的时候，也能够通过一些好的提示方式、提醒手段快速的回到驾驶状态，这个其实是打造L3自动驾驶很核心的一个工作。

第三，一种唤醒的方式，如何让这个唤醒的方式不生硬，有的时候大家说你只要唤醒的声音越大就好，其实不是这样的，有的时候你可能会给用户有一些惊吓或者说不好的应急反应。

所以说，如何让用户感到有温度、有关怀这种方式，同时能够快速的把用户的注意力唤回到驾驶，其实是让人工智能落地到量产车里面，实现L3自动驾驶一个很核心的难点。

也因此，切换成为了难点。

应用实践

郭彦东表示，小鹏汽车是首次在量产车里面，实现全功能的基于视觉的智能驾驶监控系统。

通过在4月份OTA之后，小鹏汽车的车主通过Face ID人脸登录做帐户切换的这件事情，到10月底，已经发生了400万次，有95%以上的用户都使用这样一个功能，做个性化的配置以及隐私保护，使用率其实在车的智能化应用里面是非常高的。

DMS疲劳分神预警系统在今年推送到量产车以后，截至到10月底，累计所有用户使用已经超过了百万小时，有大量的数据和用户行为的积累，所有的车上都有4G的信号，DMS的可用场景，覆盖率达到了95%以上，接近于100%。

截至到10月底，有50万次把用户从分神状态中拉回来，超过40万次在用户疲劳的时候，给用户推送歌曲，（或）拉紧安全带，规避了很多潜在的交通事故以及驾驶风险。从实际的数据记录来看，在DMS起效果后，驾驶员的关注度有明显的上升。

郭彦东认为，虽然人工智能在量产落地上有诸多的挑战，但是还是希望能够找到这样的机会，能够真的帮助到用户，不只是提升驾驶的智能感与体验，也实实在在的提升驾驶的安全性。

另外自动泊车的功能，小鹏汽车通过数次的OTA，做了很大的改进，通过视觉以及超声波的这种融合技术，通过SLAM的行为规划，泊车的性能、效率提升了24%，泊车的时间有效的缩短，场景的覆盖率也有一个明显的提升，从60%的场景覆盖率提高到了80%。

智能化一个核心的路径，就是OTA，通过OTA可以做到硬件预埋。在年初G3发售的时候，把硬件和这种智能的设备搭载在车里面，然后通过OTA的方式，实现娱乐域和控制域的升级迭代。

有这样一个OTA，在今年不到一年的时间，小鹏汽车已经做了将近1000多次的算法模型训练，积累了百万数量级的大量训练数据和验证数据。

这种长时间的真实路测，用影子模式验证了模型，验证了体验之外，再把功能开放给用户。因为人工智能应用在量产车里面，是一个经过反复论证、测试的、稳定的、可靠的，切实能帮到用户、受用户喜欢的功能和系统。

当然，郭彦东看来，造中国人的智能汽车，任重道远。