在自動駕駛的應用趨勢判斷中，長途重卡運輸領域的更快落地已經逐漸成為業內共識，Waymo執行長約翰 科拉菲克表示，在重複行駛的路線上投入自動駕駛卡車可能比城市地區的Robotaxi更可行。
有關數據顯示，在物流方面，自動駕駛規模化運營可以節約幹線物流運營25%的成本，這對於平均利潤率為6%的物流領域來說具有巨大的經濟價值。
我國目前重卡保有輛約為700萬輛，其中接近600萬輛用於道路運輸，每輛車的運營成本可以從64萬降至49萬，同時可以減少80%的事故。
在12月15-17日召開的2020年高工智能汽車年會中，智加科技工程高級副總裁、中國區總經理容力發表了題為《重卡自動駕駛在幹線物流中的落地應用》的主題演講，從物流重卡的商業化落地方面給出了自己的經驗與思考。
「在以重卡為生產資料的物流行業，智加科技具有安全、降本增效、綠色環保和提升用戶體驗的多重價值。智加致力於以高速公路為場景的幹線物流。如果在這個領域實現自動駕駛，以萬億級市場規模計算，可創造的經濟價值相當於七千億人民幣。從綜合維度來看，這個領域的難度是最高的，也是我們最想堅持去做的。」容力強調。
幹線物流場景自動駕駛的挑戰
成立於2016年的智加科技聚焦幹線物流場景的L4級無人駕駛，在商業化落地中，前瞻性地推行了綁定產業鏈上下遊合作夥伴共同發力的戰略。
其中，上遊與一汽解放深度合作參與智慧卡車研發；在下遊，領先的物流運力平臺「滿幫」是其戰略投資方以及合作夥伴，雙方共同探索幹線物流自動駕駛的商業化運營。
此前，智加科技助力一汽解放推出了J7 L3智慧卡車，車上配有7個攝像頭、5個毫米波雷達和一個雷射雷達，可實現交通擁堵輔助、預見性安全規劃、自適應巡航控制、自主超車、自動變道、車道居中、盲區監測、繞行避障等高級別自動駕駛功能。
2020年11月，J7 L3智慧卡車完成自動駕駛系統「雙預警」國家檢測機構第三方認證測試，是業內率先通過自動駕駛重卡相關認證測試的產品。
在量產爭先已成作別2020，邁向2021行業主題的階段。容力總結，自動駕駛商用車的大規模應用亟需實現「四個成熟」：
1、技術要成熟：以人工智慧算法來替代人類智能會存在黑箱問題。人類失誤導致的事故通常可以明確歸因，而典型的基於多層神經網絡的人工智慧算法則不同，由於不存在確切的歸因鏈，在解決一個問題的同時，常常會產生新的問題。這樣對於應用人工智慧解決長尾問題會有技術上的難點。
2、商業要成熟：現階段，絕大多數供應商仍將目光集中於技術成熟上，並沒有完全考慮商業成熟的問題。比如，對於幹線物流的無人駕駛僅僅是將貨物從高速公路上一個收費站運送到另一個收費站。
而對於高速公路之外，除了城配和末端配送，還有貨物出港以及出倉的問題。很顯然，幹線物流的故事對於商業應用而言並不完整，其商業價值並沒有徹底實現。
3、法規要成熟：目前仍然存在先有雞還是先有蛋的法律法規問題。在該層面上，國內對自動駕駛技術的態度十分謹慎。
雖然部分地區已陸續開放道路測試區域、頒發試運營牌照等，但自動駕駛汽車在公開高速公路上的測試、載貨運營測試，「真無人」模式的測試，以及地圖應用等方面依然受限。
4、社會認可成熟度：舉例來說，假設人工智慧可以解決人為事故的90%，但可能又會引入20%新的尚未完善的機器智能導致的事故。雖然總事故率大幅下降，但民眾是否可以接受？
為了應對上述挑戰，智加科技在過去一年來進行了大量實踐與探索。
從L2+到L4的技術演進路線
在智加的戰略推進中，破局的第一個手段就是將自研全棧L4級自動駕駛技術降維使用，應用於L2+可量產車規級產品中來持續演進算法。
業內人士也認為，對於科技企業和供應商來說，將L4級自動駕駛技術降維應用到主機廠的量產車型，是現階段企業的一條有效出路。
「我們與一汽解放合作，以L4級的傳感器的同質配置降維實現了高速幹線監督式自動駕駛，希望貨運卡車可以像特斯拉一樣馳騁在路上，實現省油、降低勞動強度、提升安全，積累數據、精進算法等目的。」容力介紹。
智加科技採用的L4級技術棧，包括將雷射雷達應用於有人的車上，前裝車規量產上路，採集數據，形成數據閉環，最終讓L4級的算法更為成熟，一方面解決算法長尾問題，另一方面為社會帶來正向收益。其助力一汽解放發布的前裝量產超級重卡在投入市場後，就擁有了收集更多數據的能力。
而這種數據閉環提升技術發展的邏輯，需要解決兩個問題，一是數據是否有用，二是收集這些數據的效率和成本。
通常來講，由於不同車型的傳感器類型存在差異，因此使用的數據模態也不同。數據無法通用，便無法產生足夠的價值。與之對應，判斷數據閉環的價值，即要判斷在L2+階段的傳感器類型和使用方式與L4級的差異有多大。
差異越小，數據越有價值。智加科技採用的立體視覺使視覺數據信息有了深度信息，可實現與雷射雷達點雲數據同質。
容力介紹，L4級自動駕駛系統對場景理解的準確性提出了新的要求，因此對傳感數據的需求也從模態分裂走向了模態融合，即不再按照雷射、視覺、毫米波雷達來區分，而是按照紋理、色彩、深度、速度來理解傳感器，這樣L2+系統中由後融合算法所得到的數據，可以提高在智加科技L4算法的回招率，同時前融合算法的使用也可以提高檢測精確度。
舉一個智加科技的工作實例：受隧道內外光照變化影響，傳統的立體視覺方法面臨著紋理區分度不足、導致視覺深度估計錯誤多、稠密性降低的問題；而雷射雷達面臨著固有的稀疏性問題。
通過智加的後處理方法，可藉助雷射點雲的稀疏而準確的深度，提供在視覺弱紋理區域的深度先驗，減少深度匹配搜索區域，從而重構出稠密而準確的三維場景。
簡單來講，即融合立體視覺+雷射雷達，通過後處理實現場景三維重建，獲得高精度且稠密的RGBD數據。
其次，數據的另一個問題是收集或篩選有價值數據的成本和效率。大規模運營後的大量數據，只有通過在線自動化的方式，才能保證效率高、成本低。
智加科技的數據來源分別是在線人工標註、離線人工標註、離線自動標註和在線自動標註。目前已從前三個階段過渡到第四個在線自動化階段，數據收集成本越來越低，收集效率越來越高。
對比來看，目前在線自動化的典型代表——影子模式的原理是通過比較人工駕駛軌跡和系統規劃軌跡的偏差，當偏差超過系統設定閾值（路徑上的橫向位置偏差，軌跡上的縱向速度或加速度偏差）時，則自動抓取當前數據並回傳。從設計上來看，其採集的數據面向的是決策端和規劃端。
不過，影子模式在人工駕駛的情況下無法直接反映其他模塊問題，極易導致數據的非平衡性。
另外，其數據採集成本較高：由於影子模式的觸發條件是在系統功能層面，粒度較粗，無法反映出上遊模塊的問題，所以通常在事件觸發點前後要做全維度數據採集（即可能的模塊的數據都採集上傳，沒有選擇性篩選）。
而在數據存儲空間和流量空間有限的情況，極容易導致冗餘數據（不需要採集的數據類型、不必要的高採樣頻率等），降低數據的價值和使用效率，反而導致最終的數據採集成本攀升。
而智加科技採用了Plus Event Mining（Plum）系統，其標註方式分為離線自動化與在線自動化標註。針對感知、定位、決策、規劃、控制各個模塊，若其中有需要較強算力、大存儲空間進行多幀數據聯合分析的指標，則在離線部分進行計算；另一部分輕巧設計、對算力和存儲要求極低的指標，則可以實現在線自動標註抓取功能。
「以車道線檢測端為例，我們定義了兩種不同指標在線評價車道線檢測的性能，並給出0-1之間的評分。」容力介紹。
圖1中，兩種指標的評分都很高，說明車道線檢測工作很良好。
而下圖中，有幾個點的車道線檢測評分都很低，跌到了0.25左右。
圖3為在線算法自動抓出來的圖像。可以看到，算法抓出了過曝光、車道線磨損嚴重、強陰影幾個場景，確實是有挑戰也有價值的數據。
然而，抓回來這些數據，並不意味著車道線模塊的輸出有問題，如下面顯示的強陰影的原圖和最終的輸出結果。從跟蹤端的輸出來看，結果是正常的。
自然這樣的結果在影子模式裡面是無法被抓取到的，但Plum系統不但可以抓取到，還能定位到是車道線的檢測端。更準確，更經濟，更高效和有價值。
總結來說，智加科技通過Plus數據引擎做到了數據的高效率篩選，並形成數據閉環，並實現了數據的自動評測。
探索：用智能網聯推動落地
需要注意的是，智加科技並不僅僅是一家算法公司，「我們的使命是通過人工智慧賦能物流交通的安全、高效與環保。」容力提出。
商用車作為生產資料，單車智能可以通過節油、降低勞動強度等方式為物流行業降本增效，然而單車智能只是交通運輸諸多因素中的一個方面。
容力表示，「運輸是車輛、交通流與道路三位一體的問題，單車對交通動態環境把握有限，智能道路的介入是必然的，所以我們認為所謂智能物流是離不開智能網聯的。」
他強調，智能網聯不僅為自動駕駛提供了千裡眼、順風耳，也將助力數據能力的拓展，為單車智能提供上帝視角。
由此，智加科技從解決智能交通運輸的痛點入手，在落地場景上首先提供匝道口預警、坡道橋梁信息和超視距感知的能力。
此前，智加科技與中國移動、華礪智行達成合作，在蘇州市8.4公裡示範區落地，布設16個5G基站及雷達、攝像頭、超邊緣計算等，並與智能駕駛卡車車隊開展倉到倉的車隊運營測試，實現了在蘇州智能網聯先導區內V2X的示範應用。
最後，作為對自動駕駛技術在商用物流中應用的總結，容力表示：「雖然真正的人工智慧革命尚未到來，但是在近期的未來，發展中的車聯網、物聯網會與已經成熟的網際網路相融合。新事物首先要與大家熟悉的前一階段的革命成果相結合，才更容易被大眾接受。」
「我們認為，智能交通將作為下一個爆發點帶來第四次工業革命，產生巨大的價值。而我們公司在做的事情就是專注智能交通與重卡物流，讓交通更安全，讓運輸更便利。」容力強調。