Mobileye的供应商思维：用AI为自动驾驶众包高精度地图

　　CES之前，看到Keynote的演讲安排里Mobileye的内容介绍中赫然写着「自动驾驶技术路线的发展与未来规划」时，车云菌一点儿也不意外。Mobileye的视觉处理产品EyeQ使用的图像处理技术，对于自动驾驶来说，实在是个很好的基础。并且，特斯拉7.0更新之后带来的AutoPilot中就有Mobileye的技术手笔。

　　不过，怎么做是个很大的问题，这里面需要考量的因素有很多。Mobileye的联合创始人兼CTOAmnonShashua教授，则花了一个半小时不到的时间，把这件事情讲得清清楚楚了。

　　三个问题：身份、入口和途径

　　CES之前的直播贴上，车云菌其实已经公布了这个问题的答案，就是下面这张图。

　　ΔMobileye在自动驾驶的解决方案

　　越来越多的OEM都开始坐不住，慢慢公布自己的自动驾驶相关技术了，要么各种宣传攻势一起上，要么就是把正在研发的车拉出去溜几圈——看见没？俺们的车已经达到上路标准了。所以，要做自动驾驶，必须要明确三个问题。

　　第一个问题，身份。所谓身份，也就是说Mobileye打算参与到自动驾驶的哪一个部分。

　　这一点上，车云菌对于Mobileye的定位同样不意外。鉴于之前一贯的行业位置，Mobileye的选择依然是供应商。身为一家供应商，那就表明，与最终进行实施的OEM没有任何竞争关系，而是合作伙伴。

　　第二个问题，入口。所谓入口，是指Mobileye进入自动驾驶行业，打算以什么作为核心竞争点。

　　这个问题的答案，想必大家也都不陌生——高精度地图。不论是科技界的一朵奇葩谷歌君，还是各大车企，都不会否认高精度地图在自动驾驶中的重要性，不然ABB也不会联合收购HERE，而图商之间隐形的硝烟更是不曾断过。

　　但是，此高精度地图非彼高精度地图。这就涉及到第三个问题了，途径。要怎么去做高精度地图，买无数辆街景车去做测绘？Nonono，这是最笨的办法，且不说其他层面，但就实施层面来看，要想去图商获得一竞之力，所花的各项成本都太高。更为关键的是，大把的人力物力财力花出去，还不一定能够得到想要的结果。

　　所以，Shashua教授表示，Mobileye打算用AI来制作高精度地图。这个所谓的AI，指的是具备深度学习功能的图像识别体系。以车载摄像头监控到的画面为基础，分析出画面中的车道线、各项道路标志、以及道路上的基础交通设施（交通灯、摄像头等），并以此构建能够让车辆「看得懂的高清地图」。

　　从最后的途径来看，也就明白Mobileye为什么把自己定义为供应商了。因为自动驾驶所需要的地图，不仅仅得是高精度的，还得是能够实时更新的，再一个就是获取成本低。要想有竞争力的话，成本是个很重要的东西。

　　与车企合作，借助不同品牌大量级的车辆上摄像头获取到的数据，能够作为地图的数据来源，能够保证数据的更新率；车载摄像头的普及率越来越高，并没有增加额外的硬件，而且这种情况下，与车企也有更多的商业模式可以选择，可以不只是简单的出售地图或者具备深度学习能力的软件算法。

　　三步方案：感知、地图和驾驶策略

　　一辆车要能够自动驾驶需要什么能力，想必不用车云菌再赘述了。简单来说，那就是，要有一双能看懂当前情况的眼睛、一个运转足够迅速懂得如何驾驶的大脑以及与大脑配合良好的四肢。也就是感知能力与驾驶策略，地图起到的是辅助作用，让车辆知道自己在哪儿，知道周围路标的含义、路口的位置等。

　　在感知方面，靠的就是Mobileye的看家本领摄像头了，未来将结合摄像头、雷达与激光雷达等多重技术。目前已经投入市场的EyeQ3可以通过前方单颗摄像头实现防碰撞预警；将在2017年面世的EyeQ4将会配备3颗摄像头和车身周围的雷达和激光探测设备，实现高速公路上的半自动驾驶；在那之后，Mobileye会进行EyeQ4升级，变成5摄像头，增加更多探测设备，并整合更新的软件系统，实现全自动驾驶。

　　这里有一套RoadExperienceManagement（道路经验管理，下称REM）系统，即是利用深度学习技术来完成对道路上各种表示的识别和采集。

　


　ΔREM识别出可行径路径

　　举个例子，现有的ADAS技术都是依靠车道标线来保持车辆在车道内行驶，而一旦车道两旁标线不清晰、被大雪覆盖、或者压根就没有标线的情况下，系统便很难工作。那么REM所需要做的就是根据环境综合分析路况，比如前车运动轨迹、路边静止的物体等共同考虑，判断出一条合适的行驶路线。同样，系统也将能够分辨出当下可行驶的道路，不会将车辆开到小区里空的停车位上、或者在没有详细信息的道路上开到自行车道上去。

　　Mobileye要做的高精度地图是专门针对自动驾驶的，称其为Roadbook（路书）。路书收集收集的重点放在路上的各种导流标志、方向标识、信号灯等，依靠这些建立的路标，从微观上在行驶过程中为车辆提供指引。这种收集方式可以改善由整到零那种传统方式所带来的高成本、速度慢的缺点。

　

　ΔRoadbook所包含的信息

　　而且，这种收集方式中，对于采集到的信息，会在本地进行预处理，数据以简单的一维数据为主，近处为一维，只结合必要的三维数据，最终让每公里的地图信息大小控制在10kb以内，方便信息的上传与下载。

　　驾驶策略则是最难的一部分。对于未来自动驾驶的发展，Mobileye的侧重点是如何使其具有类似有人驾驶一样的驾驶行为。驾驶行为本就具有很强交互属性，在驾驶过程中几乎无时无刻不在与其他交通参与者进行互动。除了要增强车辆的感知能力，更重要的是让系统可以像人类一样学习适应交通环境。

　　Δ通过深度学习掌握通过十字路口的方式

　　比如像经过环岛这种比较复杂的路况时，一些人类驾驶员也并不能很快上手，自动驾驶系统同样如此，刚开始也不会掌握到特别合适的时机。但经过最初几次不太熟悉的类似路况，系统可以自我完善和学习，逐渐可以根据环岛内车辆的速度加之以前的经验，判断这是不是一个进入和驶出环岛合适的时机。久而久之，系统会比可能会分心的人类更加熟练地应付这些复杂的路况，从而真正达到自动驾驶最核心的目的。

　　Mobileye不是第一个，也不会是最后一个

　　如果对车云菌关注时间比较久，自然会记得车云菌此前曾解读过大陆ITS部门的一套方案，叫做RoadDB（RoadDatabase），与路书系统有异曲同工之妙。所以，在「为自动驾驶定制高精度地图」这件事情上，Mobileye并不是第一家，但也绝对不会是最后一家。

　　大陆与Mobileye之所以会选择这种方式来切入自动驾驶，除了此前供应商的身份能够为这种数据众包的模式提供很好的便利、具有相当的硬件部署基础之外，更是因为地图一直被掌握在少数人手里，随着自动驾驶研究的深入，越来越是稀缺资源。既然有这个便利的基础，何不为自己开发新的商业模式呢？

　　而有着相同基础、喜欢供应商这个身份的，自然不独于这两家，未来肯定还会有更多人加入。大家也许在具体实施方法和技术上会有不同优劣，但基本属于同种模式下的求同存异。

　　当然，我们也要看到，在其他技术供应商找到新的地图内容生产方式时，图商们也在积极转型。HERE在本次CES上发布的HDLive地图，能够利用车载传感器数据通过云端来更新地图，就是个例子。图商与其他的自动驾驶技术供应商们，都手握各自的优势朝着这同一个目标前进。

　　那决定胜负的因素是什么？除了在深度学习、图像识别与处理领域的造诣之外，谁能够尽早一步达到数据互通，谁也能掌握先机。现在Mobileye虽然在与三家公司（通用、大众与一家依然处于保密期的公司）进行合作，但是彼此之间的数据还是独立的；HERE的传感器统一接口标准的事情，还没有下文；而大陆，不同车企之间的数据互通，也是Phase2的目标。