主动驾驶尚存长尾困难：“影子驾驶”的AB面

在汽车电动化革命之后，主动驾驶技能将掀起新的一场革命。然而，部门琐屑的场景、极度的环境和无法猜测的人类举动等长尾困难还是制约主动驾驶发展的关键困难。在此配景下，有业内人士提出，以“影子驾驶”的方式构建用户数据闭环，是办理长尾题目的最佳方案。乍看之下，“影子驾驶”好像是办理长尾效应的不二之选，但是“影子驾驶”带来的芯片运算力大涨、本钱上涨，无效数据的界说、筛除、使用，驾驶员和算法同时堕落的环境怎样甄别，数据怎样买通等题目，也让“影子驾驶”看上去优美而实际骨感，而这统统构成了“影子驾驶”的AB面。

“影子驾驶”或成关键武器

“影子驾驶”离消耗者并不远，特斯拉率先提出并已经使用。“影子驾驶”，指的是在车辆主大脑之外的另一个“分身大脑”，它同样能获取车辆的各种传感器数据，并对行驶路况作出猜测，还能输出驾驶决议指令。在有人驾驶状态下，体系包罗传感器仍旧运行但并不到场车辆控制，只是对决议算法举行验证——体系的算法在“影子驾驶”下做出连续模仿决议，而且将决议与驾驶员的举动举行对比，一旦两者出现不同等，该场景便被判断为“极度工况”，进而触发数据回传。

差别的是，“影子驾驶”下的猜测和指令不会真的被实行下去，只用来和驾驶员决议的现实结果做对比，并以此评价和改进测试版神经网络，通过不停网络数据，丰富数据库，美满算法模子，渐渐实现主动驾驶向更高品级进阶。

现在主动驾驶企业百舸争流，但主流技能门路无外乎两条，一是直接对准4级主动驾驶，通过验证绝对安全性实现超过式进化；二是从低级别的辅助驾驶体系入手，基于已经落地量产的辅助驾驶车辆，通过网络数据、渐渐美满，渐进式向4级主动驾驶进化升级。此中，Robotaxi是阶跃式门路最有代表的实验，而“影子驾驶”则可以明白为是渐进式门路的产物，也有一些企业选择两条门路联合发展。

由于“影子驾驶”发展接纳主动化水平的渐变，市场更轻易担当。除了特斯拉，国内其他“渐进式”门路的主机厂和科技公司也在积极探索。广汽传祺全新第二代GS8搭载的AVDC影子车手就是一次大胆的实验。广州汽车团体股份有限公司汽车工程研究院首席专业总师吴旭亭先容，作为一套自顺应车辆动态控制体系，影子车手现实上更像是一个朋侪大概助手，在暗中资助用户更好地操控车辆，通过四驱前后扭矩分配，改善转向性能，共同驾驶员意图辨认，通过纵、侧向的自顺应改变，实现车辆体系在线相应的及时修正。

作为主打4级主动驾驶的科技公司，北京主线科技有限公司也曾在测试过程接纳“影子驾驶”。2021年，主线科技基于“L4主动驾驶卡车＋全功能影子驾驶”，在干线物流场景，与德邦物流、福佑卡车睁开真实的货运业务互助，实现运营里程超100万公里，共计1000次单边循环，为主动驾驶软硬件迭代升级及贸易模式验证提供了海量数据支持。

相较于广汽和主线科技的“浅尝辄止”，毫末智行科技有限公司对“影子驾驶”的继续和开辟好像更为“虔敬”。通过对海量数据的处置惩罚和学习，毫末智行整理出了一套智能驾驶办理方案，并在原有的分场景为模子方法的底子上，引入大模子的处置惩罚思绪。毫末重磅发布搭载HPilot3.0的“毫末都会NOH”，已搭载于量产车型——全新摩卡HT-PHEV，也是中国第一个大规模量产的都会辅助驾驶产物。

数据闭环有助降服长尾困难

为什么“影子驾驶”可以办理主动驾驶的长尾困难？将来主动驾驶汽车不再是“信息孤岛”，而是一个移动的感知终端，将与路、云端互联，通过人工智能等技能实现聪明出行，数据是毗连这统统的焦点因素。在数据利用上，有两个维度的本领非常紧张，一是数据闭环，没有闭环，主动驾驶数据的有用性就无法得到验证。二是在数据闭环的底子上，怎样实现数据的高效发掘和运转。

当前业内广泛形成共识，在技能方面，主动驾驶的底层架构和大部门技能题目已经被办理，但由于实际门路场景复杂，纵然现有技能已经实现90％以上场景的主动驾驶，剩下10％的长尾场景始终无法覆盖。数据无法闭环，成了制约主动驾驶发展的最浩劫题。因此收罗末了10％“极度工况”数据，得到数据闭环本领也就成为主动驾驶公司成败的关键点之一。

为了降服这些长尾困难，主动驾驶体系必要不停举行规模测试、数据收罗以及举行基于海量数据的算法练习，为车辆感知、定位和规划门路提供紧张依据。为了练习出可靠的模子，企业会尽大概给主动驾驶体系“投喂”大量数据，以便让主动驾驶汽车把握更多处置惩罚交通路况的本领，并将驾驶失误严酷控制在可控范围之内，现在许多公司都在举行大量路测实行，试图找到并办理这些界限化的困难。一样平常来说，主动驾驶公司网络数据的模式不外乎三类：重资产模式、假造仿真和“影子驾驶”。

此前，大多数主动驾驶公司接纳重资产模式，通过购置车辆并改装成主动驾驶测试车辆，雇佣安全员举行门路测试，积聚须要的里程数以举行算法练习。但同济大学汽车学院传授朱西产指出，收罗100万公里、300万公里的数据大概是可实行的，但要得到1亿公里、3亿公里的数据，依赖如许的方式是不实际的，不但将耗费巨额经济本钱，另有不可预估的时间本钱和人力本钱，纵然如Waymo、百度如许的主动驾驶先行者，到本日也只积聚了上万万公里的测试里程，间隔闭环仍有巨大差距。

于是，在针对练习主动驾驶的场景数据不敷，尤其是多元化及特别场景数据稀缺的环境，部门主动驾驶公司开始转向“影子驾驶”。在清华大学苏州汽车研究院院长助理戴一凡看来，“影子驾驶”是一种高服从、低本钱的实现数据闭环的方法，通过在量产车型上加装传感器，将用户驾驶的车辆作为实际数据的捕获器，通过捕获、网络用户在现实驾驶过程中碰到的路况信息，将相干数据回传以举行算法练习。

“影子驾驶”将汽车销量、车端数据、车周边情况数据和神经网络算法形成一个闭环，终极形成一种滚雪球的效应，汽车销量越高，可收罗到的所需场景就越多，神经网络端吸收到的数据越充实。对于神经网络算法来说，数据就是它的养料，“影子驾驶”可以说为它提供了源源不停的养料，去资助其不停发展与成熟。算法越成熟，用户体验越好，如许又带来销量的提拔，终极形成一种互哺互荣的良性循环。

这一模式的先行者特斯拉，由于全部量产车型都支持“影子驾驶”，险些每个用户都主动成为了特斯拉免费的测试员，用户越多，能收罗到的数据越多。由此朱西产以为，现在环球只有特斯拉完成了“用户数据闭环”，而国内的企业最多完成了“数据闭环”，还没有实现“用户数据闭环”。

“影子驾驶”面对三重挑衅

毫末智行首席实行官顾维灏表现，主动驾驶已经从硬件驱动1.0、软件驱动2.0，正式进入以数据驱动下的多模态感知和可表明场景化认知为代表的3.0期间。在他看来，数据驱动期间是完全不一样的期间，在大模子加海量数据的底子上，数据可以开启自练习模式。在感知技能上，多模态传感器团结输出效果。在认知技能上，以可表明的场景化驾驶知识为主，主动驾驶里程由硬件驱动、软件驱动期间的百万公里、上万万公里，直接飙升到了1亿公里以上。

只管毫末智行方面并未对这一模式做明白的定位，但就相干资料分析，毫末智行与特斯拉的技能门路可以说是一脉相承，都是基于数据迭代的算法架构，驱动主动驾驶进化，在车上利用影子驾驶和特性触发器来网络供主动驾驶练习的数据，而且都将数据处置惩罚的服从与本钱当成是技能进化的第一性原理。

对于主动驾驶的技能进化，数据的标注、体系的仿真以及数据处置惩罚是至关紧张的，戴一凡直言，影子驾驶终极的目的就是要实如今本钱和服从下的“数据自由”。作为办理驾驶场景数据瓶颈的一种方式，只管“影子驾驶”看起来非常优美，但也不得不说，实际非常骨感，“影子驾驶”在发展中仍面对三方面挑衅。

起首，这一模式必要充足的硬件支持。最早提出“影子驾驶”的特斯拉，基于领先的技能理念，在每辆车上都对摄像头、算力芯片以及传感器等硬件做了预埋，为形成数据闭环做了富足的硬件底子。国内对于这些装备的安装随着智能网联车辆功能的提拔以及主动驾驶品级的进步，才渐渐增长，而且差别于特斯拉全栈自研，国内主机厂与供应商的互助模式，无法完全把握自动权，在做软硬件升级上受到掣肘。

其次，算法机制本领是最关键的题目，从有用数据的辨认和筛选到神经网络的练习，企业是否已经形成了一套充足完备的正向开辟流程仍要打个问号。凯联资源财产研究院院长由天宇指出，“影子驾驶”的焦点在于怎样最大限度发掘接纳数据的代价。用户的数据无法全部接纳，怎样高效、快速在海量数据中有用调取尺度化数据是第一步，更关键的还在于企业处置惩罚数据的程度和算法模子的成熟度。

企业主动驾驶研发程度的成熟度决定了“影子驾驶”自己的利用和使用率，由天宇以为，假如主动驾驶研发还处于较低程度，那么“影子驾驶”使用意义有限，假如整个数据网络、调取、回传以及反馈的流程都已经较为成熟，“影子驾驶”才气发挥其最大代价。

末了，当前最为严肃的题目即对于数据网络、利用、传输的合规性尺度仍需探究。朱西产指出，数据掩护相干法规日趋严酷，尤其器重掩护用户举动等隐私数据，日前，网信办出台一系列数据安全相干政策，对于主动驾驶数据合规、敏感地理信息以及数据离境等题目做了严酷要求和规范。相干要求表现，汽车数据处置惩罚者在开展汽车数据处置惩罚运动中对峙“车内处置惩罚”、“默认不网络”、“精度范围实用”、“脱敏处置惩罚”等数据处置惩罚原则，淘汰对汽车数据的无序网络和违规滥用。这使得国内大部门企业在对主动驾驶的开辟测试中受到肯定限定，难以大规模推广。

别的，“影子驾驶”有用的条件是汽车保有量充足大。在使用数据练习美满算法前，加装的各类传感器代价不菲，但用户无法感知代价，假如将本钱转移给用户大概导致产物缺乏竞争力，难以扩大规模。

“影子驾驶”亟需美满发展

实在业内对于“影子驾驶”至今没有清楚的界说，但也并不妨碍对它的畅想。现在“影子驾驶”仍与驾驶员并存，作为一种背景应勤奋能，为实现更高品级的主动驾驶服务。假如将L4主动驾驶作为发展的终极目的，当全部车辆已经实现这一功能后，“影子驾驶”是否另有存在的须要？

“我们以为第一阶段的学习是对标人的驾驶举动，以是是人的‘影子’，当决议举动逐步靠近真实，大概在某些场景凌驾人的驾驶判定，那么它大概就必要学习别的‘影子’了。”戴一凡以为，“影子驾驶”大概会恒久存在，随着汽车的研发迭代，纵然整个主动驾驶已经形成闭环发展，“影子驾驶”仍旧有代价，只是到当时“影子”将不再是人的“影子”，大概是长途安全员的“影子”，可以或许在极限环境下操控车辆；也大概是四周车辆乃至是交通体系中其他端的“影子”，通过学习其他终端的举动，美满整个体系的相互共同，为构建新的车路协同生态圈提供有力支持。

在他的预测中，“影子驾驶”的终极形态将会是一套可以或许自主学习、自我分析、不停迭代进化的算法体系，可以或许更好地进步主动驾驶的服从。

将来，“影子驾驶”大概会不停存在，只是作用会发生改变，由天宇提出了另一种相似见解。随着整个主动驾驶模式练习越来越成熟，“影子驾驶”大概在某一阶段作用会比力大，当模子美满度越来越高，“影子驾驶”所能提供的代价数据会渐渐低落。将来主动驾驶的数据网络大概不再依靠“影子驾驶”，而是基于一些特定场景的练习大概高强度仿真。

但由天宇也夸大，只管“影子驾驶”可以办理部门极度工况数据，但也无法满意全部数据，以是总体来看，“影子驾驶”确实有效，但结果有限。

别的，有行业专家指出，假如算法在“影子”中连续做模仿决议，而且把决议与驾驶员的举动举行对比。会出现两种环境。在完全同等的环境下，则表现此次学习没什么结果。在明显差别的环境下，又会产生两种大概的效果，一是驾驶员出了题目，对驾驶员提出警报；二是算法不敷美满，必要从当前的环境学习新的控制计谋。但此时大概涉及一个新的题目，即对于驾驶员和算法决议的判定，要基于怎样的依据，要由谁来判定二者的优先级，这一题目大概也必要企业在不停发展中给出答案。

文：张雅慧 编辑：郭晨 版式：刘晓烨