二月的深圳，耳畔依旧回想着春雨的碎碎念。

作为机器学习的明珠，智能驾驶的演进从科幻的遐想转眼已进入产品的近身「 肉搏 」。

例如偶尔在城市中央看到不断穿行的 Robotaxi 车队，我们似乎也对未来自动驾驶落地有更多的期待。

这次在“家门口”，百度 Apollo 自动驾驶出行服务平台“萝卜快跑”正式落地深圳市南山区，我们也以此做体验以及思考百度背后的商业化逻辑。

一、如何打到一台“萝卜快跑”？

用户可以在“萝卜快跑” App 或者百度地图上体验到 Robotaxi 服务，但初期开设只有接近 50 个站点，因为当地政策运行时间只能覆盖 9:00 到 17:00。

以百度地图为例，需要体验的用户只需要打开百度地图 App：出行-打车-自动驾驶-输入上车点、下车点 即可完成叫车服务。

目前示范应用路线覆盖深圳湾万象城、保利文化广场、人才公园等地，预计到 2022 年底，出行服务区域内站点能够达到 300 个以上。

百度 Apollo 截至目前测试总里程超过 2100 万公里，已经在北京、上海、广州、深圳、重庆、长沙、沧州七个城市开放载人测试运营服务。此外，新一代量产无人车 Apollo Moon 也已加入到“萝卜快跑”运营中。

二、 “萝卜快跑”体验如何？

1、遇多车博弈

在下面这个场景中，我们看到有停在路边等待上客的出租车、来自左侧车道的车辆、被左侧来车遮挡的掉头车辆等，而在我方决定变道时，等待上客的出租车又再次启动车辆，这是城市中我们常常遇到的多车博弈的场景。

在智能驾驶状态中，从环境感知到车辆控制需要一个低延迟的迭代。

例如从预处理、传感器输入的信号、预测模块再到规划模块，而在复杂的城市中例如停车有不同种原因，预测系统需要预判各种情况，并且分情况作处理。

例如我们看到右侧等待上下客人的出租车，我们需要择机选择横向超车避让。我们不仅要理解他车的意图，还需要理解无人车的行为可能会给对方的意图带来影响。

所以决策的过程也是一种相互博弈，如果决策犹豫就会导致原本避让你的车辆改变主意。

比如我们此次遇到的场景，等待时间越长抢行的人会越多，那么你就要陷入新一轮或者多轮的博弈。

而除了多车博弈以外，也有针对单车与单车之间的博弈。

体验中我们也遇到一个案例，也就是在我们右转时遇到一个静止车辆。

我们需要对静止车辆做分析，也就是需要分析，是属于静止车辆？还是堵车、等红绿灯等场景？下游需要等待还是避让其实都是不同的。

虽说这只是一个简单的避让动作，但已经涉及到了智能驾驶系统的上游感知 、预测以及下游规划 、控制的一整个链路 。

而在体验中我们也看到系统能够迅速作出决策随后向左侧变道。

2、遇维修路段 

在城市中我们知道行人、外卖小哥的随机性比较强， 我们此次体验遇到右侧有一排泥头车的场景，同时中间还有行人穿越，很容易造车鬼探头等场景。

而随后在修路环境中，车辆还进行向最右侧变道、右转的场景。

当然这需要得益于高精地图的加入，我们知道面对市场比较“头疼”的问题是需要找到一家合适的地图供应商，而百度本身有自家百度地图，解决了更新、迭代的难题。

3、识别红绿灯。

除了动静态物体的识别 ，无人车还需要针对环境信息进行识别，例如我们常见的红绿灯。

我们实际体验中遇到红绿等切换的信号灯，车辆需要提前“感知”，并且“读懂”不同信号灯代表的意思，结合规控作出舒适性的体验，这是当前无人车一个重要的指标。

4、右转汇入主路、左转路口

除了对信号灯的识别通过红绿灯十字路口，城市道路还有一个“重点难点”便是左转、右转、无保护左转、右转等。

我们此次仅体验了红绿灯的左转以及右转。

例如视频中展示的我们通过右转路口，随后我们需要汇入主路，这时候需要对车辆左后方的有一个较为全面的感知信息。

另外在城市道路中左转、右转以及掉头等场景其实也考验车辆的横向定位， 系统需要针对横向、纵向两者定位的稳定输出，这样才能保证方向盘的稳定以及体感上没有过多的摇摆、晃动。

三、思考

当前市场划分有两大技术路线，第一条是基于 Robotaxi 无人车代表队，利用高性能传感器以及高阶算法， 也就是我们今天和大家分享的体验，但它需受限于在特定区域内做商业化运营。

而另一代表是车企，普遍采用渐进式技术路线。但存在的难题是场景数量级太大，海量数据的挖掘和有效流转是较难攻克的难题。

另外乘用车智能驾驶应用的场景比限定区域更加广泛，非常多的不规则长尾场景问题需要解决。 

在短时间内，完全的自动驾驶落地仍需要很长一段路要走。所以百度基于一个思考，能否构建一个桥梁，将  L4 级自动驾驶技术降维应用到 L2 级城市辅助驾驶？两者实现互补，百度 Apollo lite 顺势而来。

Apollo Lite 是百度基于纯视觉感知技术，其一是能够利用百度 Robotaxi 降本增效，另一个是百度 ANP 城市领航辅助驾驶产品，面向车企客户，提供量产解决方案。

这样的优势是百度背靠 Robotaxi 高级别自动驾驶经验的积累 ，在视觉算法、测试数据、仿真平台以及地图配套都能发挥独有优势。

最终百度 ANP 能够与自身的 Robotaxi 车队共用一套技术框架，真正实现技术与数据的共享。 

另外纯视觉方案的 “包袱”更轻，更适用于车企量产，例如传感器、算力优化、车规级计算平台等，相较于激光雷达的方案成本更低。

而这一项技术的最先“尝鲜者”便是百度旗下的集度的首款车型， 也将于 2023 年年底亮相，官方宣称为上市即可用的状态。

百度则利用 Apollo Lite 技术，可以将 Robotaxi 共享无人车和 ANP 城市领航辅助驾驶系统从技术架构上做了打通，从而实现了数据共享。

目前百度 Robotaxi 车队的测试总里程超过 2100 万公里，“萝卜快跑”在深圳开放示范运营服务相信只是一个新起点。