binder代理4 月 29 日，百度 Apollo 在北京宣布将开放完全无人驾驶出租车的常态化运营：

　　从 5 月 2 日起，北京市民通过Apollo Goapp 即可在首钢园区和亦庄的 Apollo Park 体验到完全无人驾驶——「既没有司机，也没有安全员」的真无人车了。

　　百度的无人化车辆开启常态化的载客服务，意味着 Apollo Go Robotaxi 进入崭新运营阶段。

　　这个时间点，距百度最早向公众开放自动驾驶出租车服务刚好将近一年时间，近日 Apollo 的自动驾驶总里程也宣布突破1000 万公里。

　　在积累了 1000 万公里测试里程后，百度 Apollo 在 Robotaxi 技术上有哪些新思考。

　　百度 Apollo第五代共享无人车最快将在6 月上路测试，这一车型目前已经确定与 2 家车企合作量产，并将搭载定制版的激光雷达。整体上，新一代自动驾驶系统将实现「成本比上代降一半，性能比上代升 10 倍」。

　　基于新一代的自动驾驶系统，百度 Apollo Robotaxi 将与前装量产的车型实现技术方案打通，真正实现量产车与 Robotaxi 的数据协同。

　　以第五代车型为主，百度将在未来 3 年在30 个城市投放3000 辆共享无人车，预计到今年底新增的运营车数将达到500 台级别。

　　百度还将加速推进 Robotaxi 的开放运营和商业化，这个版块很快将迎来一位业界大咖加盟。

　　一、第五代共享无人车即将推出：搭载定制激光雷达，实现前装量产与Robotaxi的数据协同

　　目前 Apollo 共享无人车的主力车型是第四代，也就是与一汽红旗合作量产的红旗 EV Robotaxi。

　　第四代车型的车顶搭载了一颗禾赛的 40 线 颗摄像头，还有毫米波雷达与超声波雷达。

　　这个方案与百度现有主推的量产乘用车方案 Apollo ANP 有所不同。

　　业内通常认为，车辆所搭载的感知硬件架构越相似，其通过路测运营获取到的数据可复用率越高。

　　在这样的条件下，车辆的大规模前装量产将极大地加速 Robotaxi 的技术推进。

　　从第五代车开始，百度 Robotaxi 将与量产乘用车 ANP 采用基本一致的传感器方案，包括 12 个摄像头、6 个毫米波雷达和 12 个超声波雷达。

　　除此之外，百度 Apollo 已经与合作伙伴定制了2 款激光雷达，1 款为机械旋转式激光雷达，1 款为混合固态激光雷达，分别用在 Robotaxi 方案和升级的 Apollo ANP 方案中。

　　面向无人化，增加硬件失效和安全自检功能，如出现污渍附着等严重影响性能的情况传感器会向系统发出报警等。

　　通过这次升级，百度 Apollo 会将 Robotaxi 的「成本再次压缩一半，性能提升 10 倍」。

　　王云鹏分享实现 Robotaxi 的大规模商业部署，核心是：技术、产品、运营。

　　每代自动驾驶系统能力提升 10 倍，这个 10 倍有很多具体的衡量指标：

　　最初是简单的 MPI（Miles Per Intervention 人工接管频率），之后逐步演进到区域点到点送达的成功率、乘客的乘坐体验。

　　乘坐体验又可以进一步细化，比如等待接单的时长、行驶中急刹顿挫频率等等；可靠性也是重要的衡量指标，比如过去一些零部件不到

　　在百度后续 3000 辆 Robotaxi 的部署规划中，第五代车型将会是投放的主力车型。

　　目前第五代无人车，百度已经锁定了两家车厂合作伙伴，很快会有第三家加入。上述合作的 3 家车企都是国产自主品牌。

　　从这个点开始就要接受群众的检验并持续迭代优化，安全是绝对第一位的，用户体验上也不能妥协，乘坐体感要比人类驾驶员好，接载时间要越来越短，停靠点要越来越多，逐步把无人车的出行体验从一个可选项变成首选项和必选项。

　　如果车太多，运力过剩也不好。需要提升效率，实现运力供给和出行需求的匹配和动态平衡。

　　王云鹏透露，百度 Apollo Robotaxi 很快将迎来一位出行界的大咖加入，这位大咖将领导 Apollo Robotaxi 的出行服务运营。

　　目前通过在长沙、沧州、北京、广州等多地的开放运营，百度已经建立了一套完整的运营部署的流程：

　　第二，根据交通大数据，分析确定哪些地区是出行需求最旺盛的点并设立无人车停靠站，覆盖开放路网以及出行需求旺盛的区域；采集和验证高精度地图。

　　最后，在一些关键指标达到预期标准后，开放种子用户进行多轮的体验优化，再进入到全面开放的阶段。

　　这次上海车展期间，百度在嘉定安亭展示了基于 ANP 方案的自动驾驶开放体验。

　　王云鹏透露，这个体验，从车辆到位到第一个客户试乘，只用了不到 10 天时间。

　　目前在全球范围内，只有 2 家公司的自动驾驶里程积累超过 1000 万公里，美国的 Waymo 和中国的百度。

　　中美的交通不同，美国的出行以高速路和快速路为主，里程积累速度快，驾驶场景相对简单。

　　目前业界也有主流观点认为，自动驾驶测试到达一定规模后，最困难的部分不是提升测试里程，而是对有效的困难场景数据进行挖掘。

　　在测试的最早期，百度通过测试人员在车上记录问题来对系统的不足进行针对性提升。

　　从五年前开始采用离线数据挖掘的方式，也就是数据回传到数据中心后，通过动态场景语义理解技术，给数据打上标签（比如车辆的行

　　为，在进行无保护左转之类的），分析其中的典型场景与问题，进行场景、天气、不同类型障碍物等等的筛选，并进入仿真场景库。

　　随着车辆越来越多，车端的数据采集规模也越来越大，因此百度将数据挖掘直接放到了车端，通过动态条件触发，根据需要采集高价值数据，这样可以大幅降低数据的存储成本和后期处理的时间和成本。

　　王云鹏说，企业只有达到这样的路测量级，对于数据，才会形成如何采矿和炼金的认知。

　　从 2020 年 4 月在长沙开放自动驾驶出租车运营到现在已经将近一年，王云鹏也提到，真正的开放运营与自己测试相比，带来了很多新认知。

　　比如在测试阶段，核心关注的是安全，而用户更多会关注乘坐体验，尤其是体感。

　　利用数据挖掘来分析 Robotaxi 车队每百公里的急刹顿挫是多少，然后与人类司机的平均数以及国宾车队司机的数据做对比。

　　而国宾车队司机经过专业训练，从首都机场到国宾馆的一般不超过 3 脚可感知到的刹车，百公里大概是小于 5 次的水平。

　　百度 Apollo Robotaxi 一开始的时候，出于安全优先的原则，百公里刹车能到三四十次。

　　针对用户反馈，百度成立体感优化专项后，定下的目标是要做到比普通人类司机更好。

　　经过努力，目前其 Robotaxi 车队在同样的区域内已经能做到百公里急刹不到 7 次的水平，百度的下一个目标是要每一个老百姓都能享受到国宾车队的乘坐体验。

　　从用户的角度来讲，用户对 Robotaxi 的体验是拿它和人类司机进行比较。

　　Apollo Robotaxi 的 AI 老司机要能做到比人类司机更好的乘坐体验，同时成本要更低。

　　「无人驾驶系统按照 5 年折旧，如果是 35 万元，每年折算下来是 7 万元，这个水平低于专车司机；如果能做到20 万元成本，就比快车司机更低。

　　有了更便捷而且非常便宜的出行服务，用户就不需要购买那么多私家车了，整个社会的用车效率会提高、交通拥堵大幅降低，可以减少碳排放，中国更早实现碳达峰、碳中和，将产生巨大的社会价值。」

　　Waymo 的路线是最终实现无人化，因此 Waymo 要建立强大的单车智能，用昂贵的传感器增强感知能力，保证安全和效率。

　　特斯拉是提供给终端消费者的车型，在这个方向上，特斯拉希望提供更佳的人机共驾体验，无人化不是特斯拉的目的。

　　在过去几年，内部对于选择什么样的路线也有很长时间的思考，后面逐步厘清了——不会跟随任何一家，跟随也不会获得成功，要结合自身的资源禀赋与中国的环境选择一条差异化的道路，用 AI 老司机+前装量产车+车路协同+5G 云代驾。「我们相信这样做能更快实现无人化」。

　　通过 ANP 的感知方案+定制激光雷达实现前装量产，这样的方案可以为更多的乘用车提供更好的自动驾驶体验。

　　「我们选择了一条适合百度、适合在中国走的路线。这条路线既不是 Waymo 路线，也不是 Tesla 路线。但我们相信在这条路，我们会走得更快，能更早实现自动驾驶的大规模商业化。」