滴滴的做法有些不一样滴滴车不一样

文章插图
4 月 19 日上海车展开展，沃尔沃展台上摆着两台特别的滴滴涂装车。车顶上醒目的激光雷达，提示观众这是两台 L4 级自动驾驶汽车。
两台自动驾驶汽车分别基于沃尔沃 XC60 和 XC90 打造。其中， XC90 版本承载了滴滴出行最新发布的自动驾驶硬件平台——滴滴双子星。新硬件平台性能有可观的提升。在整体造价保持不变的情况下，全车传感器数量增至 50 个，算力超过 700TOPS ，每秒超千万级点云成像。而上一代硬件平台——就是 XC60 那个版本——传感器数量是 11 个。
数字很抽象，而效果很具体。新平台搭载于 XC90 冗余车型后，在核心高性能传感器、车载自动驾驶系统、远程协助系统和前装量产车型深度兼容四个方面实现多层冗余。简而言之，滴滴自动驾驶硬件的安全性和可靠性得到了大幅提升。除此之外，滴滴双子星还实现了极高的车规化程度和套件模块化，方便车辆后装改造。
从这次升级中，不难看出滴滴自动驾驶的重点：增强可靠性，加快上车速度。相比其他一些 L4 级自动驾驶平台和公司，滴滴切入这块的时间其实不算早：2016 年开始试水， 2019 年正式亮相。但在技术迭代和落地测试上，滴滴呈现了领先行业的加速度。2021 年 4 月，基于此前的自动驾驶硬件平台，滴滴发布了全球首个连续 5 小时无接管路测视频。在这段视频里，能看到滴滴的自动驾驶车辆面对一些复杂路况都能应对自如，比如路口左转遇到突然冒出来的电动摩托。
（滴滴自动驾驶连续 5 小时无接管路测视频）
这背后，得益于其清晰的逻辑和落地路径。作为国内最大的网约车平台，滴滴天然就有自动驾驶诞生的土壤和落地场景。
滴滴做自动驾驶的护城河随着自动驾驶落地进程的深入，滴滴的天然的优势将逐渐显现：数据覆盖完整度和混合派单模式。
对当前自动驾驶和 AI 有了解的都知道，海量数据是一切的基础。一些专门做 L4 级自动驾驶的公司，主流做法是自动驾驶车路测收集真实世界的数据，同时辅以虚拟仿真。
这种做法其实存在一定短板，道路环境千变万化，充满了随机行为。有限的自动驾驶车辆路测和仿真里程纵使做得再周全，覆盖了 99% 的普通场景数据，都会漏掉那 1% 长尾场景。比如三轮车逆行、摩托车闯红灯、躺在路中间的布娃娃、路边突然窜出来的小狗。
那 1%发生的概率很小，但一旦发生，对完全依赖数据的自动驾驶系统来说，都容易产生安全隐患。如果这个问题得不到解决，乘客就不可能百分百信任自动驾驶。
作为一个日均订单数达数千万的出行平台，滴滴在解决这个问题上是有优势的。这里不得不提滴滴在 2017 年启动的一个项目——桔视。这是一套软硬结合的安全设备， 2019 年已经有百万级车辆安装。滴滴表示，司机的行驶轨迹加上桔视设备，全年可以采集近 1000 亿公里的真实场景数据，能够覆盖大多数想象中的长尾场景。
这为滴滴自动驾驶提供了足够丰富的数据养料。据滴滴透露，同样采用仿真系统提升测试里程，滴滴因为数据上的质量优势，能将测试里程提高5–6个数量级。从数据优势的角度看滴滴自动驾驶的技术加速度，也就不难理解为什么滴滴能在短短五年内实现连续 5 小时无接管。

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：

滴滴的做法有些不一样 滴滴车不一样

滴滴的做法有些不一样滴滴车不一样