19年大火的美剧《切尔诺贝利》一经上映，就引发了观众对灾难的思考。影片中真实还原了1986年乌克兰切尔诺贝利核电站的严重事故，电影的惨烈让人唏嘘，科学家的深情令人感动。为了清扫核爆炸中心建筑物楼顶的石墨碎片，科学家请来了可以远程操控的月球探测车以及西德研发的警用机器人。这些具备无人驾驶雏形的高科技产品，在灾难面前，其实是在代替人类置身于险境，尽可能减少生命财产的损失。
34年后的2020年，中国正在经历一场亘古未有的灾难——新型冠状病毒肺炎疫情。举国上下都在全力对抗疫情，修建医院、建立隔离区、封城、封路……所有的举措都是为了防止病毒的进一步传播。在众多举措中，“零接触”被高频提起，这是因为近距离接触是病毒传播的主要途径而被重视，那么被视为传统汽车未来发展趋势的无人驾驶又有什么惊人表现呢？
疫情发生以来，不管是智行者开发的无人驾驶送餐车，还是悟牛智能开发的消毒机器人，都让人们看到了无人驾驶技术有了实际的应用，从未来走进现在。
大年初二，智行者CEO张德兆紧急召回了一批留在北京过年的员工，紧急改装调配一批用于医院内配送药品、食品的无人配送车和无人清扫消毒车。3天后，智行者捐赠的3台无人配送车，在上海两所医院和北京的一个隔离点正式投放使用。这些无人配送车充满电后可以连续工作6-8个小时，期间能以人类走路或慢跑的速度（每小时5-10公里）进行移动。
笔者分析了智行者无人配送车的技术方案，这辆无人配送小车采用了双16线激光雷达+摄像头+超声波雷达的硬件方案，通过多线激光+ DGPS的环境感知系统，搭载了智行者研发的AVOS系统，使用嵌入式低成本方案，可以适应复杂的低速场景环境。和其他厂商一样，为了避免单一RTK定位或单一视觉带来的不可靠性，智行者同样引入了差分GPS定位来提高定位的安全性。
在以上各公司给出的无人驾驶解决方案中，面对的对象都有一个特点，那就是我们一直在探讨的低速场景。
在探讨这个问题之前，首先我们给无人驾驶分个层，场景从无限制-室内外限定区域-纯室内，速度从高到低，体型从大到小，把无人驾驶从上到下、从难到易大致可分为五个层级。
第一层级是高速、无限制场景的L4级载人无人驾驶，直接载人上路，面对无限制复杂场景，风险和难度都很大，Waymo就是直接去攻这个方向，现在看来，短期较难实现。不过值得一提的是，百度去年首款L4级别载人无人驾驶出租车在长沙上线运营，各个公司已经开始了相关领域的测试和攻关。
第二层级是载货无人驾驶，简单限定场景。既然载人太危险，无限制上路太复杂，那就载货，在车和人较少的干线或矿区尝试。比如踏歌智行，专注做矿区无人驾驶（场景相对简单，矿区人少，危险系数低，载物而不是载人）；还比如，图森未来和智加科技，做无人驾驶卡车（场景相对简单，仓到仓干线运输人较少，危险系数低，载物而不是载人）；
第三层级是室内外限定区域场景的低速大型车，场景进一步限定，比如限定在园区、社区、公园等，同时速度降低。原来有人驾驶的商用扫地车改成无人驾驶，让原来固定不动的自动零售柜，加上无人驾驶，在公园跑起来，都是落地应用。比如，无人扫地车就有「高仙机器人」「智行者」「深兰科技」等厂商重点布局，据说卖得还不错。另外无人零售车（无人驾驶的自动零售柜），有「新石器」「行深智能」等创业公司在做；到新闻，新石器号称签署了5000台无人零售车的战略协议，卖到迪拜的哈里发塔下。想象一下，未来你在迪拜就能看到很多穿梭自如会跑的自动便利柜了，中东真土豪。
第四层级是低速、小体型、室内外限定区域场景车，场景进一步限定简化，体型控制到纸箱大小（价格进一步压缩），主打最后一公里配送、新零售等场景，正待快速落地。通过观察，物流电商、外卖平台对这块需求极大，关注度很高。
国外的亚马逊，国内的菜鸟、京东、苏宁、美团等纷纷推出了自己的无人小车，去解决最后一公里配送问题。
第五层级就是纯室内场景，低速，场景简单的，比如，扫地机器人就可以看作自动驾驶的最简化落地和目前最成熟最大规模的应用实例。
无人驾驶各层级来看，第一、二层级还有距离，第三、四层级在积极落地为无人驾驶积累经验，第五层级已经实现得比较好。
第四层级的低速、小体型、室内外限定区域场景，面向最后一公里配送或新零售等场景，有希望快速落地铺开，值得重点关注。
现在，我们来思考一个问题，低速无人驾驶更加简单安全吗？并不一定。第一个问题就是目标交通行为的复杂度，在低俗场景内，目标交通行为非常复杂。比如有很多自行车、电动车在路上行驶，而且它可能事先是毫无任何特征，也没有什么手势之类就直接切入。对于自动驾驶小车来讲，我们需要进行非常准确的目标行为和轨迹预测，否则要么造成车辆猛刹车，要么造成撞人事故。
第二个问题，园区内基本上没有交通秩序的约束。比如，逆行或是人在道路中间站着拍照这种场景应该是常态。这种场景我们并没有办法通过法律法规约束，这也是一个非常严重的问题。
第三个问题，行驶路径会有很多突发和偶然性的事故，比如，无人物流车行驶在一半的时候突然被一辆乱停乱放的车辆堵住通道，这时候物流车不仅需要重新规划路线，可能还涉及到调头、倒车等非常复杂的操作。
以上问题的解决，并不见得比高速场景要简单。高速场景注重点不同，高速自动驾驶的算法可能非常简单，但要求每一项功能非常可靠，比如感知算法，而低速场景则需要复杂的算法。
事实上，在这次的疫情援助中，许多企业能够闻风而动，迅速反应。在这个角度上，其实已经印证了这些企业自身的应变能力与社会责任担当。
在无人驾驶领域也是如此。或许当下市场对无人车的接受度还不够、或许技术还不够完善，但如果市场能够多给一些宽容，或许其会在未来逐步成长为中流砥柱。
发表评论