“我们的目标是为人类打造安全舒适的自动驾驶出行” —— 楼天城。

Robotaxi 又名“无人驾驶出租车”，实现的技术手段划分为四大点：1、车辆具备神经大脑和处理终端；2、永远在线的云端数据；3、仿生学模拟的形式轨迹和出行路线规划；4、高精度地图支持；

Part 1：先谈结果，它的体验感受到底如何？

「怎么可以预约到它？」

小马智行 Robotaxi 已经在广州南沙、北京亦庄启动运营服务。在北京，小马智行 Robotaxi 服务范围将覆盖北京经济技术开发区 150 平方公里核心运营区域，包括约 150 个站点，运营时间从早 8:30 持续至晚 22:30，囊括早、晚高峰以及夜间时段。用户只需要扫码下载，即可预约。

普通用户的使用时间路程和时间根据设立的目的地而定，一般都是在 10-15 分钟左右，相对比较短的一段里程。

「是否平顺、舒适？」

测试下来，我偶遇到几位供应商的朋友，有电池厂商的朋友、有做整车开发的朋友也有做软件研发的朋友，他们问我，小马智行和其它品牌的体验差异到底在哪里？它是否足够平顺和舒适。因为对于体验者而言，他们最关心的就是会不会有“呕吐感”。

我使用了一款软件来对 Robotaxi 的起步和刹车进行了测试，在亦庄的道路上，它的起步和刹车都比较线性，哪怕是遇到“人字交汇口”都可以提前预判、提前刹车。

「总结：舒适、平顺的智能出行体验」

一个车可以坐三个人，后排每人一块屏幕可以看到系统还原的场景状态以及出行路线剩余长度和时间。整体感受与北京网约车师傅开车的感受没有太大的区别，综合体验如果用 10 分为满分来表述，它可以拿到 8 分。剩余的 2 分，主要是通行的效率还是比认为操作略慢一点，可以理解，毕竟这只是试验车阶段。

在北京亦庄的体验时间非常短，如果想深度了解更多体验感受，可以点击我们上周在广州南沙的体验报告《Robotaxi 的「反攻战」？深度体验「小马智行」无人车》

Part 2：聊一下技术，这些传感器的作用

所有的传感器都是服务于场景，所以不同的场景所需要不同的传感器。Pony Pilot+ 的具备 L4 级别的智能驾驶技术，通过视觉传感器、感知传感器、激光雷达传感器，再加上高精度地图实现多维度的融合感知算法，并且得益于强大的后台计算能力，实现的终端和云端的数据结合，让具备智能驾驶的 Robotaxi 可以快速、安全落地。

小马智行的第五代车型的原型车为雷克萨斯 RX450h，后装最新一代 L4 级自动驾驶系统，于 2021 年 2 月正式下线。生产可以实现批量化和一体化，增加量产效率。

车外一共有 7 个摄像头、4 个毫米波雷达、4 个激光雷达、厘米级定位天线 2 个。其中在车顶的两侧，还配备了小马智行自研的信号灯识别摄像头。

细心的朋友应该会发现，它的左侧有 1 个侧向毫米波雷达，而右侧是没有的。这个毫米波雷达的核心作用在于“无保护”的转向场景，对于的侧方来车的检测。因为本土驾驶员是在左侧驾驶，向左侧转向时是从左到右车道，从右侧转向时是从右到右车道。为了解决跨车道侧方来车的问题，这个毫米波雷达的探测距离设定达到 200 米，预判跨车道的车辆情况。

四大场景还原分析

Scene 1：自动驾驶开启与感知场景

注意的是，这里说的“自动驾驶路段”是有区域限制，并非全场景的自动驾驶。例如我们从酒店上车，离主道还有 500 米左右，这一段是需要“安全员”驾驶。而上了主道，则由系统自动开启智能驾驶。安全员的角色主要是应对突发情况的发生，可以随时人为接管。但被问到，事故责任的划分，安全员表示如果发生事故，会有小马智行的相关部门进行处理。

系统开启后，安全员不会主动接管车辆，所有关于驾驶的部分都交由系统来处理。安全员在车内只需要点一下已接到用户，或已送达用户即可。

运营场景主要为城市路段，随着道路数据采集的量增加，未来会铺开更多无标示的城市小路。

Scene 2：“有保护”和“无保护”的左转和右转

什么是“有保护”和“无保护”路段？说白了就是道路跨道距离，是否有引导线和路口向导。在北京亦庄，街道路口非常的宽，会出现很多的“无保护”路口。看一段视频你就懂了：

路线的规划非常重要，智能驾驶要模拟人类驾驶的所有预判和感知感测。例如在路口有拥堵时候，需要根据高精度地图和感知环境数据重新规划路线。在感知系统到执行系统上的效率也要高，不能让车辆一直停在路口不动，要及时、快速的通过路口。这一套算法背后是数据驱动，以及训练模型不断验证的结果。

Scene 3：避障、超越

避障这件事儿很复杂，在路面上遇到的任何妨碍车辆前行的人类和物体，都称之为障碍物。这些物体的大小和行动轨迹都是不确定的，有一些是静止，有一些是被动运动等等。预判机制显得尤其的重要。通过激光雷达每 3 秒对场景的一次扫描，以及多维摄像头的感知融合，将车辆所在场景不算刷新。

这个和我们手机屏幕的刷新率是一样的，刷新率越高，所看到的细节就会越多。

当场景重构之后，后台会进行一系列的物体对比分析，分析出到底这些是什么。这里就要提及到认知模块，也就是我们所学的自学习功能。

Scene 4：复杂路况与加塞

这个场景是最为复杂的，也是自动驾驶难度最大的。

通过视频可以很清晰看到，对于场景重构，系统的稳定性和策略都比较精准。汇车时预判减速，遇车时采用“礼貌”避让，可以看出 Pony Pliot+ 的训练模型已经做得比较完整。整个体验的过程，冷汗指数非常的低。这和我们经常使用主机厂的智能辅助驾驶有非常大的区别。

Part 3：小马智行的野心

为什么不造车？而选择了后装市场。

首先我们要明白一个点：主机厂的智能辅助驾驶和 Robotaxi 的技术路线是不同的。主机厂在整车配套上有着先天的优势，但是对于主机厂而言，智能驾驶核心在与解决用户在开放无限制场景下的智能出行，说白了还是需要人随时接管。而对于 Robotaxi 组织来说，他们需要解决的是智能交通的实现和无人两点一线的运输的商业可行性。

我列了一个信息，让大家更清晰了解主机厂和 Robotaxi 智能驾驶技术的路线：

【主机厂智能驾驶】
优势：
1、从产品端开始布局，在线束和造型上有更大的主导权；
2、对车辆控制域的权限更大；
3、对成本控制更好；
缺点：
1、数据量采集所需要时间较大；
2、数据迭代效率较慢；

【Robotaxi 智能驾驶】
优势：
1、技术更专注，技术未来实现开放零售的可能性大，商业机会多；
2、数据量采集大；
3、落地速度快；
缺点：
1、后装成本高；
2、对车辆适配难度大；

Robotaxi 可以说是目前智能驾驶市场上的“逆袭者”，从高纬度向下对主机厂的辅助驾驶带来一定压力。未来开放平台和技术下放的可能性更高，商业市场之大等等，这些都是 Robotaxi 存在的主要价值。

与此同时，小马智行不仅仅在 Robotaxi 上搭载 Pony Pilot+，在 Robotruck （智能卡车）上也搭载 Pony Pilot+。从商业角度来看，小马智行的眼光不仅仅是看着每年 100 多万的汽车零售市场，而是看中了出行领域中另一个蛋糕，两点一线的付费型出行，这个百亿级的运输服务市场作为智能驾驶的切入点，最终向民用智能驾驶技术市场发起降维打击。

如果能解决成本和车型匹配这两个难题，相信未来会有很多主机厂愿意和 Robotaxi 这类服务商进行深度合作，加速人类智能出行。