桔妹导读：自动驾驶作为多种复杂人工智能技术的缩影，和传统互联网产品有着本质的不同，开发成本高、开发周期长、技术破冰难，身在其中的工程师们屡屡遭遇挑战，还要面对来自社会各界的压力。技术到底打磨到什么程度才能和人类驾驶相媲美，至今也没有人敢在机器与人类之间画上等号。用户体验的 “简单” 背后，是工程师们对技术“复杂”度的极限挑战，自动驾驶行业现在还处在发展初期，来到这个行业的工程师们，带着不同的经历，抱着同一个“简单”梦想汇聚在一起，为美好出行日夜兼程。
在滴滴自动驾驶，一切技术驱动的核心都是以「安全」为最高权重标准来去进行技术迭代和突破。而在一套完整的自动驾驶系统中，如果将感知模块比作人的眼睛和耳朵，那么planning&control就是自动驾驶的大脑。决策规划控制模块可以处理多么复杂的场景，也是衡量和评价自动驾驶能力最核心的指标之一。
所以作为大脑的「决策规划」其挑战和难度也是最大的。从0-1构建planning&control系统的过程，一路充满了未知挑战。
天宇是planning&control团队的leader，而提到当初是如何了解自动驾驶，为何加入滴滴时，天宇说“这些大家觉得枯燥的数学反倒是最我感兴趣的，所以本科在北京航空航天大学就读自动化专业，中间一直在思考如何用数学的方式去解决复杂问题，后来关注到美国的「DARPA Grand Challenge」大赛，发觉无人驾驶是一件非常有趣的事情。”
「DARPA」 是美国国防部先进研究项目局 (Defense Advanced Research Projects Agency) 机构名称的缩写，简单来说也就是美国黑科技研究所。
DARPA Grand Challenge其在无人驾驶业内的地位如同运动员圈内的奥林匹克盛会。第一场比赛于 2004 年 3 月份举办，赛道设置在美国Mojave 沙漠，全长 240 公里，第一名由（CMU)卡内基梅隆大学获得。当时的无人驾驶研究，还处在实验室的阶段，并不像现在成为一个行业在推动。
图片来源于网络
天宇在CMU无人驾驶的博士项目中，参与了全球顶尖的无人驾驶公司的项目，经历并见证了整个自动驾驶行业从实验室阶段，到现在快速崛起发展的阶段。正因很多像天宇一样的成员的加入，给滴滴自动驾驶团队注入美国硅谷的文化、富有创造力、敢于打破条条框框。在这期间中美团队成员的融合，不同工程师文化和技术栈背景，交织在一起，互相碰撞、不断地推动技术的迭代变迁。天宇说“我个人觉得无人驾驶是一个非常难的机器人应用，它像一个木桶理论的践行者，任何一个模块差了，这个系统其实都不行，这不仅仅是算法，是一个很综合的 engineering，是工程很大的项目。对环境复杂，高速度等各种复杂极端场景，是需要一个积累过程，真的有一个算法或者说一个技术点的重大突破，才能够再飞越的往前走一步，它不是那种线性的东西，一定时间内是线性提升，偶尔阶跃上升一下。”Planning & Control：顾天宇
“我们需要去在算法上突破。整体来讲，我们做的是一个长期持续探索的计划，不受外界的因素干扰，潜心按照自己的节奏去突破和推进。”在一年前我们的几何库进行了一次重构，其实几何库是一个非常基础的底层, 不仅被planning&control模块所使用, 也被感知,预测,定位等其他模块所使用。
团队的李亨通，发现在一些极端的情况下,我们目前的几何库计算结果还存在优化提升空间，所以我们为了能够再度提升准确度，付出了很大的成本来重构底层逻辑。亨通和我们讲述了整个过程：在重构过程前，我们花费最多精力的两个地方就是：架构设计、验证环节；一方面，架构设计影响着我们整个技术应用的安全可靠性和、稳定性，像是盖一个房子，决定结构是否足够经历风吹雨打的各种考验。另一方面，在编写完成后，验证环节，占据我们最主要精力，一行行代码服役前，需要进行大规模的场外验证，在通过我们定制的一系列标准准出后，需要经历仿真系统的验证、不断地路测，而这个过程，谁都不能急，来保证绝对的安全，因为安全对我们的影响很大，或许会有人因此付出生命的代价。我们还要保证接口重构不会对现有代码造成影响，在进行了充分的测试之后，我们才将geometry上线。大家都非常细心仔细，不放过每一个细节。对于测试结果，大家仔细分析每一个指标变化可能带来的潜在影响，反复设计测试，确保安全。经过重构，我们geometry库的易用性大大提升，接口更加清晰明确，运行时间和精度得到数量级提升，可靠性大大提升。我在清华计算机硕士毕业后，进入阿里云做一些研发工作。而自动驾驶，是不同于传统的互联网产品，代码的质量和规范性更高，也更加需要一些门槛，在这里成长还是很大的，并且觉得做了一件科技向善的事情、很酷的事情，给个人探索发挥主观能动性的空间也更大，我觉得自己有一个很大的飞跃。
行为策略是自动驾驶技术中的核心地位，相当于人的大脑细胞，决定了如何聪明的像人类一样，做出最自然合理的反应，将复杂信息变成简单动作的过程是复杂的。
美国研发中心的谢丹是最早参与到这一模块的成员，让车变更聪明，化复杂为简是他一直在思考的问题：
本身无人车是一个复杂系统，不单单是只有各种技术栈和算法的交织，和环境也存在着复杂的交互。行为策略作为控制车辆下一个行动的模块，因此在设计上必须有足够的前瞻性，让自动驾驶这个理性思维里，加上人类的经验和交互应变能力。从而让我们的软件系统具备充分的可扩展性，可维护性，在未来表现的越来越聪明。
例如在变换车道的过程中，不仅要考虑能不能安全的变道，也要考虑变道的过程是否舒适，变道行为是否合理必要，以及变道之后是否会对我们未来的行驶造成影响。这些因素可能涉及不同的数据形式和算法。怎样将它们整合到可扩展的框架内，让我们的软件能够不断的进化，是非常重要的。另一个例子是当我们的车辆在一些高风险，不确定的环境中行驶时，应该像人类驾驶员一样适当调整速度，从而提高安全性和驾驶体验。而这样的环境千差万别，也对软件系统提出了挑战。
所有这些问题都需要我们在决策软件的架构上进行前瞻性的设计，同时也要充分利用数据，借助机器学习的算法，通过模拟器进行大量迭代测试验证，从而保证软件的高效率进化。
当提到对于无人驾驶的思考时，天宇说：
在5G技术低延时的背景下，我们已经可以去探索在特定场景下的Driverless，但这并不能代表真正的实现。拿高速路段举例，车辆在高速行驶中，一旦出现特殊情况，但远程驾驶员由于不属于这个环境，需要一定时间去分析适应这个环境，想一想他怎么开？是没有办法快速的让远程驾驶员切换到这个情景下去。像这些场景都需要去解决好，真正保证安全，那才是真正的我们在追求的Driverless的状态。现在是5G元年，真正大规模普及，可能还需要一段时间，到那个时候也许能够真正实现这种实时的响应，或者说可以在50毫秒或者20毫秒之内，能够做到极端情况下在一个运营区域内快速可靠的介入。自动驾驶技术也许现在还不是百分百完美的，还有很大的空间需要去迭代，幸运的是，我把我的工作想做的事业和兴趣统一起来了，并且我喜欢这种状态，享受这个过程，用自己的方式去改变这个世界。
天宇——“我很欣赏同事之间的凝聚力，集体精神，包括跨美国中国地域的合作，团队成员90%以上都有着硕士以上教育背景，大家过往的经历都非常的优秀，在这样背景深厚的团队里，感觉每天都humbled。”
亨通——“在这个环境里，能感知到纯粹、严谨的工程师文化，大家知无不言，不论是在项目进行中还是在决策之前，接受来自不同维度的评价和观点。“谢丹——“能感受到团队里一直保持着创业文化，使命驱动。团队团结凝聚力强，做的工作在技术上非常有挑战性，且有望颠覆人类未来生活方式，感到非常幸运。”在自动驾驶领域的研发工程师们，能感觉到他们每个人都有一个纯粹的简单梦想，可以让人类离开驾驶位，并用人工智能技术和传感器来替代，预防事故的发生。像从业最资深的滴滴自动驾驶美国研发中心的张晓东，曾师从日本藤重悟教授，后赴美国攻读计算机科学，1996年就开始进入汽车自动化行业，2001年研发为货车司机提供路径的软件，自行开发了美国高速公路求路器，再到加入滴滴自动驾驶，依旧保持年轻、敢于探索。我们佩服满腔热血、潜心投身于无人驾驶的工程师们，或许现在的自动驾驶技术不足够和人类画上等号，但他们敢于挑战传统、挑战权威、敢于探索这条路上的可能性，通过技术的演进打造一个可靠安全的无人驾驶，为世界创造一个更安全、更高效的出行方式，让我们感受到简单梦想的美好和伟大。相信终有一天，世界上的各个街道、停车场、以及高速公路将成为更加安全、美好之地。欢迎留言区畅聊你对未来无人驾驶的场景想象
精选留言点赞TOP3
可获得滴滴自动驾驶
独家定制版帆布袋+程序员保温杯
团队招聘
▬
滴滴自动驾驶在北京和美国硅谷均设有研发中心，已全面构建感知、行为预测、规划控制、高精地图、基础设施及仿真、车辆平台、云控与车路协同、信息安全等多个工程师团队，团队长期招聘以上方向工程师。欢迎有兴趣的小伙伴加入，可投递简历至 diditech@didiglobal.com，邮件请邮件主题请命名为「姓名-应聘部门-应聘方向」。
扫码了解更多岗位
联系我们 | DiDiTech@didiglobal.com