『导读』5月17日上午，此前一直在业界保持低调、神秘，用心打磨技术的领骏科技，发布了国内首个具备“量产产品形态”的L4级无人车，搭载了其自主研发的新一代自动驾驶系统，目标直指自动驾驶的商业化落地量产。同时，领骏科技还推出了自己的高性能自动驾驶仿真平台，该仿真平台在本次发布的无人驾驶样车中扮演着重要角色，成为自动驾驶系统研发的利器。
5月17日上午，此前一直在业界保持低调、神秘，用心打磨技术的领骏科技，发布了国内首个具备“量产产品形态”的L4级无人车，搭载了其自主研发的新一代自动驾驶系统，目标直指自动驾驶的商业化落地量产。同时，领骏科技还推出了自己的高性能自动驾驶仿真平台，该仿真平台在本次发布的无人驾驶样车中扮演着重要角色，成为自动驾驶系统研发的利器。
量产级L4解决方案 推动自动驾驶商业化进程
领骏科技此次发布的L4级无人车，能实现普通市区道路和高速公路上的自动驾驶，完全依靠自主决策实现以下高级自动驾驶能力：自动多目标道路规划、识别信号灯通过路口、路口内避让各方向来车、车道选择及变换、自主换道超车等。同时，该无人车还能实现无左转灯保护的左转、上下高速路匝道、自主汇入和离开车流、通过隧道、出入收费站以及通过环岛的高级自动驾驶能力。目前，此无人车已经完成了单车8000公里以上的测试。
领骏科技创始人杨文利博士
创业初期，领骏就明确了以“量产产品形态”开发整套自动驾驶系统的方向。创始人杨文利博士认为，“量产”是自动驾驶的商业化过程中绕不过去的一个门槛，只有符合量产要求的自动驾驶，才能真正服务于人类，最终解放人们双手，引领驾驶的未来。此次发布的无人车方案完美诠释了这一理念。
在完全满足L4级自动驾驶感知需求的基础上，整套自动驾驶系统中的感知系统全部采用量产或准量产的传感器组件。并且所有传感器全部隐藏于车身内部，车顶无需外置任何大型传感器，后备箱也无需架设大型的设备和计算机，最大程度地保留了原车的流线型外观、空气动力学设计与后备箱空间，且不会对车辆限高、车顶承载重量提出其他要求——在国内，实现L4级自动驾驶能力且具备量产前装形态的，领骏科技是首家。
而这得益于领骏科技在决策控制系统上的优势。自动驾驶系统的最终输出是油门、刹车、方向盘这三大控制量，是由自动驾驶的决策控制系统通过逻辑和计算生成的，对最终的行车结果负责。自动驾驶的决策控制系统是领骏最擅长也是最核心的技术。
领骏科技团队基于对驾驶任务本身的理解，参照人类驾驶员的注意力模型，对决策控制系统进行合理架构与深度优化，使整套系统能够不依赖顶部高线数激光雷达，而仅使用布置于车身周边的传感器和算法优化来实现L4级自动驾驶的功能，并留有足够冗余。
基于量产与技术国产化的考虑，领骏科技还与清华苏州汽车研究院合作，对自动驾驶控制算法进行优化，攻克技术难题，使得其整套解决方案全面支持国产底盘与线控技术，实现城区和高速路上的自动驾驶，更可基于不同的车辆底盘，例如卡车、特种车辆等进行定制。由于国产底盘线控技术没有国外成熟，对自动驾驶算法要求更高，目前业内多家公司的自动驾驶系统均采用林肯MKZ改装部署。
据领骏科技方面介绍，此次发布的自动驾驶系统，通过合理的模块划分，实现了从L2到L4多个自动驾驶层级的支持，用户可以根据需求，省略或关闭系统的部分功能模块，从而定制出具备不同功能的自动驾驶系统。例如，目前领骏科技原型车兼具车道保持、自主换道和车道选择功能，如果关闭后两个功能，则仍具备车道保持的辅助功能。
领骏科技创始人杨文利博士表示：“领骏科技希望借此次L4级自动驾驶系统的发布，推动国内自动驾驶市场的商品级量产。首先通过与车厂在L2、L3等级的辅助驾驶上进行合作，为车厂提供解决方案，之后一起向高级自动驾驶L4过渡，领骏科技将渐进性地推动自动驾驶的落地。”
自主研发仿真平台 加速自动驾驶技术成熟落地
领骏科技在发布自动驾驶系统的同时，还推出了其自主研发的仿真平台。该仿真平台是领骏本次发布的自动驾驶系统的重要研发工具之一，极大提高了研发效率，降低测试成本。并且，领骏也计划为客户和合作伙伴提供该仿真平台，共同推动自动驾驶的测试落地。杨文利介绍说：“领骏科技80%的研发工作是在这个仿真平台上进行的，剩下的20%才需要在测试车上进行。”自动驾驶算法中大部分的逻辑与时序问题，都可以在这个仿真平台上得以验证，以保证在后续的实车测试中算法和程序已经基本稳定。
谈及研发这一仿真平台的初衷与意义，杨文利表示：“仿真工具对于控制系统的研发设计非常重要，它是对物理世界的理解和数学抽象。基于领骏科技仿真平台，开发者可以在办公室里验证测试所开发算法的正确性，而不需要实车上路测试。而且对于开发人员而言，每人都可以拥有一套仿真系统，而每人拥有一辆测试车还不现实。仿真平台能极大程度上提高研发效率，并降低实车测试的风险和巨大的成本。”
此外，该仿真平台还为自动驾驶的强化学习算法提供了必需的训练环境，是强化学习不可或缺的工具。“强化学习实际上就是让机器从零开始，通过不断试错、左右互搏，实现自我学习、自我提升的过程。一方面，通过虚拟环境下的大量自主学习，自动驾驶系统可以快速积累驾驶经验，从‘新手司机’迅速成为‘老司机’。另一方面，强化学习在仿真平台的帮助下突破现实场景中时间与空间的限制，让自动驾驶系统超越了人类的学习能力。”在围棋界与科技界引起轰动的AlphaGo之所以能够战胜人类，也是得益于强化学习技术在虚拟对弈平台上自我学习快速提升的能力。
