滴滴自動駕駛全家桶全亮相：從自動運維中心到未來服務概念車，刷新出行體驗

車東西（公眾號：chedongxi）

作者 | 小崔

(相關資料圖)

編輯 | Juice

目前，L4級自動駕駛迎來一波新的變革——一方面，不少之前專注Robotaxi的企業轉型降級研發L2，另一方面，百度Apollo、谷歌Waymo高歌猛進，商業運營范圍、時長不斷取得突破。

而作為出行行業的頭部玩家，滴滴從2016年便開始自研L4級自動駕駛，雖然在2021年之后，滴滴鮮有公開討論L4級自動駕駛的進展，但這并不影響滴滴這兩年的蓄勢。

滴滴自動駕駛COO孟醒

這不，就在不少自動駕駛公司碰壁L4并決定轉型L2之際，滴滴也公布了自動駕駛的最新進展。4月13日，滴滴自動駕駛發布了其在自動駕駛領域的多個“第一”——第一個自動駕駛自動運維中心、第一輛未來服務概念車DiDi Neuron，并宣布第一款量產車型將在2025年接入滴滴共享出行網絡。

同時，滴滴還公布了“北曜Beta”激光雷達和三域融合計算平臺“Orca虎鯨”兩款自動駕駛核心硬件、滴滴自動駕駛貨運業務KargoBot。

當然，滴滴在立場上還是始終如一：力挺Robotaxi，繼續搞L4，堅持做無人出租車。

一、升級自動運維體系 24小時提供服務

過去十年，出行行業最顯著的變化應該是交通線上化率大幅增加，所有交通工具、出行需求都在朝著線上化全覆蓋邁進。

而在今后十年，出行行業也將迎來下一個革命性的拐點——自動駕駛，有了自動駕駛，人們的出行成本將會大幅降低，出行效率也將快速提高，并最終改變行業格局。

滴滴自動駕駛車

作為國內出行行業的頭部玩家，滴滴自動駕駛運維體系又迎來最新進展，不僅推出城市泛化引擎方案，還打造了業內第一個自動駕駛運維中心慧桔港。與其他熱衷于自動駕駛的玩家相比，滴滴正在開辟一條特殊的道路。

目前，滴滴自動駕駛正面臨著三項挑戰：更大區域、更多站點和更長時間。

為解決乘客關于更多區域和更多站點的需求，滴滴自動駕駛推出了城市泛化引擎技術方案，包含一系列作用于感知、預測、規劃決策等多個技術模塊的前沿技術方法組合，可以針對擴域時所遇到的復雜車流、長尾場景和其他不確定性因素進行定向優化，大幅提升魯棒性，加強技術的可泛化性。

為延長運營時間，今年初，滴滴自動駕駛在上海率先推出了24小時無間斷服務模式，而為了保證車輛在出車、接單等過程中的自動化，滴滴自動駕駛還打造了業內第一個自動駕駛運維中心慧桔港。該運維中心可以自動為Robotaxi充電和清洗，還可以引導Robotaxi進行智能回港、停放等一系列運維工作，整個流程由運維中心配備的機器人提供智能服務，自動化率可以達到90%。

自動充電

從滴滴發布的Robotaxi 24小時實時運營的視頻來看，Robotaxi首先在慧桔港進行自動充電，充電完成后由機器人小車運送出港并開始自動運營。午夜時分，Robotaxi從慧桔港出發，一路行駛直至天色漸亮。

24小時無間斷運營服務

在這期間，Robotaxi經過醫院和幼兒園周邊復雜場景，在無保護左轉時可以靈活減速避讓弱勢行人、摩托車和自行車，還能夠及時避讓右側臨時開車門車輛，夜間行駛通過復雜路口時，可以準確做到無保護左轉和U-turn。

最后，Robotaxi從白天行駛至夜晚，再一次回到慧桔港進行充電和沖洗等維護工作，整個流程幾乎能夠做到24小時不間斷，如此往復循環。

可以說，有了自動駕駛運維中心，滴滴自動駕駛業務在運營時間上已經達到了“天花板”高度。

除此之外，滴滴自動駕駛還應用了混合派單模式進行運營。滴滴自動駕駛早在2020年上海上線時便提出了該模式，如今已經能夠將混合派單引擎應用到上海和廣州區域。基于有人駕駛網約車網絡，滴滴自動駕駛在拓展新區域的時候可以在有人網絡里面逐步植入自動駕駛車輛。

花都商業化運營車內

當乘客使用滴滴APP打車時，滴滴后臺可以根據乘客的出發地點和目的地迅速做出路線規劃并進行智能判斷，然后根據自動駕駛的安全閾值來決定是否派出Robotaxi去接單，如果超出自動駕駛安全閾值，滴滴就會派人類駕駛司機在滴滴網絡平臺上進行接單。

如此一來，乘客既不耽誤事，還可以順帶體驗自動駕駛，且自動駕駛會永遠行駛在安全的范圍閾值之內。對滴滴而言，混合派單是其重要優勢之一，也是一種漸進式推進自動駕駛落地的方式。

滴滴自動駕駛COO孟醒表示，截至當前，滴滴自動駕駛已連續安全運營1020天，在此期間，其MPCI（平均關鍵接管間隔里程）漲了一百倍，主責安全事故0起；團隊人數翻了三倍，人數增加到1000人，車迭代了一代。

也正是其安全、穩定的運營表現，給予了滴滴自動自動駕駛再次向前邁進的底氣和信心。

二、技術加持 不斷貼近網約車服務

無論是自動駕駛本身，還是自動駕駛運維體系的建立，技術突破都是必不可少的一環。城市泛化引擎技術方案的背后，還有著感知大模型、預測大模型、博弈論和模仿學習等技術的加持。

城市泛化引擎

在面對更多車流時，Robotaxi的計算既要做到精準，還要保證整體計算速度沒有延遲，對交通參與者的行為做出合理預判。對此，滴滴自動駕駛研發部署了兩個大模型。

一個是基于BEV的感知大模型，該模型能夠通過多傳感器的數據融合，特性互補，提升感知精度上限，能夠應對不同的氣候環境。另外，通過感知模塊的整體性設計，去除多模塊間的冗余設計，提升計算效率，降低系統延遲。最終做到在提升準確度的同時不增加延遲。

另一個是預測大模型。滴滴自動駕駛去年完成了一輪預測方法的架構迭代，新一代的預測大模型是海量數據驅動下基于Transformer的端到端深度學習模型，建模了交通參與者和環境之間的交互，對動態交通參與者的行為進行準確刻畫，在預測精度和召回上大致有20～30個百分點的提升。

預測大模型的最新架構既采用了聯合預測的方式對所有交通參與者進行同時預測，也能夠針對特定場景，如大車、慢速起步車、摩托車和自行車等進行更精細的預測，既具備工程上迭代和部署模型的靈活性，也能夠滿足對整體低時延的要求，整體預測時長比上一代快3～5倍。

而在更多的交互帶來的挑戰中，滴滴自動駕駛則引入了博弈論和模仿學習的方式進行應對。

如果交通參與者是理性的，那么Robotaxi計算平臺就會便用博弈論的思路去判斷：如果這樣做交通參與者會怎么反應？Robotaxi再基于他的反應如何繼續去反應。期間規劃和預測的模塊會進行不止一輪的交互，讓預測結果越來越逼近交通參與者的真實反應。

當然，現實場景中還存在著諸多不理性的因素，滴滴自動駕駛采用模仿學習的方式，來學習人類在類似場景下的交互。一方面，其硬件算力在不斷提升，可以同時計算兩種不同規劃路徑下的結果，并仿照人類司機的駕駛行為來進行最終判斷，從而使自動駕駛車輛的表現越來越貼近老司機。這個方法可用于應對車隊加塞、優化掉頭轉彎等場景的行駛動線等情況。

長尾場景幾乎是各家自動駕駛公司在技術探索的征程上必須跨過的一道坎。

Robotaxi無人測試實況

在這上面，滴滴自動駕駛先是將所有的交通參與者劃分為可識別和不可識別兩類，然后將對應的長尾場景也分為兩類。

第一類是可識別但低頻出現的場景。針對這種場景，滴滴采用主動挖掘的方式，也就是所謂的active learning。基于多年的技術測試積累和感知大模型的應用，滴滴目前對這種類別有相對較多的數據積累和定向認知，能夠采用自動化的方式，主動挖掘這一類的樣例，可以應對小動物、異形卡車等場景。

另一類相對而言更加低頻，且很難進行類別的定義，比如落葉、樹枝、垃圾袋等。于是滴滴采用占據空間網絡的方法，對這些地面的小物體做到有效召回，防止碰撞及不必要的急剎，保證自車的安全性。

除了技術上的突破，滴滴在運維網絡上的應用還得益于多年網約車服務所構建的運維體系。在研究自動駕駛之前，滴滴出行本身便已經搭建了比較完善的運維體系，比起友商做自動駕駛，滴滴只需要根據自動駕駛的不同場景進行適應和完善。而此前，滴滴自動駕駛也已引入運營體系，此次推出無人駕駛自動運維中心，無疑在自動駕駛的布局上也更進一步。

三、新硬件新業務 首款量產車2025年接入

活動當日，滴滴還發布了首款未來服務概念車DiDi Neuron。

概念車DiDi Neuron

該車在空間上取消了駕駛位，在車輛總長不變的前提下，相較普通網約車內部空間提升50%，腿部空間提升86%。車內搭載大屏交互系統，設計了會議、游戲、影音、街景介紹、氛圍選擇等模式，車外則用智能交互五聯屏代替了傳統車燈。Neuron還獨創了車內機械臂，可以為用戶通提供提行李、遞水、叫醒等服務。

硬件方面，Neuron配備了21個攝像頭和14個雷達。而在動力系統上，Neuron通過將輪轂電機和無人網約車結合，四個輪胎能夠靈活轉向，能實現更小半徑轉彎、斜向行駛等功能。

此外，滴滴還發布了兩款自動駕駛核心硬件——“北曜Beta”激光雷達和三域融合計算平臺“Orca虎鯨”。

北曜Beta激光雷達

北曜Beta由滴滴自動駕駛和北醒公司聯合研發，是國內首個2K圖像級高精度激光雷達，擁有每秒300萬高點頻、超512線、橫向120°及縱向25.6°的超大視場角等性能特點，還增加了可調節分辨率功能，支持常規模式、視場角聚焦高清、局部高清、全局高清等四種模式，不僅能在200m外感知輪胎等低反射率物體清晰的輪廓，還可以根據場景需求自適應地調節局部區域或全局的分辨率，提升激光雷達在不同環境下的感知效果。

Orca虎鯨則是滴滴自動駕駛研發的行業首個量產化三域融合計算平臺，用于打造車載超級中央計算單元（SCCU），能夠將智能駕駛域、智能座艙域和網聯域三域融集成至一體。相比于上一代硬件，虎鯨計算平臺成本下降88%，整車空間體積減少74%，核心元器件數量減少了61%，線束數量減小了33%，相當于后備箱能再多容納一個20寸行李箱。

除此之外，滴滴自動駕駛貨運KargoBot也正式亮相。滴滴自動駕駛首次宣布已將L4級自動駕駛乘用車解決方案拓展至干線物流貨運領域。

滴滴自動駕駛創新業務負責人韋峻青

值得一提的是，滴滴自動駕駛在貨運方面研發了混合無人化解決方案HDS(Hybrid Driverless Solution)。該方案由配備人類駕駛員搭載輔助駕駛方案的領航車輛，以及多輛L4級自動駕駛卡車構成，能大幅提升商業運營中各類長尾場景和復雜交互的處理能力。

目前，KargoBot擁有超過100臺自動駕駛卡車，已在天津和內蒙之間開始了常態化的試運營。截至今年3月，KargoBot累計物流收入已經突破了1億元。

活動現場，韋峻青還首次公布了一段KargoBot從天津到內蒙古全程1049公里無接管的視頻。視頻中，KargoBot的卡車歷經白天黑夜，通過積雪、結冰、修路路段以及國道、高速、收費站、匝道、隧道、城市廠區等環境，全程后排安全員僅虛握方向盤，不干預卡車駕駛。

另外，滴滴自動駕駛COO孟醒還公布了自動駕駛量產新進展。據透露，首款車型將于2025年接入滴滴共享出行網絡，實現全天候、規模化的混合派單。

結語：滴滴自動駕駛運維體系再完善，正加速實現量產Robotaxi

移動互聯網推動了出行市場的第一波變革，把交通工具和出行需求連接到線上，滴滴出行抓住了這波變革，奠定了其出行行業的龍頭地位。

而出行市場的下一波變革則在自動駕駛領域。不過，目前各大自動駕駛公司的發展幾乎都還處于L2級階段，對于L4的量產還有很長一段路要走，有甚者也因道阻且長而放棄摸索L4。

憑借著在運維網絡的深厚積累，滴滴正在搭建日益完善的自動駕駛運維體系，即使很少發聲，但滴滴自動駕駛并沒有停滯不前。相反，蓄勢兩年，滴滴自動駕駛運維體系再次升級，正加速實現L4。