光庭CTO羅躍軍：高精度地圖還處在投入期，量產化取決於人工智慧的成熟
過去一兩年，光庭 CTO 羅躍軍和他的團隊時常會聽到這樣一種聲音：「我們的無人車在高速公路上行駛得很好，完全不需要高精度地圖。」
當自動駕駛從業者在談論高精度地圖沒有價值的時候，羅躍軍常是面帶笑容來化解這種尷尬。因為他知道，當他們開始考慮解決更多魯棒性問題時，必然會尋求圖商的合作。
實際上，高精度地圖資料通過提供靜態、先驗以及超感知範圍的智慧感知資料內容，説明汽車解決「在哪兒」、「周圍是什麼情況」、「該如何做」等一系列問題。
作為全國為數不多的擁有地圖甲級測繪資質的供應商，光庭在很長一段時間內並沒有開始導航資料的採集與製作。因為在他們看來，這個領域已經有四維圖新、高德和百度。光庭從零開始搭建資料平臺與他們競爭，「沒什麼意義。」
但到了 2014 年，光庭團隊逐漸意識到自動駕駛和高精度地圖兩者的關係和重要性，也就是從那時起，他們開始從零起步製作高精度地圖。
去年，這家位於武漢的公司對外公佈了兩個新的進展：
一是「小魚暢行」，這個自動駕駛項目是光庭與武漢大學、武漢理工大學共同研製，在武漢選取了光谷資本大廈到武漢未來科技城的一段 17.1 公里的道路進行示範運營，並對公眾免費開放，乘客可以通過手機 App 進行預約。
二是光庭與中海達成立合資公司「中海庭」。為了更大限度地整合行業資源，前者借助後者的測繪技術共同合作進行高精度地圖的測繪與開發，並進行商業模式上的探索。
到目前為止，這家合資公司採集了上萬公里的高精度地圖資料，製作了將近 3000 多公里高精度地圖。儘管如此，羅躍軍向雷鋒網表示，他們目前製作的地圖資料通過與汽車廠商合作，仍是在小範圍或封閉區域以自動駕駛預研為主的測試。
與自動駕駛行業一樣，高精地圖市場現在也開始變得愈發熱鬧：穀歌、百度、Uber 和福特等公司都在利用自己的測試車採集資料以便繪製高精地圖。而湧現出的地圖初創公司，如 DeepMap、Carmera、 Civil Maps 更是獲得了資本的青睞。
毫無疑問，高精地圖作為自動駕駛拼圖上重要的一部分，將為參與者創造一個新的聚寶盆。
但是，阻礙高精度地圖走向量產業化的尷尬之處是：居高不下的製作成本。據雷鋒網瞭解，圖商的一輛傳統測繪車 30 萬到 40 萬，一輛高精度測繪車需要 800 萬人民幣。而且製圖方式需要投入大量的測繪車為基礎。目前高精度地圖的製作還無法做到完全自動化，人工標定依然佔據重要成分。
此外，車載設備成本居高不下、資料處理效率較低、資料密度極大，消耗大量的計算資源，且後期地圖通信量高也是困擾高精度地圖走向產業化的另一個阻礙。
羅躍軍認為，目前高精度地圖還處於投入期，只有人工智發展到一定程度，地圖自動化採集製作的成本才有可能降低，而成本的大規模降低為高精度地圖產業化掃清障礙。至於高精度地圖何時量產，業界的觀點大多集中在 2019 年、2020 年前後。而高精度地圖的發展，未來一定是動態資料的服務、靜態資料的採集、眾包資料融合而形成的閉環。
以下是雷鋒網與羅躍東的對話實錄（有刪減）：
雷鋒網：談談光庭在自動駕駛方面的佈局？著重哪些方面？
羅躍軍：
我們主要做高精度地圖、高精度定位的自動駕駛解決方案。
定位與地圖是相輔相成的，如果我們要把地圖用起來，定位的成熟化是前提。所以在自動駕駛方案中，我們著重的是定位的解決方案：通過視覺、差分 GPS、雷射雷達等一系列感測器做融合定位。
此外，我們還會解決自動駕駛的交互，比如儀錶，HUD、人工智慧等產品。
雷鋒網：目前你們有哪些用於 ADAS 或自動駕駛領域成熟的產品和技術？你們的定位是什麼？
羅躍軍：
我們在這個領域的成熟技術，主要是定位，地圖和感測器的識別，包括在車輛終端用的儀錶和通訊等等。
我們與車廠合作也是提供打包的解決方案。車廠要的不是單一定位解決方案或是單一地圖感測器，他們需要的是一套完整的自動駕駛/ADAS 方案。我們只是完成其中一部分。
從定位看，我們是圖商，是 Tier1 背後的地圖服務商、雲端服務商。
雷鋒網：現在 OEM，Tier1 對高精度地圖有哪些需求？
羅躍軍：
到目前為止，還沒有車廠對高精度地圖提出明確需求。因為每家車廠在自動駕駛發展的階段、選取的技術路線和對地圖的需求處在不同層次，導致他們對自動駕駛理解各不相同。
這裡的關鍵在於他們用高精度地圖來做什麼？每個車廠在自動駕駛不同的階段，對地圖的需求並不相同。
我們現在做的地圖對車廠來說是「超標」的，車廠不需要高規格、容量大，資料內容多的地圖。作為圖商，我們可以展望未來車廠需要什麼樣的高精度地圖。在某種程度上，我們做這件事有點超前。
雷鋒網：去年 4 月和 9 月，光庭有兩個動作：一個是「小魚暢行」，面向公眾的自動駕駛專案；一個是光庭與中海達成立合資公司「中海庭」，投入精力做高精度地圖。作為一家圖商，光庭為什麼會做「小魚暢行」這個自動駕駛項目？「中海庭」目前有哪些進展？
羅躍軍：
「小魚暢行」其實是希望通過公眾平臺對外展出，讓我們的地圖、高精度導航技術、自動駕駛方面的技術在平臺上進行驗證，通過收集資料來驗證高精度地圖到底該如何做。
如果我們去等車廠的回饋，那幾乎不現實。我們做自動駕駛是瞭解自動駕駛的前沿技術，比如自動駕駛到底需要怎樣的資料、需要什麼樣的地圖。
我們希望通過這種方式來獲得需求和回饋。而感測器收集的資料是我們做大資料的基礎平臺，未來地圖服務肯定是基於雲端的大資料服務。
博世為什麼找中國車廠合作，高德為什麼免費去推高精度地圖？目的是一樣的：為了讓更多使用者使用它們的產品後獲取更多資料，他們可以基於大資料不斷反覆運算服務。這也是我們的出發點，也是我們長期要做的事情。
與中海達成立合資公司，我們希望更大限度地整合行業資源，打造開放式的合作平臺，並吸引更多戰略合作夥伴加入。
目前我們採集了上萬公里的高精度地圖資料，製作將近 3000 多公里高精度地圖。我們製作的資料以自動駕駛預研為主，與車廠合作在小範圍內或封閉區域做實驗。我們也採集了國內幾大城市特徵資料，比如上海的環線路、骨幹的高架。
地圖採集週期並不長，主要瓶頸在地圖製作。換句話說，高精度地圖目前還在投入期。
雷鋒網：有這麼一種說法，目前高精度地圖採集測繪資料方式全球主要有兩大流派。一種以穀歌、HERE 的地圖測繪車為代表。用車上的雷射雷達感測器一天能夠收集和處理超過 100G 的資料。另一種則以特斯拉的「車隊學習網路」（Fleet Learning Network）為代表，相當於利用量產車，把測繪任務「眾包」出去，調動整個車隊的所有感測器來收集資料。怎麼看兩種方式的優劣？
羅躍軍：
其實高精度地圖可以分為 3 類：
一類從測繪的角度理解，是傳統向量化、拓撲關係做得非常詳盡的地圖，這是傳統測繪和導航自然延伸的地圖；一類是類似穀歌使用雷射雷達所產生的鐳射點雲資料，這種資料地圖容量大，所承載的資源也非常龐大；一類是諸如博世、Mobileye 所開發的特徵地圖，這種地圖以感測器做定位的角度來理解他們需要什麼樣的資料，從感測器所看到的現實世界抽取特徵點。
這只是不同的技術流派，每家特徵資料並不相同，也沒有統一的標準。這與感測器所使用的演算法密切相關。但他們都有各自的技術難點。
比如，特徵地圖的動態特徵如何剔除，如何在雨雪、夜晚、霧霾等多環境中感知；再比如，按照傳統測繪方式採集的高精度地圖是先驗資料，在所有特徵看不見的情況下，可以指導自動駕駛汽車行駛，但這種先驗知識解決不了前方堵車、車禍等突發事件。
未來的地圖一定是多種地圖的融合，我們叫做動態地圖。特徵地圖解決定位問題，傳統測繪延伸的地圖解決定位之外的更多問題，比如自動駕駛魯棒性、先驗知識。但要解決高精度地圖的快速更新，得依靠感測器識別特徵的方式。
最初我們製作的是靜態地圖，車身感測器識別道路，只要發生特徵變化或與道路不一致，感測器將識別的數據傳到雲端，通過大資料採擷再推送給車輛。這是我們所說的打造高精度地圖的閉環。
如果未來結合 V2X，V2V 進行交互，地圖的更新將會更快。我們現在做的是靜態高精度地圖，未來的地圖一定是動態資料的服務、靜態資料的採集、眾包資料的融合形成的閉環。
雷鋒網：高精度地圖是否還存在一些技術瓶頸？怎麼走向產業化？
羅躍軍：
第一是人工智慧的瓶頸，號稱能夠自動識別資料的公司，幾乎沒有。在矽谷倒是有一些，但他們做得怎麼樣，目前還不清楚。如果人工智發展到一定程度，整個自動化採集製作的成本就會降低。
第二是定位。雖然這不是高精地圖所面臨的問題，但如果解決不了定位問題，高精度地圖也用不起來。所以定位技術的解決也是非常重要的：但自定位目前不成熟，它能在某些情況讓車輛跑起來，產業化還存在問題。
雷鋒網：投入這麼大，高精度地圖商業化路徑是什麼？
羅躍東：
未來高精度地圖的商業模式，我們認為是多樣的，不一定以銷售賺錢。比如自動駕駛商業化後，高精度地圖是不可或缺的一環，那麼地圖的更新服務必不可少，我們也可以作為雲服務的提供商——由於資質的限制，並不是誰都能提供這樣的服務。
高精度地圖商業化案例目前還沒有，但我們有研發的專案在推進，我們與十幾家車廠在高精度地圖、自動駕駛方面有合作。其他的應用，比如高精度監控，商用車的應用都有需求，但真正落地的產品還沒有。
業內有一個說法：高精度地圖要到 2019 年、2020 年前後才能正式量產。但目前配套的技術和政策還不成熟，高精度地圖是否要加密，加密之後的高精度地圖能否被車企接受等問題也未解決。
雷鋒網：用於自動駕駛的高精度地圖，與普通電子地圖在生產方式上有哪些不同？高精度地圖中究竟需要包含哪些資訊、這些資訊需要精確到什麼程度？
羅躍軍：
業內基本有一個共識：高精度地圖要 20 釐米的精度，可以滿足自動駕駛的需求。但如果做更高的精度，成本也會相應提高。
不同精度資料的採集技術路線並不一樣。我們將地圖做到更高精度是可行的，但資料會更複雜，成本也更高。所以業內找到了一個車企可接受又容易實現的精度。