5月18日，低速自动驾驶公司酷哇机器人(COWAROBOT)宣布获得1.35亿元B轮融资，由软银中国和创世伙伴领投，盈峰投资、睿鲸资本、中民金服、芜湖风投、合力投资跟投。

　　上个月，新智驾刚刚报道了酷哇与国内最大环卫企业中联环境在长沙共同落地自动驾驶清扫车的消息，本轮融资完成后，我们也在酷哇的上海研发部见到了创始人兼CEO何弢，向他了解了酷哇的自动驾驶规划与布局。

　　1.35亿元融资，在众多实力雄厚的主机厂、零配件厂商和科技公司比肩而立的自动驾驶领域算不上太大，也绝非小数，而随着这项技术落地期限的临近，行业资金计划流向也多与各家商业化进度密切相关，关于酷哇下一步的计划，何弢总结了三点：

　　一，整合高校、研究机构的科研力量，加快技术研发落地。目前，酷哇已经与卡耐基梅隆大学机器人实验室达成合作，将在今年年底共同成立一座研究院，进行环境感知方面的合作研发。

　　二，聚集人才。ETH人工智能实验室原主任Rolf Pfeifer为酷哇首席科学家，之后也将在人才聚拢与技术研发方面为酷哇提供更多支持。

　　三，密集的商业化落地。以长沙首个自动驾驶清扫车项目为起点，今年，酷哇将陆续在上海、芜湖、合肥、四川、广东等地落地多款自动驾驶清扫车。

　　自动驾驶进入城市“毛细血管”。

　　通过自动驾驶切入日常生活场景，进入城市的“毛细血管”，这是三年前酷哇机器人成立时便确立的技术方向。

　　在自动驾驶行业，一方面，传统车企和零配件厂商“人多势众”，财力雄厚，在乘用车和高速车方面布局深入，如酷哇这类初创公司很难具备后来居上的突出优势；另一方面，城市乘用车道路场景复杂，技术要求也更高。

　　“我们要找适合自己的以及能够抓得到的细分赛道，我们能够和行业巨头区分的，也正是这些垂直细分赛道。”

　　何弢将酷哇的业务线分为三条：无人驾驶的智能硬件，城市清扫车、洒水车等自动驾驶低速车；前端的自动驾驶物流车。

　　初期，公司以更偏向C端的智能硬件切入，曾推出过智能行李箱、智能购物车等自动驾驶技术支撑的硬件产品，一方面便于早期打入市场，同时也可为公司赢得相应的现金流。

　　城市清扫车是酷哇自动驾驶技术真正落地的第一步，也是其接下来的重点动作，这与酷哇的既定路线规划相符，即在城市低速园区、医院、学校、广场等时速60km/h以下区域进行落地。之后，公司还将组建自己的自动驾驶清扫车队，并以此为据点，向洒水车、垃圾转运车等更多细分领域辐射。

　　此外，物流也是自动驾驶企业扎堆的领域之一，何弢对其进行了划分：前端物流，即港口、码头、仓储等区域，环境可控性较高，可重点布局，在此，酷哇已与国内多家物流公司进行合作和落地筹备；货车在主干线上的分发，为中端；后端，即货物到城市各端的配送，因为路况复杂，道路环境不确定性较大，落地难度较高，短期很难实现商业化。

　　自动驾驶清扫车落地

　　何弢毕业于上海交通大学，曾在东京工业大学进行自动驾驶环境感知研究，师从机器人大师Hirose Shigeo，之后曾任教于上海交通大学，并提出了特征驱动全局定位理论，而早期酷哇团队成员也多来自上海交大、百度、卡耐基梅隆大学等高校或企业。因此，对这家成立三年的公司来说，无人驾驶的技术层面已经没有太多难题。

　　何弢表示，团队用两个月便完成了清扫车的自动驾驶改造，其精力更多集中在自动驾驶与智能作业的产品化方面，以更好实现视觉识别、清扫装置等与自动驾驶系统的融合。比如，车辆设置了多种清扫模式，要根据路面垃圾识别效果，完成不同车速切换；在破损的马路牙子，或有井盖的区域，车辆需要适时完成避让等。如何弢所言，“自动驾驶系统不仅要接管车，还要接管其清扫装置，使车辆行驶的自动化与清扫的自动化结合在一起。”

　　同时，酷哇还开发了一套云端控制系统，对车辆进行统一协调调度，其与中联环境共同完成了车辆的运营模式定义，于后者而言，自动驾驶也在倒逼着其从环卫设备制造商向环卫运营服务商的转型。

　　在长沙落地的自动驾驶清扫车共使用了11个激光雷达(3个16线、8个低线束)，2个摄像头、4个毫米波雷达，整套系统在30-40万之间。

　　对于一辆低速车，这已经是不菲的配置，何弢算了一笔账，“原来的清扫车1个人一天上、下午一般只能各开3个小时，超过这个时间，人会很难受，因为车颠得很厉害。自动驾驶清扫车接手之后，基本上可以24小时或者20小时作业，相当于3个人在开这辆车，1个人的薪资1年差不多是6万-8万，3个人1年就省掉18万，2年就可以把车辆成本拿回来，而清扫车的一般生命周期是10年左右。”

　　“传统行业的信心来源于实物，他们是很现实的，要看结果，就是结果导向。”何弢坦言，说服传统行业接受新技术的前提只有效率和效益。而现在，他们已经走稳了第一步。

　　以下为新智驾(微信：AI-Drive)与何弢博士的部分采访实录，新智驾做了不改变原意的编辑：

　　车辆感知。

　　新智驾：为什么会选中自动驾驶清扫车这个领域？

　　何弢：我们找适合自己，以及能够抓得到住的细分赛道。要区分行业巨头，能做的永远是垂直细分赛道，这个细分赛道事实上不是自动驾驶作为主导的，自动驾驶只是一个切入点。跟巨头相比，我们能做好的是把自动驾驶这项技术跟车体深入结合。

　　新智驾：目前车辆使用的传感器配置，从成本上来讲是不是有些奢侈？

　　何弢：很多人说低速场景下，自动驾驶车的传感器配置一定比高速更便宜，也更容易落地，其实这个观点不太专业，也是不对的。

　　一方面，我自己本身车速低，不代表周围没有速度高的物体，所以我的感知能力，本质上要达到乘用车一样高的水准，一定要看得远，看得全面。

　　第二，无论速度高低，我都要无限接近100%的安全，目前我们这个配置只能说是刚刚好，少几个感知器件，可能在一些关键速度抓取上面，会形成真空和漏洞。

　　对于这种低速车，近距离精准感知更重要。无人驾驶汽车在车身2米以内不需要全覆盖精准感知，它只要知道有没有物体就够了，不需要很精准地知道物体形状大小以及方位，用声纳或者什么就可以解决。但是低速无人驾驶清扫车，需要精准感知2米以内障碍物的形状大小和方位。我们所处的环境又是比较动态、拥挤的低速环境，可能就需要进行一些传感器的穿插。

　　新智驾：怎么理解这种封闭场景下对感知的高要求？

　　何弢：场景感知的难或不难，看两个方面。

　　一是看环境动态性，就是环境当中会不会经常发生变化，目前来说，L3、L4很大一步飞跃是建立在高精地图上。

　　所谓高精地图，就是利用环境感知和建模，弱化车辆的感知和识别能力，很多情况下，你可以提前知道自己周围的环境会出现什么问题。

　　但如果环境是动态的，就会比较困难。比如一条马路上原来是没有红绿灯的，突然第二天多了一个红绿灯，如果高精地图没有把这个标注上，车直接开过去了，就很有可能引发灾难性事故，因为它不会时时刻刻看前方有没有红绿灯，只会看高精地图的这个方位上有没有标注。

　　第二，就是环境中障碍物的动态性，在标准公共场景下，环境障碍物的动态，其实是相对标准的，是有约束的，这个约束就是道路行驶规则，如果每辆车都符合道路行驶规则，无人驾驶系统理论上不会出错。

　　所以，在标准公共场景下好做，在于一切都是有章可循的，一些封闭场景下，尤其是低速场景下，有两个问题：第一，没有道路行驶规则；第二，场景中的移动物体是相对无序的。如果把这两个因素考虑进去，它比公共场景要难做多了。

　　所以你看这么长时间过去了，做快递车很少有成功的，其中的确有法律法规的限制，但以眼下的技术进度，这种场景其实真的很难做成。

　　环境地图的动态性和环境障碍物的动态性，这两方面要有很好的一个解决方案，它其实不能够太依赖高精地图，要强依赖于本地的感知能力，就像人一样，要依赖于我们自身的决策能力判断。

　　新智驾：酷哇所用到的特征驱动全局定位，跟高精地图有什么区别和联系？

　　何弢：高精地图是把所有道路信息有序组织成一张全面、丰富的地图，引导车辆去做决策和规划，本质上它是依赖RTK、GPS信号来做识别、判断，从而形成决策。

　　我们思路的不一样是在于，我们以看到的物体特征为主，RTK是辅助。拿红绿灯来说，车辆通过RTK信号，确认自己在哪里，然后再来与地图做一个验证。

　　我们是先打开摄像头，看当前有没有红绿灯，如果有，再来比对高精地图，进行决策，但如果高精地图上没有怎么办？这个在学术界是很难的问题，叫做被绑架(kidnap)问题。

　　我当前看到这个环境现象，跟高精地图上的环境现象不一致，这里面是什么问题呢？要么是我看错了，要么是环境改变了。所以说，我可以依赖本地很强的感知能力做判断，如果环境改变了，我会把这个新看到的红绿灯动态加到高精地图上去，所有这一整套的维护是基于云端自动的。这是我们跟之前的自动驾驶车辆根本的不一样，我们能解决环境的一些突变情况。

　　车队运营。

　　新智驾：在车辆运营方面，你们是怎么思考的？

　　何弢：我们前期会聚焦跟巨头合作，因为做这行可能最好是避免自嗨。跟中联的合作会迅速深入，我们负责技术，以及跟技术相关的一些行业资源整合，中联负责生产、销售、产品。

　　新智驾：车辆投入运营后，你们和中联要共同解决的主要有哪些问题？

　　何弢：其实为什么需要合作运营，有两个好处，首先可以探讨一些新的商业模式，加入无人驾驶的概念以后，车辆原来的清扫方式和运营方式，会有根本变化。这需要我们涉足到运营，进行产品定义，基于不同工种、不同规格的大型车队进行集中调度管理。

　　另外，我们需要依靠数据采集和分析，形成一些智能策略，完成效率、效果的提升。

　　新智驾：酷哇有做乘用车的计划吗？

　　何弢：乘用车这块，我们要做也只会做城市“毛细血管”，我们有一个底线是肯定不会去碰高速公路。

　　一方面，高速公路不是我们的赛道，是百度他们的赛道，他们已经布得很好，包括地图数据。而且我们在技术手段上也不太一样，这里面没有难跟易的问题，是技术手段选择的问题。

　　他们现在的技术手段、路线更适合做，也已经有很深的积累了，我们去做肯定做不过他们，这是100%的事情，我们要做也只能去做一些场景补充。

文章标签：