知情郎·眼｜侃透天下专利事儿

之前，百度李彦宏在集度大会上，叫板特斯拉，说“就自动驾驶技术而言，集度将领先特斯拉一代。”

这话，知情郎信。

造4个轮子能开的车，百度不行，但谈AI算法，百度有底气。

李彦宏亲自上阵立战书！

现实问题是，百度AI技术和4个轮子的工程制造能力结合不起来啊，李彦宏吆喝力挺的集度没有落地的真车，还在玩概念阶段。

虽说这公司才成立不到2年，但时不我待啊！再拖下去，黄花菜都凉了。

啥东西都是求快求真货，遮遮掩掩，大家看着都心虚。

另外，在第二十三届中国专利奖上，百度拿了5个奖。

其中，银奖2项、优秀奖3项，涉及自动驾驶、计算机视觉、自然语言处理、地图等领域。

所以，李彦宏没吹牛，论AI，人家技术层面实力，确实国内第一。

继续来聊百度获奖的AI专利，看看人家工程师的脑瓜子为啥用好！

不用方向盘，看监控器驾驶！

01集度的车子落地了没？

得先聊集度，李彦宏卖力在自家集度汽车机器人大会上吆喝，目的不言而喻。

要帮集度造势，要找更强力的投资人入局融资玩转自动驾驶。

集度汽车的量产搭载着百度无人驾驶技术和智能座舱技术大规模市场推广的使命，要集度黄了，百度在资本市场的造车故事就唱不起来了。

毕竟，现在的集度和雷军的小米造车一样，概念飘在空中。

再往前几日，集度汽车被曝出新的融资消息。据知情人士透露，集度汽车目前正以约35亿美元的估值，寻求3亿到4亿美元的融资。

此前，集度汽车的一则工商变更，刚刚被外界质疑另一股东吉利在量产前夜离场。在官方公开回应之后，这一变更又被解读作是为上市，引进其他社会资本做准备。

各种小道消息扑朔迷离，但集度肯定是缺土豪的钱了。

其实，百度的两条造车线（集度和百度无人车）都有一定的进展，只不过百度无人车项目有落地，集度概念车还是概念。

两个月前，集度在元宇宙里举办了首场品牌发布会ROBODAY，正式发布了其首款汽车机器人概念车ROBO－01。

这款车型的设计上，集度首次提出了“汽车机器人”的概念。秉持着“less is more”的设计理念，集度ROBO－01消除了门把手、换挡杆以及左右拨杆等复杂的组件，对车门、车窗都进行了精简和升级，变成了无痕侧窗，主副驾驶采用了蝶翼门，后排采用了对开门设计，还取消了B柱。

但极简主义下，这款车身没有B柱，引来了争议。

所谓的B柱是指汽车前后门之间的立柱，上支顶棚，下接地板，当车辆受到来自侧面撞击时，B柱能起到对车内人员的保护作用。

“没有B柱就没有支撑，在最坏的情况下，翻车会直接变大饼吧”。

但正所谓欲速则不达，虽然集度在平均新造车时间上超过了大部分厂商，但设计方面却无法避免地出现拼凑感。

一些汽车工程师们在网上调侃道，集度明显学特斯拉，但是，为了博出位，比特斯拉更狠，车内传统零部件能删都删了，这车真能上机动车道吗！

相反，百度的另一条造车线百度无人车倒是有了些真实进展，7月中旬，百度发布了第六代无人车Apollo RT6，说是能在固定场景接送路径上抢的士司机的饭碗。

不过，对于Apollo RT6的量产，传统汽车厂商并不擅长，百度也还没明确由谁代工，大家也很好奇谁帮百度落地造车！

估计也就特斯拉的造车厂有能力实现百度现有AI技术和工程制造的结合。

在政策面，国内政府对无人驾驶的支持力度空前，仅次于美国了。

8月8日，百度公司宣布已获得在重庆和武汉两个城市的开放道路载人运营全自动无人驾驶出租车（Robotaxi）服务许可，无人驾驶车辆首次可以在国内进行对外服务并收取费用。首批收费的Robotaxi在每个城市各投放5辆，为白天运行（上午9点至下午5点）。

更早一些，7月20日北京正式开放国内首个无人化出行服务商业化点，萝卜快跑首批25辆无人化车辆获准开展常态化付费出行服务。

但对于无人驾驶的C端使用场景，由于国内尚且不允许无方向盘汽车上路驾驶，因此目前仍旧无法落地。

02特斯拉的FSD

李彦宏叫板特斯拉，大家都理解。

百度一向认为自家的自动驾驶系统不输特斯拉的FSD，同行竞争，别怂，干就是了，哪里能示弱！

从功能上看，尽管FSD顾名思义是“全自动驾驶”，但实际上只是选装的功能包，让特斯拉汽车能够自动变道，进入并离开高速公路，识别停车标志和红绿灯，以及自动泊车。

该软件目前仍然处于测试中，用户可以以1．2万美元的选装包，或是每月199美元的包月服务等形式来购买。

在使用FSD时，司机仍然需要随时关注车辆情况。

目前，这款软件有超过10万名付费用户，特斯拉利用这些用户来实时测试该软件，同时让系统的人工智能模型可以向有经验的司机学习。

这些年，特斯拉在FSD上的投入可谓空前绝后，顶着被全球用户喷粪的骂娘声中一路优化。

美国各路人士喷特斯拉的FSD是“几十年来汽车公司最危险、最不负责任的行为之一”，天天要求美国国家公路交通安全管理局 （NHTSA） 必须动用召回权，要求特斯拉不得在旗下电动汽车上部署 FSD 系统。

而FSD的安全性确实饱受诟病，NHTSA 目前正调查 16 起特斯拉车主在使用 Autopilot 高级驾驶辅助系统时与停靠应急车辆发生相撞的事也中造成 15 人受伤，1 人死亡。

这些事故大多发生在天黑之后，系统忽略了警示灯、交通锥、箭头指示灯等现场控制措施。

但马斯克的表态从来一如既往的坚定支持FSD，他认为，FSD能决定特斯拉到底是价值不菲还是一文不值。

马斯克在FSD上投入了海量的心血与资源，要让FSD成为real world－AI。从研发路径来说，FSD非常清晰，但是实现起来的工程难度却无比巨大，也没有任何可以参考的对象。从2018年至今，特斯拉为了提升纯视觉的定位与识别能力，做了两个取舍：一是暂缓新功能的开发速度，专注于基础能力的提升；二是暂缓对北美之外的市场进行FSD功能迭代，专注于北美的FSD Beta。

而这也同样导致了FSD两个已经不太好解决的纠结：

第一个纠结，投入产出比，是随着研发进程的深入，基于深度神经网络的模型，没有可以确定的工程边界，工作量太大。

第二个纠结，是特斯拉中国区的辅助驾驶体验，已经开始或者即将开始被头部自主品牌超越。

有业内专家网上评论称，特斯拉在中国区进展不顺利的核心原因是政策，比如地图测绘资质。

专家的观点如下：

地图数据具有战略意义，所有电子地图的地理坐标，都是经过脱敏加密处理，外资企业在中国几乎不可能获得地图测绘的资质。此前Mobileye曾宣布将在极氪001的下一次OTA中加入REM地图（Road Experience Management），也就是众包地图测绘。因为是与吉利合作，大概率是由吉利承担国内的数据法律责任。

马斯克也是一直反对采用高精地图。在FSD最新的进程中，有一条就是零地图数据FSD，通过惯性导航、轮速传感器和视觉感知，在没有导航信息的区域进行自动驾驶。这个看似解决了自建地图的合规问题，但是跨过一切辅助一步到位，对视觉感知能力和人工智能的要求，已经接近于真人的能力。而且，汽车自动驾驶是一个不容许犯错的人工智能。

特斯拉撞车问题真尴尬

03获银奖自动驾驶专利说了啥？

在今年4月发布的《百度人工智能专利白皮书2022》中，百度首次披露了高价值专利成果。截至2022年4月，百度全球人工智能专利申请超过2．2万件。其中，中国专利申请量超过1．6万件，中国授权专利超过4600件。

截止目前，公开统计，百度已累计斩获13项AI中国专利奖，包括1项金奖，6项银奖，AI领域高级别奖项累计第一。

从百度自身AI专利储备维度，积累已经雄厚。

获银奖的专利能从千军万马中脱颖而出，自然有过人之处。

该专利全称“解决自动驾驶车辆的转向不足的自动转向控制参考自适应”（ZL201780002534．X）

该专利给出了自动驾驶车辆建模和控制的基础框架，成功解决自动驾驶车辆转向不足和转向过度校正的技术问题。

基于本专利方案及后续相关专利的自动驾驶决策规划控制技术使得自动驾驶模型精度和后续实车／仿真的决策规划控制调试效率得到了空前的提高。

具体解读下这个专利！

背景技术与解决的现实问题

以自动驾驶模式（例如，无人驾驶）操作的车辆可以使乘员，尤其是驾驶员免于某些驾驶相关的职责。当以自动驾驶模式操作时，车辆可以使用车载传感器来导航到各个位置，从而允许车辆在最少的人机交互的情况下或者在没有任何乘客的一些情况下行驶。

运动规划和控制是自动驾驶中的关键操作，包括自动驾驶车辆（ADV）的速度控制和转向控制。在ADV的常规转向控制中，后车轴被用作转向的控制参考。通常，全球定位系统（GPS）传感器或接收器定位在后车轴附近，并且后车轴被认为是ADV的位置。诸如速度控制命令或转向控制命令的任何控制命令将基于作为控制参考的后车轴来确定。

然而，在ADV的转向控制中，如图1A所示，使用后车轴作为控制参考可能至少在转弯开始时导致转向不足。车辆的控制系统总是试图将后车轴上的控制参考与规划路线对准，特别是在车辆的转向控制期间。如图1A所示，由于基于后车轴的转向控制，车辆的前部由于偏移规划的转向路线而转向不足。车辆前部的转向可能延迟，并且车辆可能在之后过度校正这种转向不足。坐在前排的乘客也可能因此感到不适。

发明内容

本公开的实施方式提供了用于操作自动驾驶车辆的计算机实施方法、非暂时性机器可读介质以及数据处理系统。

在本公开的一个方面，用于操作自动驾驶车辆的计算机实施方法包括：接收将自动驾驶车辆（ADV）从第一方向转到第二方向的请求；确定ADV的多个区段的多个区段质量，其中多个区段质量定位在ADV的车辆平台内的多个预定位置上；基于ADV的多个区段的多个区段质量计算整个ADV的质量中心的位置，质量中心表示整个ADV的整个质量的中心；以及基于整个ADV的质量中心的位置来生成用于ADV的转向控制的转向控制命令。

根据一些实施方式，当控制ADV的转向时，确定ADV的车辆质量并且确定整个ADV的车辆质量的位置。

如图1B所示，车辆质量的位置被用作控制参考（例如，参考点和／或反馈点）以用于转向。在此示例中，车辆质量的中心定位在车辆中心附近并且表示为小圆圈。基于作为控制参考的车辆质量的位置来生成转向控制命令和／或速度控制命令。由于各种因素或情况，ADV的车辆质量及其位置可能有时不同。例如，车辆质量及其位置（也称为质量中心或质量的中心）可能由于车辆负载（例如，乘客数量、所有物装载／卸载）以及负载的分布（例如，车辆内的乘客或负载的位置）而改变。通过在作出转向决策的时间点动态地确定车辆的车辆质量和质量中心，可以生成并发出适当的转向命令和／或速度控制命令，以减少转向不足以及乘客在转向期间不适的程度。

在一个实施方式中，响应于将ADV从第一方向转到第二方向的请求，确定与ADV的多个区段对应的多个区段质量（也称为局部质量）。车辆区段可以是预定义的。区段质量定位在ADV内的预定位置处。

例如，ADV可以分成四个区段，ADV的四个车轮中的每一个车轮一个区段。例如，基于相应车轮附近的车轴上的预定点，预先确定每个车辆区段的质量中心（称为区段质量中心）。整个ADV的质量中心的位置基于ADV的区段的区段质量及其相应的区段质量中心而计算。质量中心表示整个ADV的整个质量的中心。基于整个ADV的质量中心的位置来生成转向命令和／或速度控制命令以用于ADV的转向控制。

此外，可以基于所计算的车辆质量和车辆质量的位置来更新诸如速度控制器和／或转向控制器的某些控制器的增益或系数。

在一个实施方式中，对于ADV的每个区段，基于区段质量及其区段质量中心来计算区段力，区段力包括经度区段力和纬度区段力。随后基于经度区段力和区段的区段质量来计算ADV的质量中心的经度坐标。

在一个实施方式中，ADV的质量中心的经度坐标基于经度区段力的总和以及所有车辆区段的区段质量的总和而确定。在特定实施方式中，ADV的质量中心的经度坐标是通过将经度区段力的总和除以所有区段的区段质量的总和而确定的。

类似地，ADV的质量中心的纬度坐标是基于纬度区段力和区段的区段质量而计算的。在一个实施方式中，ADV的质量中心的纬度坐标基于纬度区段力的总和以及车辆区段的区段质量的总和来确定。在特定实施方式中，ADV的质量中心的纬度坐标是通过将纬度区段力的总和除以所有区段的区段质量的总和来确定的。

【转载请注明德高行·知情郎】