原標題：酷哇機器人獲1.35億元B輪融資，我們與CEO聊瞭他們的技術思考與未來
今天（5 月 18 日），低速自動駕駛公司酷哇機器人(COWAROBOT)宣佈獲得 1.35 億元 B 輪融資，由軟銀中國和創世夥伴領投，盈峰投資、睿鯨資本、中民金服、蕪湖風投、合力投資跟投。
上個月，新智駕剛剛報道瞭酷哇與國內最大環衛企業中聯環境在長沙共同落地自動駕駛清掃車的消息，本輪融資完成後，我們也在酷哇的上海研發部見到瞭創始人兼 CEO 何弢，向他瞭解瞭酷哇的自動駕駛規劃與佈局。
1.35 億元融資，在眾多實力雄厚的主機廠、零配件廠商和科技公司比肩而立的自動駕駛領域算不上太大，也絕非小數，而隨著這項技術落地期限的臨近，行業資金計劃流向也多與各傢商業化進度密切相關，關於酷哇下一步的計劃，何弢總結瞭三點：
一，整合高校、研究機構的科研力量，加快技術研發落地。目前，酷哇已經與卡耐基梅隆大學機器人實驗室達成合作，將在今年年底共同成立一座研究院，進行環境感知方面的合作研發。
二，聚集人才。ETH 人工智能實驗室原主任 Rolf Pfeifer 為酷哇首席科學傢，之後也將在人才聚攏與技術研發方面為酷哇提供更多支持。
三，密集的商業化落地。以長沙首個自動駕駛清掃車項目為起點，今年，酷哇將陸續在上海、蕪湖、合肥、四川、廣東等地落地多款自動駕駛清掃車。
自動駕駛進入城市“毛細血管”
通過自動駕駛切入日常生活場景，進入城市的“毛細血管”，這是三年前酷哇機器人成立時便確立的技術方向。
在自動駕駛行業，一方面，傳統車企和零配件廠商“人多勢眾”，財力雄厚，在乘用車和高速車方面佈局深入，如酷哇這類初創公司很難具備後來居上的突出優勢；另一方面，城市乘用車道路場景復雜，技術要求也更高。
“我們要找適合自己的以及能夠抓得到的細分賽道，我們能夠和行業巨頭區分的，也正是這些垂直細分賽道。”
何弢將酷哇的業務線分為三條：無人駕駛的智能硬件，城市清掃車、灑水車等自動駕駛低速車；前端的自動駕駛物流車。
初期，公司以更偏向 C 端的智能硬件切入，曾推出過智能行李箱、智能購物車等自動駕駛技術支撐的硬件產品，一方面便於早期打入市場，同時也可為公司贏得相應的現金流。
城市清掃車是酷哇自動駕駛技術真正落地的第一步，也是其接下來的重點動作，這與酷哇的既定路線規劃相符，即在城市低速園區、醫院、學校、廣場等時速 60km/h 以下區域進行落地。之後，公司還將組建自己的自動駕駛清掃車隊，並以此為據點，向灑水車、垃圾轉運車等更多細分領域輻射。
此外，物流也是自動駕駛企業紮堆的領域之一，何弢對其進行瞭劃分：前端物流，即港口、碼頭、倉儲等區域，環境可控性較高，可重點佈局，在此，酷哇已與國內多傢物流公司進行合作和落地籌備；貨車在主幹線上的分發，為中端；後端，即貨物到城市各端的配送，因為路況復雜，道路環境不確定性較大，落地難度較高，短期很難實現商業化。
*酷哇機器人創始人兼 CEO 何弢
自動駕駛清掃車落地
何弢畢業於上海交通大學，曾在東京工業大學進行自動駕駛環境感知研究，師從機器人大師 Hirose Shigeo，之後曾任教於上海交通大學，並提出瞭特征驅動全局定位理論，而早期酷哇團隊成員也多來自上海交大、百度、卡耐基梅隆大學等高校或企業。因此，對這傢成立三年的公司來說，無人駕駛的技術層面已經沒有太多難題。
何弢表示，團隊用兩個月便完成瞭清掃車的自動駕駛改造，其精力更多集中在自動駕駛與智能作業的產品化方面，以更好實現視覺識別、清掃裝置等與自動駕駛系統的融合。比如，車輛設置瞭多種清掃模式，要根據路面垃圾識別效果，完成不同車速切換；在破損的馬路牙子，或有井蓋的區域，車輛需要適時完成避讓等。如何弢所言，“自動駕駛系統不僅要接管車，還要接管其清掃裝置，使車輛行駛的自動化與清掃的自動化結合在一起。”
同時，酷哇還開發瞭一套雲端控制系統，對車輛進行統一協調調度，其與中聯環境共同完成瞭車輛的運營模式定義，於後者而言，自動駕駛也在倒逼著其從環衛設備制造商向環衛運營服務商的轉型。
在長沙落地的自動駕駛清掃車共使用瞭 11 個激光雷達（3 個 16 線、8 個低線束），2 個攝像頭、4 個毫米波雷達，整套系統在 30-40 萬之間。
對於一輛低速車，這已經是不菲的配置，何弢算瞭一筆賬，“原來的清掃車 1 個人一天上、下午一般隻能各開 3 個小時，超過這個時間，人會很難受，因為車顛得很厲害。自動駕駛清掃車接手之後，基本上可以 24 小時或者 20 小時作業，相當於 3 個人在開這輛車，1 個人的薪資 1 年差不多是 6 萬- 8 萬，3 個人 1 年就省掉 18 萬，2 年就可以把車輛成本拿回來，而清掃車的一般生命周期是 10 年左右。”
“傳統行業的信心來源於實物，他們是很現實的，要看結果，就是結果導向。”何弢坦言，說服傳統行業接受新技術的前提隻有效率和效益。而現在，他們已經走穩瞭第一步。
以下為雷鋒網新智駕（微信：AI-Drive）與何弢博士的部分采訪實錄，新智駕做瞭不改變原意的編輯：
車輛感知
新智駕：為什麼會選中自動駕駛清掃車這個領域？
何弢：我們找適合自己，以及能夠抓得到住的細分賽道。要區分行業巨頭，能做的永遠是垂直細分賽道，這個細分賽道事實上不是自動駕駛作為主導的，自動駕駛隻是一個切入點。跟巨頭相比，我們能做好的是把自動駕駛這項技術跟車體深入結合。
新智駕：目前車輛使用的傳感器配置，從成本上來講是不是有些奢侈？
何弢：很多人說低速場景下，自動駕駛車的傳感器配置一定比高速更便宜，也更容易落地，其實這個觀點不太專業，也是不對的。
一方面，我自己本身車速低，不代表周圍沒有速度高的物體，所以我的感知能力，本質上要達到乘用車一樣高的水準，一定要看得遠，看得全面。
第二，無論速度高低，我都要無限接近 100% 的安全，目前我們這個配置隻能說是剛剛好，少幾個感知器件，可能在一些關鍵速度抓取上面，會形成真空和漏洞。
對於這種低速車，近距離精準感知更重要。無人駕駛汽車在車身 2 米以內不需要全覆蓋精準感知，它隻要知道有沒有物體就夠瞭，不需要很精準地知道物體形狀大小以及方位，用聲納或者什麼就可以解決。但是低速無人駕駛清掃車，需要精準感知 2 米以內障礙物的形狀大小和方位。我們所處的環境又是比較動態、擁擠的低速環境，可能就需要進行一些傳感器的穿插。
新智駕：怎麼理解這種封閉場景下對感知的高要求？
何弢：場景感知的難或不難，看兩個方面。
一是看環境動態性，就是環境當中會不會經常發生變化，目前來說，L3、L4 很大一步飛躍是建立在高精地圖上。
所謂高精地圖，就是利用環境感知和建模，弱化車輛的感知和識別能力，很多情況下，你可以提前知道自己周圍的環境會出現什麼問題。
但如果環境是動態的，就會比較困難。比如一條馬路上原來是沒有紅綠燈的，突然第二天多瞭一個紅綠燈，如果高精地圖沒有把這個標註上，車直接開過去瞭，就很有可能引發災難性事故，因為它不會時時刻刻看前方有沒有紅綠燈，隻會看高精地圖的這個方位上有沒有標註。
第二，就是環境中障礙物的動態性，在標準公共場景下，環境障礙物的動態，其實是相對標準的，是有約束的，這個約束就是道路行駛規則，如果每輛車都符合道路行駛規則，無人駕駛系統理論上不會出錯。
所以，在標準公共場景下好做，在於一切都是有章可循的，一些封閉場景下，尤其是低速場景下，有兩個問題：第一，沒有道路行駛規則；第二，場景中的移動物體是相對無序的。如果把這兩個因素考慮進去，它比公共場景要難做多瞭。
所以你看這麼長時間過去瞭，做快遞車很少有成功的，其中的確有法律法規的限制，但以眼下的技術進度，這種場景其實真的很難做成。
環境地圖的動態性和環境障礙物的動態性，這兩方面要有很好的一個解決方案，它其實不能夠太依賴高精地圖，要強依賴於本地的感知能力，就像人一樣，要依賴於我們自身的決策能力判斷。
新智駕：酷哇所用到的特征驅動全局定位，跟高精地圖有什麼區別和聯系？
何弢：高精地圖是把所有道路信息有序組織成一張全面、豐富的地圖，引導車輛去做決策和規劃，本質上它是依賴 RTK 、GPS 信號來做識別、判斷，從而形成決策。
我們思路的不一樣是在於，我們以看到的物體特征為主，RTK 是輔助。拿紅綠燈來說，車輛通過 RTK 信號，確認自己在哪裡，然後再來與地圖做一個驗證。
我們是先打開攝像頭，看當前有沒有紅綠燈，如果有，再來比對高精地圖，進行決策，但如果高精地圖上沒有怎麼辦？這個在學術界是很難的問題，叫做被綁架（kidnap）問題。
我當前看到這個環境現象，跟高精地圖上的環境現象不一致，這裡面是什麼問題呢？要麼是我看錯瞭，要麼是環境改變瞭。所以說，我可以依賴本地很強的感知能力做判斷，如果環境改變瞭，我會把這個新看到的紅綠燈動態加到高精地圖上去，所有這一整套的維護是基於雲端自動的。這是我們跟之前的自動駕駛車輛根本的不一樣，我們能解決環境的一些突變情況。
車隊運營
新智駕：在車輛運營方面，你們是怎麼思考的？
何弢：我們前期會聚焦跟巨頭合作，因為做這行可能最好是避免自嗨。跟中聯的合作會迅速深入，我們負責技術，以及跟技術相關的一些行業資源整合，中聯負責生產、銷售、產品。
新智駕：車輛投入運營後，你們和中聯要共同解決的主要有哪些問題？
何弢：其實為什麼需要合作運營，有兩個好處，首先可以探討一些新的商業模式，加入無人駕駛的概念以後，車輛原來的清掃方式和運營方式，會有根本變化。這需要我們涉足到運營，進行產品定義，基於不同工種、不同規格的大型車隊進行集中調度管理。
另外，我們需要依靠數據采集和分析，形成一些智能策略，完成效率、效果的提升。
新智駕：酷哇有做乘用車的計劃嗎？
何弢：乘用車這塊，我們要做也隻會做城市“毛細血管”，我們有一個底線是肯定不會去碰高速公路。
一方面，高速公路不是我們的賽道，是百度他們的賽道，他們已經佈得很好，包括地圖數據。而且我們在技術手段上也不太一樣，這裡面沒有難跟易的問題，是技術手段選擇的問題。
他們現在的技術手段、路線更適合做，也已經有很深的積累瞭，我們去做肯定做不過他們，這是 100% 的事情，我們要做也隻能去做一些場景補充。
雷鋒網註：6 項會員專享特權，全年 100 期精華內容，帶你深入淺出看懂自動駕駛。如果想加入雷鋒網「新智駕會員計劃」，歡迎點擊鏈接 ：https://www.leiphone.com/aidrive/vip 或掃描海報下方二維碼瞭解詳情。
source:http://tech.ifeng.com/a/20180518/44995885_0.shtml