乘坐自动驾驶车在麦当劳“Drive－through”（汽车穿梭窗口）点餐是一种怎样的体验？——既不用下车也不用自行驾驶，只需在车内点单付费，即可享受一份丰盛晚餐。这种似乎只有在未来才会出现的美好生活景象，已经成为现实。

3月21日，来自硅谷的自动驾驶初创企业轻舟智航，展示了其自动驾驶汽车在麦当劳“Drive－through”的画面，轻舟智航的一位工作人员和硅谷风险投资BoomingStar Ventures管理合伙人Alex Ren共同体验了这项服务。

本次为一次性完成整趟行程，此前轻舟智航也是一次性就通过了该地测试。对此，公司CEO于骞将其归功于正式上路前的大量仿真测试。

无人车Drive－through初体验

从汽车在公司门口启动到抵达Drive－through点餐－付款－取餐，再到经过美国大卖场回到公司门口，短短15分钟的旅程对Alex Ren来说是一项全新体验。他感慨：“我还是第一次坐在后排点餐，这个体验还蛮不错。”

（试乘部分路线图）

视频中可见，这辆由林肯MKZ改装而成的自动驾驶车，在去Drive－through的过程中，经历了停车场、无保护右转、十字路口、麦当劳餐厅等场景，最高速度达到64km／h。其中，车辆行驶的区域车道较窄，比较考验自动驾驶车的定位和控制能力，尤其是在麦当劳Drive－through点餐取餐过程中，能否精准停在相应窗口前，对自动驾驶车来说是另一大挑战。返程过程中，自动驾驶车在十字路口即将执行右转动作时，左侧突然出现两名行人，车辆暂停动作等待行人过去后才继续右转。

（轻舟智航自动驾驶车行驶画面）

这段视频拍摄于5天前（16日）的加州。受美国疫情影响，在拍摄前的第三个小时（当日下午4点），轻舟智航收到了来自政府的正式强制性命令——所有居民必须在家隔离，除非采购食物，就医或者其他紧急情况不得离开住所。这条禁令打乱了轻舟智航原定于21日直播自动驾驶车Drive－through的计划，于骞第一时间联系了Alex Ren作为第三方见证者，在当天晚上7点多紧急录制了路测视频。由于时间紧张，该视频是“一镜到底”录制完成。

与开放道路可以重复路测不同，本次演示的场景麦当劳是一个正常营业的区域，平时不能在这里进行路测。“通过大量仿真测试，可以做到第一次上路就安全可靠。”于骞解释道。

在自动驾驶技术迭代过程中，仿真测试是重要一环。目前，业界最有名的仿真系统莫过于Waymo的Carcraft，如今其仿真路测里程已超过100亿英里。从加州车管局（DMV）公布的2018年和2019年两份自动驾驶接管报告中来看，Waymo 2019年因感知而导致的接管次数明显变多，“这并不意味着Waymo感知能力下降了，感知所占比例的上升，更多是规划决策造成接管所占比例下降的缘故。”于骞说道，“这离不开Waymo大规模的仿真测试应用。”

（DMV：2018年和2019年Waymo接管类型对比）

在创立轻舟智航之前，于骞曾是Waymo感知关键模块的机器学习算法研发负责人，但他认为，感知是比较确定性的问题，测试和评价方法都比较明确，自动驾驶最大的挑战是规划决策。轻舟智航便为解决该问题而生，于骞形象地描述道：“相比原本的‘造梯子’，我们更希望‘造火箭’。”

而‘造火箭’的有效途径便是合理利用仿真技术，帮助规划决策进行更好的测试——毕竟不能每修改一次算法就部署到车上进行测试。

此外，仿真测试还能支撑无人驾驶技术所有关键模块进行快速迭代。在产品正式上路之前，从地图到定位，从感知到预测，再到最终的规划决策，所有模块的开发需要同步进行且都都要进行测试，仿真的作用由此发挥。

独特的仿真系统，被这家刚满一岁的年轻公司视为“杀手锏”。因而，公司刚刚成立之时，轻舟智航就将仿真测试平台作为关键核心能力，与其他模块一同建设起来，以保持高效开发。

“仿真是达到规模化无人驾驶技术的唯一路径。”轻舟智航联合创始人汪堃在分享中说道。

打造一款实用的仿真软件

一款优秀的仿真软件应该是什么样子的？

是要把真实道路场景完全“搬”到电脑上吗？汪堃对此表示否认。在他看来，这种基于游戏引擎开发的仿真软件，场景的确非常真实，但实用性却不高。

一般而言，游戏引擎的图像渲染可以做到特别真实，但过程中会消耗大量额外计算资源，不利于大规模应用，且渲染效果与真实物体状况存在一定差别，对感知能力的提升有限。此外，由于这属于一种Re－build软件（基于第三方软件开发），与自动驾驶软件的开发相互独立，因而难以保证各个模块确定性，这可能导致整个仿真软件存在不确定性，最终影响可用性。

不同于此，轻舟智航自主研发的仿真软件摒弃了复杂的渲染工作，界面简单，仅保留感知结果，包括3D Box和雷达点的叠加。与此同时，该软件还能做到与车载系统基本一致，能在仿真中复现路上出现过的问题，以此进行修复，保证再次上路时不出现同样问题。

在其展示的麦当劳Drive－through场景仿真界面中，轻舟智航用绿色框代表车辆，黄色框代表行人，白色框代表当时实际行驶轨迹。虽看起来并不“华丽”，却能真实反映当时情况，以求简单高效。

“目前自动驾驶技术已经解决了90％的问题，但由于包含边界化难题，剩下的10％可能要花费同样多甚至更多精力来解决。”于骞表示，“（解决问题）关键在于建立自动化生产工厂。”因而，轻舟智航在设计仿真系统时，考虑到大量工具链和仿真测试环境的建立，希望能在自动驾驶车实际上路前，提前暴露潜在问题。

据汪堃介绍，轻舟智航仿真系统的系统架构可分为5层，分别为自研Car OS、核心仿真器及评估器、仿真周边工具链和基础架构、大规模场景库构建、分布式系统仿真平台。

其中，最底层的Car OS能够借助底层的通讯系统来保证模块之间的高效通讯，向上一层的核心仿真器及评估器，能够从安全性、真值、法规、舒适度、状况等多个维度评估自动驾驶车，保证仿真系统的确定性，再上一层的仿真周边工具链和基础架构，则能高效利用全部数据，保证整个数据闭环的有效性。

在轻舟智航看来，有效数据、智能仿真系统以及决策规划框架是推动技术向前转动的“齿轮”。换句话说，仿真系统是二者之间的纽带——在收集大量数据后，轻舟智航能够借助仿真及相关工具链，形成数据测试闭环，支持算法的测试和迭代，不断修改决策规划框架，以求保证自动驾驶车的安全性和可用性。这种方式能够较大化利用有效数据，降低测试成本，提升开发效率。

目前，业界致力于实现L4级自动驾驶的公司几乎都拥有自己的仿真系统，但他们的业务重点多集中在算法研发层面。对于仿真平台的精心打造，使轻舟智航看起来多少有些与众不同。想用最少的人、最少的工具、做最难的事，就这家年轻的自动驾驶公司公司而言，目标远大，但未来仍充满挑战。

除了美国硅谷，轻舟智航还在中国北京、深圳、苏州等多个城市设有办公室，本次是其首次在国内公开亮相。公司表示，将在2020年完善大量的工具链以及仿真测试环境，以建好“自动化规模生产的工厂”，更多的落地场景则将择日进行公布。