路特斯是起源于英国的跑车品牌，迄今为止已有74年历史，2017年，路特斯开始在中国布局超高端智能电动生活用车，汽车新四化的时代背景下，路特斯成为业内首个向电动化、智能化转型的超豪华跑车品牌，2018年，路特斯面向全球提出了“Vision 80”品牌复兴计划，后面会陆续推出由路特斯品牌生产制造的超高端智能电动生活用车。
“软件定义汽车，硬件定义软件的天花板。”路特斯科技智能驾驶算法软件高级总监肖扬以《机器人时代已来，智能车是机器人的第一形态》为主题展开演讲，以下是演讲内容整理：
路特斯科技智能驾驶算法软件高级总监肖扬
凯文·凯利在《失控》中讲到一句话：“机器正在生物化，生物正在工程化。”这句话提出已经过去20多年，但仍然具有指引科技行业发展趋势的现实意义。尤其“机器正在生物化”，同样也是路特斯科技智能驾驶团队一直在思考的问题：机器人时代已经到，什么是机器人的第一形态？我们认为，在人工智能大规模落地的前提下，智能车会是机器人的第一形态。因为智能车产业能够承载人工智能整体落地所需要的体量。
路特斯的“赛道”基因
先介绍一下路特斯，路特斯是一家起源于英国，迄今为止已有74年历史的跑车品牌。之前主要专注于跑车领域，2017年加入吉利大家庭之后，路特斯开始在中国布局超高端智能电动生活用车。2018年，路特斯面向全球提出了“Vision 80”品牌复兴计划，后面会陆续推出由路特斯品牌生产制造的超高端智能电动生活用车。在 “新四化”的时代背景下，路特斯成为业内首个向电动化、智能化转型的超豪华跑车品牌。
过去，路特斯在F1赛道上拥有过辉煌的历史，在世界一级方程式锦标赛上一共获得过7次厂商年度总冠军，整体来讲，“赛道”是刻在路特斯骨子里的基因。未来，路特斯品牌将延续“赛道”基因，并在纯电智能的新赛道上更创辉煌。
图片来源：路特斯
现代汽车行业迈入全新时代
在传统汽车机械时代，我们会用马力、缸数、最高时速等来定义汽车性能。现在跨入新的时代，尤其到汽车智能化、网联化之后，我们逐步看到这样一个趋势：大家会用计算平台算力、传感器数量、电子电器架构等来定义新一代智能车的性能水平。
与此同时，路特斯也在积极拥抱变化。比起传统的智能驾驶分级，我们更希望用“接管里程”和“覆盖里程”两个核心维度来定义智能驾驶的性能水平。
有关路特斯科技智能驾驶团队目前做的工作，总结起来有三个关键点：硬件、软件和云。
首先是硬件，因为路特斯品牌调性相对比较高、售价也比较高，因此车型的成本耐受度相对更好，这样也能够支撑路特斯品牌的车型装配拥有更高算力、更高精度传感器组合的智能驾驶系统。从我们观点来看，智能驾驶还处在追求更高、更快、更强的阶段中，那么更强的硬件就能够支撑路特斯达成这一目标，再逐步实现配置下探。
路特斯打造的智能驾驶系统硬件部分由4颗激光雷达，7颗800万像素摄像头， 4颗200万像素环视摄像头，12颗超声波雷达，2颗4D成像毫米波雷达，4颗角雷达组成，并搭载两颗英伟达Orin-X芯片，算力高大508TOPS。这样一套超豪华的硬件配置，在全球范围内应该属于顶级的配置。我们期望通过这种硬件预埋，为后期软件算法的迭代提供一个非常高的天花板，为用户带来更好的体验。
下面讲一下软件，路特斯围绕软件打造了三个重要模型：风险模型、博弈模型、专属模型。风险模型和人机共驾的主题深切相关，将对软件算法开发的深度思考，和最前沿的软件算法研发能力相结合。路特斯期待给用户带来与众不同的差异化体验，去体现路特斯本身的“赛道”基因。
风险模型更好的实现“人机共驾”
下面着重讲一下路特斯打造的风险模型和人机共驾相关的功能。其实现在有一个认知：智能驾驶主要由功能进行定义，包括LKA车道保持、AEB防碰撞等功能，去定义我们提供给用户什么样的体验。但是现在会逐步由功能定义转入到由性能定义产品能力的阶段，其中性能的定义就是依靠刚刚提到的两个维度：MPI（接管里程）与CMI（覆盖里程）。当然这两个维度也离不开四个核心指标，那就是安全、法规、智能、舒适。
风险模型用一句话解释：消灭所有的主动接管。左图中，深黄色的是我们系统能够提供的能力，浅黄色是当下环境需要的安全能力。随着横轴时间推移，这些能力值会发生动态变化，深黄色领域时时刻刻覆盖浅黄色系统环境的要求，在这种情况下，就需要人来介入、接管或者干预到整个驾驶行为，来保证系统的安全。
图片来源：路特斯
风险模型期望完全消灭主动接管，那一定要达到右图，也就是让深黄色区域尽可能增长，系统可以能够准确识别出浅黄色环境的要求，从而减少人工介入，完全地把驾驶员精力释放出来。再用一句话解释风险模型，其实也可以是一个不等式，那就是“系统能力+驾驶员参与度＞环境要求”。
风险模型要分三步去做：第一步，提高识别风险能力。首先整合US（User Story）和MPI问题，作为风险模型的需求，产品定期对路测问题进行分析，划定风险模型的职责范围；对于划定的路测问题，对风险模型进行召回率统计，作为衡量风险模型的量化指标。二是大量路测和长尾问题的积累，能够帮助维护一个大而全的风险场景库，更好地解决系统对于环境风险的辨识能力。第二步，了解系统的安全能力，需要大量数据闭环和海量路测，将系统能够达到的性能、能力边界摸清。第三步相对比较简单，回答“系统能力+驾驶员参与度＞环境要求”不等式，充分地辨识环境风险，也充分地认识系统边界能力之后，就可以解决什么时候需要把控制权从机器移交到人手上的问题，最终实现真正意义上的人机共驾。
ROBO Galaxy——智能驾驶的云端数据工厂
路特斯在做风险模型时也用到了一些深度学习的AI算法，要实现这样的功能，系统背后一定需要非常强的基建支撑，即云端基建。刚刚提到硬件、软件和云，如果用一句话来解释三者之间的关系，其实就是硬件决定了整套智能驾驶系统的天花板，软件决定了系统所能达到的上限，最终云端能够帮助系统以更大加速度达到上限。硬件、软件、云结合才能打造更好的智能驾驶。
为了把路特斯打造成为智能驾驶的最佳实践平台，为了提升软件迭代和测试验证等能力，为了解决业务断点和数据割裂等问题，路特斯智能驾驶的开发已从手工作坊模式走向了自动化流水线生产模式，这归功于路特斯智能驾驶工具链SaaS系统——ROBO Galaxy。
ROBO Galaxy采用混合云方案。首先运用公有云的海量计算资源，补充系统对于计算的消耗；然后通过私有云来储存智能驾驶研发和量产过程中收集到的海量数据；最后配合保密机房，达到一个安全合规的目标。
ROBO Galaxy 作为智能驾驶领域的工具链解决方案，我们对它的定位是智能驾驶的云端数据工厂。基于PaaS层最上面的统一数据管理平台，打通了六大主件，分别是数据采集、数据合规、数据标注、数据训练、数据仿真、数据监控，形成全流程服务，实现完整的数据驱动闭环。
图片来源：路特斯
ROBO Galaxy 具有强兼容、全链路、动态分配三大优势。它将在智能驾驶这条流水线上源源不断地去造血，去挖掘数据价值，迭代算法，提高系统能力，期待为智能驾驶行业解决孤岛数据割裂和算法优化缓慢的痛点，带去更便捷的云管理和云服务的同时，加速智能驾驶行业向更高更快更强时代的迈进。
（以上内容来自路特斯科技智能驾驶算法软件高级总监肖扬于2022年9月15日由盖世汽车主办的2022第五届自动驾驶与人机共驾论坛发表的《机器人时代已来，智能车是机器人的第一形态》主题演讲。）
