在11月21日，于苏州举行的NVIDIA GPU技术大会（GTC大会）上，英伟达NVIDIA CEO黄仁勋在开场演讲上，重点推出了几家与其有商业化合作的无人驾驶公司，包括AutoX、Momenta等。
随着越来越多的无人车开始路测，在技术层面上，汽车实现部分区域内无人驾驶已经不再是什么难事，但是在安全性、可靠性上，却还有很大的提升空间，毕竟最终落地，车内的最后一层防护安全司机将被去掉，正因如此，安全与可靠性是其不得不逾越的高山。
而为了解决这一问题，有不少公司采取了设定“冗余”系统的办法，即在原来的系统上，增加一些余量，比如增加几个传感器的视觉系统，以增强汽车对于道路情况的观察、判断。
在本次GPU大会上，AutoX创始人肖健雄则在主题演讲中提出了一种新的“全栈冗余”的设计理念，希望补齐无人驾驶普及中的最后一块短板。
对于AutoX，外界并不陌生，其*的双A.I.融合感知无人驾驶技术路径，目标直指L4级别的完全无人驾驶系统。
AutoX创始人兼CEO肖健雄透露，目前公司已经实现在硅谷的普通路况长达7-8小时的无人工干预的无人驾驶。他在GTC大会上的演讲中详细介绍了公司的全栈冗余设计理念，整套冗余设计包括AI技术及工程技术两大类，涉及从传感器到AI系统，再到系统测试及复杂场景应对的各个环节。
他表示，“无人驾驶关乎生命，AutoX希望实现无人驾驶的*安全”。
双主传感器+双AI大脑
具体来说，首先在传感器的选择上，AutoX使用了双主传感器，即一个40线激光雷达加上6个环视摄像头为主，同时辅助以毫米波雷达及超声波雷达等传感器，从而实现对周围环境360度的感知。
图为肖健雄与AutoX无人驾驶原型车
传感器只是无人驾驶的五官，AI系统上，AutoX设计了双AI智能。
“我们的无人驾驶有*的两个AI大脑，*个是基于三维高清地图感知的AI大脑，第二套是实时的驾驶环境感知AI大脑。”
三维高清地图一直被誉为是无人驾驶系统的记忆，其中记录了道路环境的详细信息，比如车道、交通信号灯、指示牌等信息，可以帮助AI系统做出行驶决策。高清地图对L4级别的无人驾驶必不可少，也是百度、Google等公司的必争之地。
但道路信息是鲜活的，并非一成不变，而且如果要在没有地图的全新路况实现无人驾驶，就需要第二套实时驾驶环境感知系统。
比如某段道路正在修理，树立了新的交通指示牌，这种情况无法在三维高清地图中提前标注，第二套AI大脑便会通过从视觉和激光雷达中获取的信息进行实时路牌检测，然后将其融合在地图信息中，保证合法安全的无人驾驶。
与此同时，在整个城市的无人驾驶运营中，高清地图总会出错，通过环境感知AI大脑，可以将实时路况信息传回服务器，保证地图的即时更新。
肖健雄表示，这两套AI大脑会同时进行运算，根据两者的计算输出鲁棒性的融合结果。
远程操控应对极端情况
以上是AutoX在AI技术上为保证冗余性所做的努力，而工程上的冗余性同样重要。
“要落地无人驾驶，并不需要百分之百的无人，甚至可能永远无法做到无人驾驶”，肖健雄表示。这话听起来似乎自相矛盾，既然AutoX希望做到无人驾驶，为什么又说并不需要百分之百无人？
肖健雄解释称，这是因为技术无法穷尽所有的状况，特别是在特别复杂的交通环境下，这时候无人驾驶应该如何处理？
AutoX的解决方案是在特殊情况下用人工来解决，但人并不在车上，其设计了一套远程操控系统，在必要情况下驾驶员可以远程操作无人车，处理AI无法应对的情况。
“远程控制并不像外界想像的那么简单，因为网络的原因，很多系统无法快速传输高清视频，而我们的这套系统可以用手机网络实时传输高清摄像头信息，系统响应时间可以达到50毫秒以内，远程操控的速度也可以达到72公里的时速”。
肖健雄表示，通过远程操控应对特殊情况的方式，一位经过培训的司机可以控制上百辆车，可以在降低整体运输成本的同时，保证系统的安全性。
他还表示，AutoX的这套系统可以与车辆调度系统深度耦合，方便车辆的管理。目前公司也在申请美国加州全无人驾驶测试牌照，也就是测试车中不需要安全员，安全员可以在远程监控。目前全美只有Google在不久前拿到了此测试牌照。
自主线控系统+仿真系统
除了远程操控，AutoX在线控系统上亦做了冗余性设计。
线控系统是指用数字化的方式控制车辆的油门、刹车、转向，这是无人驾驶车辆行驶的基础，需要保证*不会失灵。
目前，线控技术主要掌握在少数国际Tier 1供应商手中，并有一些第三方车辆改装公司在做线控系统。但第三方的系统在与自动驾驶公司的技术融合过程中，往往出现功能上没问题，但在实测中失控的情况。
因此，AutoX自主研发了线控VCU，使用车规级的芯片，并经过严格的系统稳定性测试。系统中还有双线控芯片，以确保在一块芯片失灵时仍有备用方案。
最后，在无人驾驶系统测试方面，AutoX采用了三维全仿真与真实路测结合的方式。
路测是无人驾驶必不可少的环节，Waymo的无人驾驶之所以傲视群雄，一个关键因素在于其进行了最长的真实道路测试，总里程已经超过了800万英里。
肖健雄表示，AutoX一方面正在进行越来越多的路测，另一方面自制了全新的仿真系统，让系统在虚拟世界中进行无人驾驶测试。
仿真系统模拟了道路环境的物理设计、车辆的动力学及碰撞等信息，也模拟了下雨、夜间、光照直射等天气情况，可以帮助加速无人驾驶系统的开发。试想一下，如果没有仿真系统，对于所有具体的交通场景只能去实地测试，这会浪费大量人力成本，而仿真系统则可以进行实时的模拟测试，迅速验证系统的可行性。
“仿真系统也是AutoX这两年前能迅速实现无人驾驶的关键”，肖健雄表示。
目前，AutoX已经将全栈冗余设计的方式应用在了自己的无人驾驶系统中。今年8月，AutoX在美国加州发布了AutoX Autonomous Delivery（无人驾驶递送）试运营服务，提供无人驾驶生鲜递送服务，这在无人驾驶公司中尚属首次。同时，AutoX正与上汽、福特等主机厂进行合作，推动无人驾驶的普及。
距离2020的无人驾驶之约只剩下不到两年的时间，商业化和安全性已经成为无人驾驶技术公司共同的目标。通过全栈冗余设计的方式，AutoX无疑是希望自己成为最早摘得果实的那家。
