2018年10月1日，前全球唯一量产车规级激光雷达算法开发团队负责人雷绳光博士正式加入亮道智能，担任CTO一职。

雷绳光博士是原量产激光雷达算法团队唯一的华人工程技术专家，也是激光雷达、计算机视觉、传感器融合算法和量产功能开发方面的顶级专家。加入亮道智能后，他将总体负责量产研发团队的组建与管理，以及公司整体的产品战略规划。

正式入职之后，雷绳光博士和我们聊了聊自动驾驶的量产心得。

雷绳光博士出任亮道智能CTO一职

什么是面向量产的自动驾驶？

雷绳光博士毕业于德国柏林工业大学人机智能专业，加入亮道之前，一直在国际知名零部件供应商任职。

他曾领导自动驾驶全球首款量产激光雷达开发团队的软件算法开发，并参与了全球首款L3自动驾驶汽车奥迪A8的量产项目。离开后他加入海拉，担任自动驾驶视觉感知量产项目负责人，对接OEM前装市场。

多年来在德国零部件供应商核心算法研发部门的任职经历，为他积累了从Demo到量产的宝贵经验，也让他对自动驾驶的理解更加客观冷静。

雷绳光博士认为2016年特斯拉Autopilot致死事故是自动驾驶发展的关键事件，这次事故为行业敲响了警钟—— 自动驾驶的首要任务是确保安全，而非单纯的功能实现。

虽然市面上已经有不少Demo车展示了自动驾驶功能，但是在雷绳光博士看来，一款真正安全、面向量产的自动驾驶车一定要满足三个条件：

第一，自动驾驶系统必须要满足传统汽车行业对电子产品的相关标准和规范，包括AEC-Q100/200, IATF16949等。

例如有的电子原件温度适用范围为- 40度到125度，在震动环境中可以长时间正常稳定工作，系统必须满足电磁兼容的要求等……这些是从传统汽车行业沿用下来的“老规矩”。

第二，整个自动驾驶系统达到功能安全的要求，也就是保证功能的安全和可靠性。

其中功能安全国际标准ISO26262对不同安全级别产品的开发、测试验证都做了很详细的定义。功能安全标准的提出，直接把自动驾驶的技术门槛抬高了一大截。

比如，整个L3自动驾驶系统必须达到ASIL D安全级别的需求，要求对整个环境感知和控制执行做冗余设计。具体到环境感知层面，需要雷达，激光雷达，摄像头等不同类型的传感器来确保环境感知的安全可靠。

对于单个传感器，比如激光雷达，可以分解为ASIL B安全级别，这要求传感器有很强的自检能力，传感器需要时刻知道自己所处的状态，哪些检测是可靠的，哪些检测是不可靠的，并及时上报给中央ECU。

第三，环境感知能力和功能必须通过一个KPI（Key Performance Indicator）考核，我们可以称为“自动驾驶感知系统的评价体系”。

自动驾驶系统的量产，需要对单个传感器提出KPI要求，比如环境感知的检测率、误报率必须处于一个规定的可接受数值区间，传感器检测目标物体的位置和速度必须达到一定的精度要求。同时，经过传感器融合以后，整个环境感知系统同样需要满足一定的KPI要求，这个要求会比单个传感器的要求更加严格，而且覆盖面更广。

在当下，每个意在推出L3自动驾驶的主机厂都亟待建立一套自己的自动驾驶评价体系，随着自动驾驶的演进，未来将会在全球范围内，逐渐形成一套统一的规范和标准。

上述三点对于L3及以上的自动驾驶来说，都还没有真正实现。

因为较之ADAS，L3、L4自动驾驶汽车的感知技术更加复杂。行业仍然在等待适于集成、高性能、符合车规的激光雷达，以及满足功能安全和安全KPI考核的传感器融合系统。

未来3-5年，我们会迎来L3、L4自动驾驶汽车在全球范围的大爆发。在正式量产之前，感知系统都要通过“自动驾驶感知系统的评价体系”的考核。

（从左至右）亮道智能欧研中心总监冀旸博士、亮道智能CEO剧学铭博士、亮道智能CTO雷绳光博士

因为对“量产”有着相同的理解，以及对自动驾驶市场的相同判断，雷绳光博士在亮道智能踏上了新的征程。

亮道智能是一家中德背景的公司，定位在L3和L4自动驾驶，是一家基于激光雷达的自动驾驶量产解决方案提供商，专注在自动驾驶激光雷达本土算法开发以及全球范围感知系统的测试验证两个方向。

简而言之，亮道智能关注的是L3、L4自动驾驶的感知部分，并且选择了自动驾驶重要的传感器激光雷达作为切入点。

亮道智能的行业积累始于2015年，团队核心成员有德国知名主机厂自动驾驶研发的相关经验，2015年回国后创立了亮道的前身欧百拓，最早开始将车载激光雷达推广到国内市场。

受益于对激光雷达领域的深厚理解，以及在中德自动驾驶行业的潜心研究，亮道智能选择在整条自动驾驶产业链上，专注最核心的技术做专做精。

雷绳光博士的加入，为团队带来了不可或缺的技术研发和产品落地能力，也为整个团队带来量产方面的积累和经验。

L3-L4自动驾驶需要新型的测试验证

目前业内针对自动驾驶测试验证一般会采用几种方法，包括虚拟仿真测试（软件在环测试、硬件在环测试、车辆在环测试、驾驶员在环测试）、封闭区域测试、真实道路测试。

虚拟仿真测试使用计算机来搭建模拟的驾驶场景，这种测试方法对平台开发（例如开发激光雷达算法的通用部分）会有一定帮助，但是尚无法满足产品量产测试的需要，只有将产品放到真实的交通环境测试，才能获得感知系统的真实表现。

雷绳光博士认为，亮道智能专注的测试验证领域，在整个自动驾驶产业链中是“从0到1”的新事业。

亮道智能提供的新型自动驾驶传感器融合验证测试，既涵盖了开发过程中的算法迭代验证，也包含了产品验证后期的测试验证。整个测试过程基本可以覆盖量产产品的开发到产品最后的形成。

这种新型测试验证基于真实数据，在测试方法上主要采用真实道路测试，辅助SIL、HIL等方法验证时，采用的也是被测传感器（Device under Test）在真实路况获得的场景数据。

作为产品量产前的安全“把关人”，测试验证方并不是一个可以轻易胜任的角色，相反，基于大数据的自动化测试验证可能是目前自动驾驶行业技术门槛要求最高的新兴领域。

和传统的测试验证不同，新型的环境感知测试验证提出了更多挑战，雷绳光博士向我们提到了三个主要方面：

第一，要求测试者具有很强的算法开发能力。

在亮道智能的自动驾驶环境感知测试中，需要建立一整套“客观真值”（ground truth）参考系统。这些客观真值一方面可以用来训练机器学习算法，另一方面可以用来验证现有感知算法的表现。

目前量产ADAS产品的阶段，我们尚且可以通过人工标注的方式得到客观真值。但这种人工标注方式不但有大量的人工费用支出，更重要的是十分耗时。

到L3和L4自动驾驶，需要采集上百万公里，数千小时的真实道路数据用于测试。此时如果继续依赖人工标注的方式，可能会耗费数年时间，无法满足量产开发的时间要求。

因此，行业迫切需要一套依靠自动化的标注算法建立客观真值。亮道智能研发中的这套标注算法，可以用来自动生成真值，目标是提升近万倍的标注效率。

第二，新型测试验证需要高度自动化的测试验证流程和高度集成的测试工具开发的能力。

新型测试验证涉及的数据规模非常大，目前某国际知名主机厂要求5000小时的真实采集数据必须在几天时间内完成算法的测试验证并给出评价结果。

这里会涉及整个工具链高度集成和自动化，亮道智能的目标是实现高度自动化的测试验证流程——当测试者点一个按钮，工具就会自己运行。

这要求整个测试流程的定义必须非常清晰，工具的开发、集成要紧贴流程需求，最后完成IT构架硬件的集成。

第三，测试者需要掌握大数据分析和挖掘的能力。

未来新型测试验证的数据量庞大，因此如何准确定位所需的测试场景和测试数据，如何利用这些数据来服务于自动驾驶功能的开发，都需要测试者具备大数据分析和挖掘的能力，从大量数据中迅速准确定位到我们需要的数据。

测试方在上述三点都要具有足够的积累。亮道智能过去已经在中国和德国积累了百万公里的真实道路数据，未来也会在算法开发能力、测试验证能力、大数据分析和挖掘能力三个方面，夯实自己的核心竞争力。

功能实现仅仅是量产算法的5%

纵观雷绳光博士的求学和工作的经历，我们可以看到，一位优秀的自动驾驶领域的汽车工程师，需要兼具扎实的汽车硬件开发知识与汽车软件开发能力。

在北京理工大学攻读本科和研究生期间，雷绳光博士的主要研究方向都与汽车底盘相关，更加偏向传动系统和车辆电子控制。

在柏林工业大学攻读博士学位期间，他开始转向更加前沿的人工智能和人机交互方向，博士论文曾获得德国人机工程学Walter-Rohmert研究奖。

对于一个自动驾驶从业者来说，雷绳光博士在自动驾驶线控技术、环境感知、人工智能等方面都有深入积累，因此对整个自动驾驶系统的理解也更加全面。

在他看来，可量产的激光雷达算法，也需要站在一个更加全局的视角去理解。

对于什么是面向量产的激光雷达算法，雷绳光博士做了很好的总结，“功能实现只是量产中5%的工作，还有95%的工作是应对各种特殊驾驶环境和路况所做的专门算法开发，以及保证代码和功能的安全可靠性所做的安全设计和大量测试验证工作。”

只有真正理解到自动驾驶应用本身，才能开发出适合自动驾驶应用的算法。根据计划，亮道智能在今年年底会完成整个算法构架的搭建，并在之后不断优化。这项能力的积累和技术有关，也离不开以往的量产经验。SHAPE\* MERGEFORMAT

一个承担量产任务的团队

谈起自己在奥迪A8自动驾驶量产项目中的经验时，雷绳光博士提到了一个印象深刻的经历。

在负责量产项目的算法研发工作时，雷绳光博士领导40人的算法工程师团队攻克核心难题。团队成员分散在德国、西班牙、埃及等不同国家不同城市，对整个项目的管理和团队管理来说，是十分巨大的挑战。

印象最深的是量产前密集的问题解决阶段。

由于量产时间节点要求严格，两三个月内必须解决客户提出的200多个问题。在最后这段时间里，雷绳光博士将团队全员人集中到斯图加特一起做Task Force——早晚各一次例会，迅速分配任务，快速沟通，高效解决。最终，团队顺利把问题从200多个降到了个位数。

什么样的团队是一个可以承接量产任务的团队？雷绳光博士认为最重要原因是“人“，这也是亮道智能吸引他加入的原因之一。

亮道智能CEO剧学铭博士曾在德国知名主机厂研究院任职多年，负责高级自动驾驶项目环境感知开发，前敏实集团CEO石建辉同为亮道智能的创业合伙人，有着24年汽车行业从业经历，有全球范围内建造数十家汽车零部件制造工厂的丰富经验。

亮道智能有年轻充满朝气的人，也有稳重有经验的人从大局上来把握方向。雷绳光博士从整个团队看到了踏实、凝聚力，以及共同的理念和梦想。

目前，亮道智能已经在德国柏林和慕尼黑两地建立了研发中心。公司技术团队超过80%的研发人员均为德国精英大学和国内名牌高校的硕士或博士。

雷绳光博士多年来在德国工作任职，在亮道智能找到了彼此认同的德国工程师文化。团队将发挥中德优势，真正完成从0到1的进阶。

未来根据量产项目的需要，团队会进行合理扩张。

雷绳光博士向我们透露，亮道智能计划2019年将团队扩充到200人，2021年扩充为400人的团队，来支撑量产计划。未来中德两地的研发工作将同步推进，以量产自动驾驶为目标，陪伴大家一同完成测试验证工作。

对于自动驾驶行业的领先者来说，自动驾驶量产系统解决方案的研发工作可能已经逐步实现，然而余下的量产前算法开发和测试验证工作，却才刚刚开始。每一款产品需要到真实环境中经历各种各样的场景案例，然后身经百战，最后登上舞台。

当被问到，有没有一个相对省时省力的方式绕过自动驾驶的测试验证环节快速完成量产时，雷绳光博士坚决地给予了否认。

确实，与安全有关的每一步，都不容我们寻找捷径。