近期，轻舟智航与火山引擎联合亮相，带来了他们联手打造的自动驾驶工具链——轻舟矩阵。而轻舟智航于今日发布了一段无人驾驶车在热闹嘈杂的城市晚高峰时段，完成三位拼车乘客订单的演示视频。
此次，一向侧重展示无人小巴业务的轻舟智航，发布了全无人驾驶的RoboTaxi路测视频，也是希望表达其RoboBus与RoboTaxi技术共通的特点。
在视频中，轻舟智航打造的无人驾驶车，在城市道路晚高峰时段，完成三位拼车乘客订单。从车库自动出发，再回到车库收车，全程时长约1小时。
这段演示背后，是火山引擎与轻舟智航联手打造的自动驾驶工具链产品「轻舟矩阵」提供技术支撑，双方的合作打通了从研发到测试运营的全流程，实现自动驾驶技术研发的高效迭代。
主画面所展示的是当前路况，右下角所展示画面的是实时的驾驶舱，从中可看到方向盘的状态。
驶出车库后，无人车接到了第一位乘客。
1.路边大量停靠车辆且遇到倒车车辆（0:23）
（0:23）在这里，无人车遇到一辆白车正在尝试倒车停车，它一边减速一边略微向左转向，完成了避让。这种边减速边转向的表现，背后是轻舟智航自研的时空联合规划技术。
2.无保护右转（0:35-0:40）
（0:34）在这里右转时，无人车发现右侧的车道有大量违停车辆，因此，它决定选择中间的右转车道，同时它还准确预判了左侧直行车辆的行驶方向和速度，让其优先通过。
3.左转弯进入商场周边路段（1:28-1:34）
（1:22）此时无人车想左转进入商场门前的道路，在准确预判对向右转车流的情况下，无人车顺利完成了左转弯；随后，无人车在栅栏和车流间平稳行驶，时不时略微左打方向盘，与停靠车辆保持足够的安全空间。
4.避让故障车辆（2:14-2:18）
（2:13）无人车凭借远距离感知能力，识别出了远处放置的三角警示牌和故障车，自动变道避让。
5.避让掉头影响车辆（2:20-2:24）
（2:21）这里无人车在变道后将通过一个无信号灯的路口，碰到了一辆掉头车辆，由于识别到了对方的掉头行为，无人车提前进行了礼让。
6.复杂场景（2:47-3:29）
（2:46）接下来我们看到，无人车并入最右侧车道进行右转，随后车辆的左侧、右侧和后侧都有其他车辆加塞，环境十分复杂。
不过，由于在火山引擎的云端仿真环境里已经测试了无数遍，可以看到无人车像人类司机一样，跟其他车辆反复地进行博弈。之后，无人车在路口还遇到了「鬼探头」的电动车，也可稳定应对。
7.施工改道和小区门口路段（3:39-3:56）
（3:39）无人车行驶到施工路段，车辆沿着围栏行驶，并左转经过小区门口，顺利通过了人车混杂的路段。
8.右转礼让非机动车（4:24-4:30）
（4:26）右转时，无人车像人一样观察到右后侧直行的电动车马上要冲过路口，待电动车通过后才继续行驶。
9.多次受其他车辆干扰（4:52-4:58）
（4:55）前方即将到达高铁站停车场，无人车在这里遇到了多台车辆试图变道加塞，部分车还出现了犹豫要不要变道、压线行驶的情况。不过，无人车也还是准确预测出了其他每辆车的行驶轨迹，合理让行。
10.在高铁站送客区狭窄道路行驶（5:07-5:30）
（5:08）行驶到停车场入口时，无人车预测出其他车辆的轨迹，并平稳左转通过道闸，凭借准确无误的感知和定位技术，在栅栏围成的窄路上流畅行驶。
（5:38）多次转弯后，无人车驶入送客区域送乘客下车，（5:49）随后来到出口道闸处。由于识别到迟迟不抬杆的道闸，无人车试图向前移动触发感应，驶出道闸后还礼让了一名路人。
11.路口掉头（6:45-6:51）
（6:48）此时，最后一位拼车乘客到站了，为了方便他下车，无人车完成一个高难度调头后，靠边停好车。
12.地下车库（7:02-7:34）
（7:05）服务完今天的所有订单后，无人车自己开回到了地下车库。它先是通过了狭窄的道闸，驶过向下的陡坡后，在人类司机没有观察空间的盲区中完成了右转，还避开了盲区中的其他车辆和路过的行人，（7:34）最后完成一个大转弯，回到停车地点。
轻舟智航一向重视仿真测试，而轻舟矩阵工具链也是以仿真为核心，构建了以仿真为核心的自动化闭环，可以对数据进行自动标注、质检、训练和评估，让自动驾驶AI大脑可以从海量数据中自主学习。
而火山引擎则可通过RDMA网络直连的数万张GPU，结合自研的BytePS分布式训练框架，极致压榨GPU的算力和通信宽带，主流模型的多机加速效率超过90%。利用资源池化和在离线一体化调度技术，可最大程度减少资源的闲置时间。
依托火山引擎AI开发平台，轻舟矩阵上的自动驾驶模型训练GPU利用率可提升30%。
同时，轻舟矩阵还能够依托真实路测与生成数据构建仿真场景，不仅将测试成本降至纯道路测试的1%，还可以生成数百万个的Corner Case场景，每天完成数百万次算法训练、测试验证和迭代优化。
