從感知硬件到應用場景，如何推動自動駕駛商業(yè)化 | CICV 2018

本文作者：利榮

2018-05-25 20:09

專題：CICV 2018

導語：自動駕駛技術想要真正落地上路，技術難點就在于汽車如何在現(xiàn)實中把控復雜的交通狀況，并使用合適的車載傳感器。

*左起李升波、豐浩、顧劍民、白杰、夏炎

雷鋒網按：自動駕駛系統(tǒng)是由多種技術集成，包括了駕駛環(huán)境感知、路徑規(guī)劃和車輛控制等組件，其中每個傳感器以不同頻率進行采樣和產生數(shù)據(jù)，系統(tǒng)對傳感器數(shù)據(jù)處理有很強的實時要求，所以要求自動駕駛系統(tǒng)能夠分布式異步實時處理這些數(shù)據(jù)。此外，自動駕駛系統(tǒng)在這些傳感器數(shù)據(jù)融合基礎上，進行駕駛環(huán)境要素感知和提取，進行導航和自主駕駛決策。因此系統(tǒng)要具備強大計算能力，能夠集成高性能算法和高度可擴展性。

第五屆 CICV（中國國際智能網聯(lián)汽車技術年會）會議上，同濟大學白杰教授、法雷奧中國區(qū)CTO顧劍民博士、博世ADAS產品經理豐浩、Momenta合伙人兼研發(fā)總監(jiān)夏炎博士以及清華大學汽車系長聘副教授李升波就環(huán)境感知內涵、毫米波雷達和激光雷達國產化的技術挑戰(zhàn)、端對端方案與分解式方案的技術優(yōu)劣對比、高速公路到城市路況，自動駕駛L2級到L4級的自主決策技術布局以及自動駕駛計算平臺的關鍵技術展開了精彩討論。

以下為討論內容，雷鋒網新智駕對其進行了整理，并做了不改變原意的調整：

24G和77G的毫米波雷達對比

李升波：毫米波雷達國內產業(yè)發(fā)展面臨的問題？

白杰：從整體來看，人才和經驗不足仍然是很大的挑戰(zhàn)，比如說需要具備豐富的雷達系統(tǒng)和毫米波射頻設計經驗的人才；設備需要從國外購買，特別是測試設備和部分生產設備；生產設備需要定制，成本較高，例如目前缺少77G的生產和工藝，國內生產加工77G工藝相對比較少；開發(fā)周期相對比較長，一般一款毫米波雷達開發(fā)周期要到12個月以上，包括從設計、算法穩(wěn)定到最后使用整個周期。

李升波：24G毫米波雷達和77G毫米波雷達，哪一個更有可能在中國產業(yè)化呢？

白杰：從過去的技術平臺發(fā)展經驗來看，每個企業(yè)路線和服務的客戶群體都不相同，如專注在24G毫米波雷達的法雷奧，做77G毫米波雷達的博世。因此，無論做什么樣的產品，每個公司都需要找準自己的定位，明確思路和導向。

此外，還要著重加強企業(yè)的自主創(chuàng)新能力，也就是人們所說的彎道超車。例如我們積極研究79G毫米波雷達，爭取超過博世的77G毫米波雷達。

李升波：法雷奧的的自動駕駛定位是什么？

顧劍民：法雷奧作為全部零部件和系統(tǒng)集成供應商之一，在自動駕駛領域以自動泊車系統(tǒng)聞名，迄今為止我們已經一共提供出1200萬套自動泊車系統(tǒng)。自動駕駛規(guī)劃的技術路線是從低速自動泊車切入，逐步發(fā)展到高速或更多場景應用。

李升波：Momenta的自主泊車系統(tǒng)能否超過擅長自主泊車的法雷奧？

夏炎：我們和法雷奧做的產品不同，Momenta擅長軟件算法，與法雷奧不存在誰趕超誰的問題，我們之間是深度合作關系。

落地本土化自動駕駛

李升波：博世有計劃幫助提高中國本土企業(yè)的研發(fā)技術水平？

豐浩：嚴格來講，博世是一個“本土化”企業(yè)，而不是單純的外資企業(yè)，主要基于以下三方面：

人員本土化，博世中國的研發(fā)人員多數(shù)都是國內人員，能夠在技術上獨當一面。
生產本土化，去年年底，我們所有的ADAS傳感器都已經在本土實現(xiàn)了生產。且出貨量達到了百萬之上。
功能開發(fā)本土化，我們并不是把德國技術照搬到中國來，博世的很多ADAS工程開發(fā)理念上都是依據(jù)中國特色工況來制定。

李升波：你認為在中國做自動駕駛，要做哪些本土化的事情，哪些工作盡管艱難，但又不得不做的？

顧劍民：一般來講，汽車工業(yè)有兩種做法：一種是把歐洲或者北美開發(fā)的技術產品拿到中國來做場景驗證，尤其是一些在中國研發(fā)實力不是很強的企業(yè)，他們把研發(fā)基地設在海外，然后把產品拿回中國做驗證，相對容易一點。但是也存在很大的弊端，在海外研發(fā)的產品不適應國內人們的駕駛習慣和駕駛環(huán)境，例如國內汽車的開門報警系統(tǒng)。如果你不在中國生活或工作是不知道國內存在之一狀況的。所以只有理解國內人們的需求，才能真正的把需求功能融入到產品開發(fā)計劃中；第二種是從在中國生產變成在中國開發(fā)，不光是在中國開發(fā)，還要與中國的團隊一起開發(fā)，這樣才能真正做到本土化。

李升波：5月22日國務院關稅稅則委員會發(fā)布關于降低汽車整車及零部件進口關稅的公告，這樣一來，國內很多整車廠的零部件不一定在中國生產了，可以直接從東南亞或者日本采購零部件，對我們的自主研發(fā)造成的影響怎么看？

白杰：關稅下調可能會造成公司不在原工廠生產，例如博世不一定在蘇州生產，可能直接從西班牙運過來。對自主創(chuàng)新企業(yè)來講，確實存在不小的壓力，但是只要自主創(chuàng)新企業(yè)從技術路線和產品設計等各方面積極拓展思路，就能把壓力轉換成動力。此外，還可以充分運用國家標準做適當?shù)恼{整。

實際上，自主品牌企業(yè)也有很大的優(yōu)勢，可以根據(jù)客戶的需求來積極設計或更改產品的功能，例如剛才提到的開門報警系統(tǒng)。

李升波：將來很多美國自動駕駛進入中國市場，你們會做哪些準備？

夏炎：我認為軟件算法和硬件、零部件不一樣，算法在技術層面一直是國際化的交流，而且像我們這些自動駕駛的創(chuàng)業(yè)公司，從來都是國際化的，包括競爭對手，定位的也不是國內競爭對手。所以從自動駕駛軟件算法層面來講，進口關稅的影響對我們而言不是很大。但是我們在做產品化的過程中的確發(fā)現(xiàn)，包括芯片，傳感器零部件，整個解決方案受關稅影響較大。

不同場景中的智能汽車如何由“感”上升到“知”？

李升波：從你們的角度來看，如果我們不做芯片的話，有沒有可能勝出的余地？

夏炎：目前來看，我們必須要考慮芯片，因為量產級的芯片現(xiàn)在市面上可以看到有新的種類，如果以深度學習為核心的算法，對計算量的需求是非常大的。所以我們做自動駕駛算法，必須關注芯片現(xiàn)在的發(fā)展狀況以及將來的發(fā)展趨勢，包括我們做方案設計時，也是從產品出發(fā)，然后看這個產品功能需求的計算量大概是多少，市面上符合的芯片有哪些，然后依據(jù)芯片計算量會做深度學習的網絡優(yōu)化。

白杰：研究芯片和做軟件不同，主要表現(xiàn)在成本和功能上，例如相同的77G毫米波雷達，在同樣的頻率里面，由于芯片廠的芯片設計不一樣，結果整個硬件架構的成本會有不同程度的波動，因此要對所有芯片進行密切地測試和評價。在此基礎之上尋找自身的最佳成本結構。

李升波：你們的芯片戰(zhàn)略是怎么定位的？

顧劍民：對法雷奧來講，在歐洲、北美，包括亞太地區(qū)都有分部和研發(fā)中心，一個國際化公司在這方面不會存在太大問題。

但對于國內本土企業(yè)，目前正處于機遇和挑戰(zhàn)并存的時代。因為任何的技術封鎖，起到的作用都是雙面的。短期來看，專利上有很多所謂的“護城河”會造成一些自動駕駛技術困難，但是從長期來講，這又是一個激勵。其中專利方面亟待解決的問題是，怎么真正的讓國內企業(yè)、客戶、整車廠以及一級供應商來支持幫助我國內本土企業(yè)，讓國內的芯片供應商真正強大起來。此外，成本方面，必須保證任何一個落地的產品有利潤，不能做虧本生意。

豐浩：博世也非常強調自主研發(fā)策略，例如在卷基神經網絡方面。同樣在芯片領域有非常強的自主研發(fā)能力，同時還會選擇多方合作來豐富自身的應變能力。

李升波：博世的SLMA方案高精度地圖是運用主流的77G雷達，還是用下一代79G寬帶雷達？

豐浩：基于攝像頭的方案受環(huán)境影響較大，所以我們采取眾包模式，做到數(shù)據(jù)實時更新。

目前博世正在開發(fā)一款產品，其中針對自動駕駛L3級以下的ADAS，還會繼續(xù)采用能滿足需求的77G雷達。

李升波：毫米波雷達探測到的道路特征是哪些？

豐浩：目前所用的毫米波雷達主要對于道路邊界進行探測，比如金屬柵欄的反射、路邊樹林的反射，之后會生成固定頻率的散狀點云，然后這些點云歸類，形成特征層。

李升波：在智能網聯(lián)未來發(fā)展面向多個場景運用的驅使下，這些路線是不是在不同的場景中有不同的優(yōu)劣勢，在不同的場景下會側重于哪一種，或者哪一種會成為主流？

顧劍民：不同場景下，多種傳感器融合方案是有側重點的，比如說低速的室內停車、地下車庫和高速公路上的自動駕駛。

白杰：不同的場景肯定有不同的技術路線。技術路線的選擇在很大程度取決于成本問題，而不一定是技術指標。

夏炎：對新技術而言，首先要考慮的是性能能否達標，性能達到之后，再考慮成本的高低。

李升波：每個場景下都存在最優(yōu)方案，但問題是一輛汽車如何適應多種場景，要把多種方案集成在一輛車上的成本還是不是最優(yōu)的？

豐浩：從車輛功能安全角度出發(fā)，除了在開發(fā)過程中要做大量的測試，同時在本身的感知層面，也要解決真正應用到實時探測的成熟技術。復雜的場景下，感知層面要互補和冗余。