<mark id="oztn4"></mark>
0
| 本文作者： 新智駕 | 2019-04-19 10:08 | 專題：2019 上海車展 |
雷鋒網新智駕按：4 月 18 日，新智駕聯合上海市國際展覽有限公司共同舉辦“2019 AI+智能汽車創新峰會”，本次峰會作為第十八屆上海國際車展的同期活動之一，邀請到了來自學術界、新造車勢力、零部件供應商、新興自動駕駛、主流車聯網企業等智能汽車產業鏈上的核心代表參與其中，圍繞智能汽車產業發展趨勢，技術研發、行業求索、未來展望等熱點話題共同探討對智能汽車技術商業化落地的渴望和疑慮。
*“2019 AI+智能汽車創新峰會”現場
雷鋒網新智駕將本次峰會的所有主題演講進行了精華提取，冀望對各位智能汽車從業者有所啟發與幫助。
王飛躍首先從路的演變史分析了汽車從自動化向智能化方向發展的趨勢。以小數據到大數據再到小智能的 AlphaGo 論題引出“老”、“舊”和“新”三個 IT 的平行融合。王飛躍提到，IT 的主導不再是信息技術，而是智能技術，第三軸心時代的智能駕駛將步入平行駕駛時代。
王飛躍表示，從有人車、遙控車、到網聯車、再到無人車，這四類車可通過平行駕駛完成統一，即平行汽車。平行汽車未來的目標是將物理世界的 UDC 轉化為知識世界的 AFC。用現實世界的術語來講，即實現運營、監控及應急管理三結合。其中，運營要實現兩個“E”-Effective、Efficient。具體需做到擴展空間，將兩個世界轉化成三個世界，從 CPS 到 CPSS。
以 ACP 方法為基礎，王飛躍介紹了構成平行駕駛技術理論基礎的人工系統與真實系統之虛實互動、平行執行的平行系統。系統闡述平行駕駛技術中的平行感知、平行規劃、平行學習、平行測試以及網聯環境下平行車的研究。
王飛躍進一步進行解釋：虛實結合、平行執行，物理車與數字車結合到嶄新的 CPSS 空間中，對服務、安全、駕駛員狀態進行監控，保證在物理世界、精神世界、知識世界三個世界中，汽車可實現物理安全，駕駛員狀態安全，服務質量及知識質量安全。現階段集中力量于平行感知、平行測試、平行學習，最終可實現平行智能。
對于自動駕駛汽車落地發展而言。王飛躍的認知如下，自動駕駛汽車可以率先應用于一些特殊的場合。自動駕駛汽車落地發展依次為礦山、物流（包括碼頭）、市政、出租車、完全無人駕駛。平行駕駛技術為礦山、物流及一般場景的智能運營提供了有效的解決方案，平行駕駛是無人車上路的安全高效且智能途徑。
1998 年，Vislab 創始人 Alberto Broggi 在意大利進行無人駕駛的測試，大約行駛了 2000 公里的距離，在當時是很大的挑戰。車上搭載了一些攝像頭，還配備了一些轉向電機，現在來看都是非常傳統的技術，但這些都是在進行技術的探索與測試。到 2010 年的時候，他的團隊開發的自動駕駛汽車從意大利的帕爾馬一路開到了中國的上海，橫跨了半個地球。當然，車上依然有安全駕駛員隨時等待接管。
在這些實驗和測試過程中，Alberto Broggi 意識到了計算機視覺技術雖然強大，但仍然受限于計算硬件的性能。于是在 2015 年的時候，VisLab 加入到了安霸公司，成為了集團的一部分，Alberto Broggi 也進入安霸任職。VisLab 主要研發計算機視覺技術，應用于無人駕駛汽車；安霸是芯片公司，擁有世界頂尖品質的芯片，強大的處理能力能得到高品質的圖像。兩家公司整合在一起可以說是強強聯手，可以將計算機視覺技術更好的應用到無人駕駛之中。
目前，安霸所打造的計算機視覺處理芯片性能優越，能夠處理速度非常快，能做到每秒 30 幀、60 幀，同時擁有很高的解析度，而且，實現這些性能的同時，其功耗也只有 2-4 W。
安霸也在積極與各個公司進行合作，比如與 Hella-Aglaia 這家公司的合作就是將自家的芯片和對方的算法結合在一起。未來，安霸希望在芯片當中把圖像和其他數據進行融合，比如說毫米波雷達、激光雷達等，更好地助力自動駕駛發展。
裴軍從當前行業內激光雷達各路技術路線及 Cepton 的技術及優勢進行了分享。測試方式層面，目前全球大部分激光雷達公司都在采用 pulsed time of flight 方式進行測量；激光器方面，多數公司采用 905nm 或 1550nm 的技術。其中，Cepton 選擇了基于硅的 905nm 的激光器。在上述兩方面，各家廠商并沒有差別，且不能拉開差距。各路玩家競爭的重點是中間環節，即如何將產品變成一個成像激光雷達，高速的為自動駕駛提供三維成像。
Cepton 自研 Micro-Motion （微動）技術，這項技術可以用來替代積激光雷達內部的旋轉部件。在激光雷達內部，Cepton 利用光學共軛的方法及電磁鐵，它沒有任何旋轉或摩擦部件。
裴軍提到，如何將激光雷達變成落地的產品，而非科研產品，是當下激光雷達供應商的競爭重點。Cepton 與日本最大汽車照明燈公司 Koito（小糸制作所）合作，前者將為后者提供定制的微型激光雷達解決方案，將激光雷達安裝車燈中。基于此，實現激光雷達實現量產上車。
車聯網經歷了四代發展，整個車聯網的發展速度比以往更快速。2020 年車聯網的市場增速將會超過 60%。
5G 的到來也為車聯網的到來打下了堅實的基礎和保障；人機交互的過程中的突破，特別是語音交互為主的多模態交互，將會使人在駕駛過程當中更高效地獲得服務，因此服務生態運營將是下一個戰場。
越來越多的主機廠正在重新定語車聯網服務員，驀然認知所聚焦的事情就是成為整個對話生態服務的創造者。目前驀然認知用語音交互對話鏈接了日常 50 種的生活服務（涵蓋娛樂、旅游、餐飲以及出行的相關服務）。
龔思穎認為目前車聯網的服務運營生態，主要面對用戶習慣、如何讓用戶在安全駕駛環境下獲得高效、安全的車聯網服務、以及如何保證車聯網的可持續性以及黏性等三大挑戰。
驀然認知最為核心的能力在于語音交互的多輪對話，在車載環境當中，驀然認知則是采取減法的原則，設計多模態交互的體系和設計，使得用戶在使用過程當中安全。關于增加用戶黏性上，驀然認知認為可以增加社交功能、或者建立會員體系——積分獎勵、分享機制，建立完善而同步的賬號系統。
偉世通是域控制器領域的領先者，目前有兩大域控制器產品：座艙域控制器 SmartCore 和自動駕駛域控制器 DriveCore。
偉世通近兩年建立了以域控制器為中心的朋友圈，拓展了與商湯、高通、瑞薩、AllGo、縱目、DeepScale、Steer、StradVision、 AAI、騰訊等各方技術公司的合作。SmartCore 將引入語音 AI 助理、面部表情識別、手勢識別等多模態交互技術。
SmartCore 最核心的概念就是將多個 ECU（電子控制單元）集成在單一域控制器內，可帶來體積、功耗和成本優勢。DriveCore 則是在這一基礎上的另一個延伸。自動駕駛汽車既然由機器控制，就可能存在安全隱患。所以 DriveCore 必須有極高的安全性，并且達到 ASIL-D 級別。
偉世通自動駕駛首席架構師王凱表示，針對 Studio 和 Runtime 的不同算法進行優化，然后編譯到相應硬件環境中。其實要能夠支持不同的硬件，需定義好一個通用的架構，然后在這個架構的基礎之上，通過統一的接口定義實現擴展性，增加對不同硬件的支持。
值得一提的是，安全始終是偉世通對于自動駕駛技術研發的出發點及落腳點。偉世通的 SmartCore 座艙域控制器與可擴展 DriveCore 自動駕駛域控制器的智能全數字座艙。兩種控制器協同合作，實現了自動禮讓行人、智能分析路況、自動調整駕駛速度與行駛路線等功能，將帶來駕駛員和車輛間無縫的人機交互體驗，確保未來出行安全可靠。
人工智能算法是當今車聯網智能汽車的主要推手。澳大利亞格里菲思大學教授，IEEE 智能交通系統雜志總編輯 Ljubo Vlacic 認為，目前我們對智能汽車的測試并沒有完全交給獨立的第三方認證機構進行。因為在現實中，雖然監管者在努力的尋找車輛的測試方法，但相關的指標體系還沒有完全建立。放眼去看人工智能的所有要素，并以人工的智能的角度進行剖析，這些都會對最終的解決方案產生影響。
Ljubo Vlacic 提到，目前所處的時刻和十年前不同，現在汽車制造商在某種程度上已經變成了軟件開發商，對軟件算法越來越重視。毫無疑問，智能汽車可以帶給人類生活的福音，但還需要完善更多的技術流程和監管，不然智能汽車很難在商業化市場上去銷售。同時我們也要相信人工智能時代下智能汽車終將會到來。
自動駕駛汽車成為有史以來開發最復雜的信息產品。現階段汽車電子構架越來越難以支持軟件需求。過去 20 年來，汽車 MCU 增長從不足 10 顆，發展至現今超過 100 顆。頂尖級汽車甚至超過 300 顆 MCU。這些 MCU 擁有不同的構架、不同接口，甚至不同的開發環境、不同的語言。
面對數字化浪潮，效率是決定企業競爭成敗的關鍵。我們迫切要回答的是，如何提升軟件開發效率。并且基于該主題重構汽車電子構架。同時，分布式電子電器架構在面向復雜功能時存在巨大問題。例如各個不同組件之間難以實現協同。
合久必分，分久必合。汽車電子構架趨勢是持續從分布式走向集成式。而域控制器可以看作為分布式集成構架計算的第一步。地平線相信這個趨勢會持續下去，未來會出現一個真正的中央式集成大腦，智能汽車將發展成為一部四個輪子上的超級計算兼數據中心。由此帶來的算力需求、軟件構架的調整都是空前的。
行業達成共識，智能汽車行業內的大趨勢是軟件驅動，及算力需求黑洞。在數字化浪潮下，地平線也提出了新商業理念 AI on Horizon 戰略：利用邊緣 AI 芯片開放賦能智能駕駛。
嬴徹明確提出“車規級、面向量產、L3”的自動駕駛研發定位。在現場，嬴徹整車工程負責人兼執行副總裁黃剛明確提出，目前嬴徹與主機廠在 L3 重卡量產上的緊密合作狀態和大致時間表。黃剛曾任中國第一大商用車東風的掌門人，行業深耕 30 年，擁有商用車全價值鏈管理經驗和全面的產業整合能力。
他表示，2021 的量產時間表是在和多家 OEM 和 Tier 1 的深度探討，大膽假設，小心求證后擬定的，產業合作伙伴的積極響應和配合給了我們很大的信心。同時，嬴徹為主機廠供應大批量的自動駕駛重卡訂單，為商用車產業鏈上下游帶來商業利益和發展動力。有了主機廠和 Tier 1 的共同利益和背書， 這個量產目標才有實現的可能。
嬴徹模式包括三個關鍵部分：首先是自建運營場景，從 L3 運力平臺起步，打造未來的貨運機器人網絡。同時和汽車產業上下游合作，通過嬴徹訂單的拉動，和主機廠戰略合作定制。相應地，在核心的自動駕駛技術方面，研發車規級、面向量產的自動駕駛系統。
關于智能代客泊車，禾多有自己的思考：代客泊車并不等于泊車輔助，禾多對其的定義是車輛處于完全無人狀態，無需人監管；另外，智能代客泊車也是最后一公里的延伸。
智能代客泊車產品 HoloParking 的定義是，“這是現階段最好的代客泊車解決方案，沒有之一。”
為了實現智能魯棒與落地成本之間的平衡，HoloParking 方案采取“車端+場端+高精地圖端”三端合一的技術路線，并提出“全天候、全場景、真實運營”的口號。
技術層面，布局車端、場端、高精地圖端，三端合一提高智能代客泊車的魯棒性，實現全天候、全場景及真實運營；成本層面，到 2020 年，車端域控制器 HoloArk 價格將在 2020 元以內；未來，單車位改造最終價格也將在 2020 元以內；商業落地層面，2020 年，禾多和停簡單將合作布局 20 個以上城市，每個城市至少 20 個停車場，HoloParking 系統適配車型將增至 20 款。
此次活動中，廣汽研究院智能駕駛技術部負責人郭繼舜分析了主機廠采取漸進式自動駕駛發展路線的原因。他表示，人類駕駛員無法像傳感器一樣精準執行大腦的復雜指令，所以主機廠需要更安全的智能執行器件才能實現 L3、L4。在向高更高級別自動駕駛研發的過程中，為了絕對地保證自動駕駛順利進行，還需要在異構設計下為車輛配備兩個相同的 ECU，以確保車輛出現問題時會提醒用戶接管車輛，同時保持著的自動駕駛的功能。
郭繼舜還對自動駕駛為何通常應用于新能源車型進行了講解。他認為這里面有一部分原因在于制造成本。“不是燃油車不行，而是因為主機廠如果要進行新技術改造的話，基于傳統的燃油車去做成本非常高，而新能源汽車由于是新的平臺，所以不需要改造成本，因而是更好的載體。”
實際上，雖然多數主機廠已經明確了量產 L3 和 L4 的時間節點，但安全法規和技術攻關仍是不可忽視的問題。郭繼舜舉例表示，并非主機廠做不出高級別的自動駕駛汽車，而是面對駕駛技術參差不齊的駕駛員，主機廠即使造出車后，也無法保證可以達到幾百萬分之一甚至幾千萬放之一的失效概率。
考慮到 L4 以及更高級別后人類駕駛員已經不需要干預汽車行駛，郭繼舜提出的“失效概率”理論或許更適用于 L3 級別自動駕駛。
總的來說，阻撓主機廠推進自動駕駛真正的難題是什么？答案或許仍是硬件技術的缺位。這體現在行業內還沒人能做出新一代冗余的 EPS 和具有強大單片能力的自動駕駛芯片。
對于車企競相研發自動駕駛這一趨勢，華人運通創始合伙人、智能駕駛及電子電器副總裁兼李謙認為，諸如自動駕駛系統成本昂貴、試驗場景稀缺、道路實測風險大等，均是當前自動駕駛體系開發時面臨的問題。簡而言之，完全依靠車輛自身的傳感設備也即單車智能去實現真正意義上的高等級自動駕駛仍有一定難度。
華人運通的解決方案是從“車-路-城——車路協同”的角度進行基礎建設升級。這一方案既包含單車智能，也包含基于車路協同的交通智能，還包含城市互聯共享的智能，按照一個綜合體進行自動駕駛系統的設計，繼而進行智能出行系統化的設計。
為此，華人運通開發了三大平臺，分別為泊車平臺、自動駕駛平臺和車路協同的邊緣計算平臺。
今年1月，華人運通發布了全球第一條基于車路協同理念打造的智慧化的道路，這條道路基于城市開放道路打造而成，相當于對自動駕駛測試環境的一種新的探索。
雷鋒網新智駕了解到，這條道路主要基于路邊感知，云端決策和車端控制的思路設計而成，通過車端和路端的傳感器融合以消除感知盲區，然后利用邊緣計算和分布式計算等方法，降低車輛自動駕駛所需要的最大算力。同時，通過多目標協同控制來實現交通的良好調度，有效地降低自動駕駛車輛周邊的復雜環境，并且減少了交通事故的可能。
自動駕駛離不開離不開數據的支持，尤其是在國內比較復雜的道路情況下，感知的進步不能完全依賴算法的迭代和技術的革新來解決，因此還是需要對數據進行有效的利用，使得激光雷達、毫米波雷達等海量數據變成帶有語義信息也是研發團隊所要面對的重要問題。
傳感器從真實的世界采集到各種數據，完成了數據生產的過程，但數據必須要經過一定的標定和結構化、非結構化存儲，然后經過人工標注產生出帶有豐富標簽和語義信息的數據，從而才能夠對算法所利用。因此，數據的結構標準越精準，對算法的結果就越好。
通常企業和開發者對于數據的采集和標注，通常采取兩種做法：一種是自建團隊，需要開發甚至長期維護數據標注工具以及實效性數據的補充工作；另一種是業務外包的形式，如今自動駕駛的研發選型方案不斷進化，業界的標注需求也從最原始的 2D 進化到 3D，到全像素的語義分割，不斷進化的需求對標注能力提出非常大的挑戰。
百度數據眾包團隊則是提出另一種解決思路。百度數據眾包能夠較好處理障礙物的檢測和跟蹤以及融合、激光雷達和攝像頭、毫米波雷達的傳感器融合，V2X 的數據等智能駕駛傳感器的數據；此外，還能夠對車外環境感知以及車道信息等傳感器進行標注；對車內環境的感知和對駕駛員駕駛意愿的交互百度也有超過了 3000 萬條的標注經驗。
在注重數據質量之外，百度除了標準的合同條款以及保密協議也注重數據安全，對于任務封裝、數據加密、專利反扒都有相應技術手段，百度按照對數據安全不同級別需求的客戶，提供相應的標注方案。
柏俊波認為，當前的物流小車線控面臨著：場景不明確、標準缺失、由于尺寸問題、缺乏車軌級上游供應鏈、需求數量無法支撐量產規模等一系列的問題，以至于汽車行業當中常說的周期、質量、成本、服務都無法保證。
事實上，易咖智車認為物流小車線控底盤是一個全新的產品，過去傳統的汽車設計都是以乘客為中心，以駕駛人的安全舒適便捷為中心、但是在物流體系當中，車輛只是運輸的工具，應該以貨物的高效承接運送、行人安全至上為主線。
針對這個線控底盤，應該要針對面向任務的自上而下的線控底盤重構，如在系統任務層上應該考慮設計起點如何承接、中點如何提取、終點如何歸位、物品構成、運送頻次、突發事故等要素，通過系統層和運行環節中綜合重新得出一個車輛所真正需要的尺寸空間。
柏俊波認為面向任務的最小化構成應該是摒棄一切與任務無關的結構（如玻璃、雨刮）等，除了必要的榮譽外，摒棄一起超過需求的功能增加帶來的附加結構和成本，增加確定性帶來的變化（如可預期的速度、工作時間、壽命里程、道路環境），采用分層架構設計、網絡拓撲優化、提升網絡可靠性、合理的上下電邏輯與自動控制、耗能最優化、豐富用戶標準接口封裝、使用多應用場景。
雷鋒網新智駕注：本次峰會上，來自相關投資機構的投資人也展開了一場大討論，針對未來智能汽車新的投資機會進行了探討。
有關于這場圓桌討論的有趣的結論，請期待我們后續的報道。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
