新闻中心

智能驾驶,未来3-5年该怎么走?

作者:华一汽车科技    来源:www.itas-hk.com    发布时间:2020-08-07 11:10    阅读:

ADAS(高级驾驶辅助系统)是ADS(自动驾驶系统)这个大概念的一部分。通常意义上,只具备L1和L2功能的系统被定位为“驾驶辅助系统”,而所谓的“自动驾驶系统”是具备演进到L3或更高级别功能的系统。
 
ADAS是一系列“驾驶辅助功能”,是辅助驾驶员如何避免事故,舒适、安全地到达目的地(从A点到B点)。在这个级别,责任主体还是人。
 
相比之下,ADS的责任主体不再是人。人工智能在确定的ODD范围内、无人参与的情况下进行所有的感知、决策和执行,是另外一种到达目的地的方式。
 
ADAS和ADS都可以从各种传感器中提取有用的信息,比如感知外界信息的摄像头和雷达,以及采集的数据。同时,也都涉及到诸如ECU、转向、加速、刹车等控制汽车的部分。
 
ADAS的开发目标是“尽量减少事故发生或尽量减少事故损失”,而ADS由于是无人驾驶,系统将会监管,因此有必要明确人类驾驶以外的更高安全标准。
 
此前,ADAS系统通常是因为约束于安全监管机构制定的强制性法规——但这些系统在功能、性能、动力和成本方面受到高度限制。因此,主动安全系统主要关注于基本功能,如自动紧急制动、车道保持辅助。
 
另一方面,更先进的系统(ADS)当前过于昂贵,需要产业玩家一起带动消费者需求,催熟产业,促进其快速大规模部署。
 
智能驾驶
 
一、弄清楚功能与系统的差别
今年5月,2020款新车ADAS搭载率突破40%大关,达到44.2%,其中2020年1-5月,新车L2功能搭载率达到9.75%,其中1月搭载率首次突破10%,达到11.05%。
 
的确,从数据来看,ADAS逐渐被消费者接受。但是就算100%装配1R1V/1R2V等ADAS感知配置,自动驾驶也不会到来。
 
为什么这么讲?任何事物,都是在有一定积累的基础上,量变到质变的过程。但是猪不会变狗;狼却经过一段时间自我驯化”,可以变成了狗。
 
当前行业对ADAS和ADS系统的定义,以及L1/L2,L2+,L3+(L3,4/L5)功能定义很混乱。但是可以明确的是:
 
高级驾驶辅助ADAS系统是不能演进到自动驾驶ADS的,比如1R1V等。猪不能演进成狗的,基因不一样。
 
自动驾驶ADS系统:虽然当前是L2+的功能,但后期可能演进更高阶的功能的系统,比如特斯拉的传感器预装+集中计算。狼是可以“自我驯化”成为狗的。
 
汽车制造商在开发ADAS和ADS方面面临双重压力。越来越多的证据表明,传统的ADAS和具备可以演进能力的ADS系统是断裂式的,两者没有相关性。
 
换句话说,适用于ADS的传感器套件、处理能力和整车电子架构仍然成本高昂。实际上,可以利用摩尔定律快速缩小ADS体系架构,以及利用量产规模效应来降低核心零部件的成本,以满足面向私人市场量产新车所需的成本“甜蜜点”。
 
同样,现有大多数ADAS功能基于独立、离散的电子架构、没有冗余的计算处理能力和有限的传感器,功能不能扩展到ADS解决方案。
 
此外,ADAS更强调独立的功能,而ADS则更看重场景,并且从系统角度出发来集成各种功能。目前,ADS主要有两种主要的系统级别:
 
1、有限的自动驾驶,即在一定的交通和环境条件下,系统负责功能的完整运行。它取决于车辆监控它的周围环境,并决定是否在一定条件下将控制权转移给驾驶员。
 
2、完全自动驾驶,车辆负责整个行程(A到B点)所有关键功能的安全运行。驾驶员只需要告知系统目的地信息,系统负责安全到达。
 
二、如何从量变到质变?
如果要驾驶辅助(ADAS)从量变到质变自动驾驶(ADS),要求ADAS和ADS基因是一样的,要具备“自我驯化”的条件,同时具备持续升级和快速升级两项能力。
 
1、为售后实现全自动驾驶目标考虑整车架构,比如集中式计算架构、预装传感器以及计算平台硬件可替换升级;
 
2、软件架构,要方便增加功能特性以及升级要求,内核软件隔离硬件差异化,方便硬件升级;同时支持持续集成、快速交付;
 
3、数据采集、自动化持续监控、自动测试及验证要形成闭环。可以利用数据进行云端训练以及实车验证;同时,可以进行自动搜集改进意见反馈;
 
最关键的是,整车设计目标要求是,在整个生命周期内可以持续升级实现自动驾驶。用一句简单概括说明:“脱手"“脱脚”不“脱眼”,过渡到可以“脱眼”。
 
这意味着,整车系统设计,要按照真正的自动驾驶要求来考虑,只需要驾驶员关注行车,不需要人实际参与驾驶,比如通过DMS(驾驶员监测系统),监测驾驶员是否关注行车。
 
其中,对整车和自动驾驶系统提出了下列要求:
 
①整车架构
功能安全:感知、决策、执行、供电、通讯等逻辑链条冗余;
集中式计算架构:统一管理传感器、执行器等资源;
 
②自动驾驶系统:
预装自动驾驶需要的传感器
计算平台硬件:硬件可替换到更大算力
 
③自动驾驶软件架构:方便迭代升级特性和功能
④整车系统(软件+固件)可以OTA
⑤自动采集高质量数据,支持软件持续集成和验证闭环
⑥通过持续升级,改善和扩充场景。
⑦测试、验证能力。
 
最好的实例,就是特斯拉。虽然最新的 Model3不具备完整自动驾驶能力,但是它已经具备ADAS向ADS演进的思路和架构。
 
基本的模式,就是按照L3+设计自动驾驶(ADS)系统以及“自我驯化的条件,先按照L3+体验打造功能特性,推出脱手脱脚"不”脱眼”(L2+);
 
在现实场景中测试,迭代实现某些场景“脱眼(L3+),逐步实现高速点到点,城市点到点的L3+自动驾驶(ADS)场景。以此方式,加速智能驾驶从ADAS到ADS的进程。
 
当然,还有非常关键的一点,激光雷达是L3+及以上系统的感知标配。比如,高速公路上常见的微小物体的检测,需要至少32线(等效)以上激光雷达的配置。
 
不过,这也取决于激光雷达的技术能否快速成熟商用,成本能否快速降低?因为,从POC到SOP,在性能验证过关的前提下,成本是核心要素。
 
三、端到端方案VS台方案,哪个是“正”,哪个是奇?
《孙子兵法势篇》:“凡战者,以正合,以奇胜”。兵法是指,在以正兵与敌人交战的时候,永远要埋伏一支多出来的兵力,就是奇(jī)兵。奇兵能出其不意,在战斗中突然打乱敌人的部署,是致胜的关键。
 
这里的“正”,就是传统的平台化方案,OEM与Tier1合作开发自动驾驶系统。典型的案例就是奥迪A8的L3系统研发模式;“奇”,就是端到端方案,比如,特斯拉就是坚定的端到端方法来构造自动驾驶系统。
 
相对于深度学习,传统机器学习的流程往往由多个独立的模块组成。汽车制造商、他们的一级供应商将这些模块整合到一个专有平台中。
 
以A8的zFas域控制器为例,是有多家供应商一起参与完成系统的架构,在决策过程中使用的是既定规则,不同供应商参与不同环节。
 
与平台化方案的不同之处在于,端到端方案的所有规则都是由汽车制造商(或者一家合作伙伴)来掌控制定,平台可以使动态资源共享成为现实——这一转变将降低整体硬件成本,同时允许随着时间的推移增加新功能。
 
统一的操作系统可以允许动态分配处理能力,在需要时动态地增强关键系统的性能。例如,在复杂性高且响应速度非常重要的“边缘情况”中,可以分配更多的资源。
 
此外,还可以优化总体硬件成本,并且可以简单地将额外的处理能力“插入”到架构中,以支持未来的软件升级。
 
四、自动驾驶(ADS)的终极产业形态
ADS系统,最终形态是:谁是产品的拥有者,谁对产品质量负责。未来,产业链商业模式会出现不同的分化。
 
1)主机厂自己做端到端,类似特斯拉。
2)Tier1和OEM一块做端到端,类似华为ADS。
3)平台方案,主机厂主控/开发端到端的软件。这要求主机厂具备很高的开发能力水平,当前少数有能力的主机厂可能会采用这种模式。
 
由于主机厂的能力千差万别,端到端的方案和平台方案落地节奏和方式也不一样。
 
对于传统一级供应商来说,挑战甚至更大。除了满足不同的细分功能要求,还需要负责整合整个系统,解决复杂的安全问题,有时还承担责任。此外,很多Tier 1还必须为不同的OEM提供不同的定制,这使得进度和协作更加困难。
 
这是传统平台方案的瓶颈之一。
 
可扩展性、易用性和更好的用户体验的需求,意味着更多的新的供应商角色的出现。这些厂商(比如华为、Waymo)可以提供硬件、软件、开放栈、开发工具包和强大的生态系统资源(端到端开发能力),帮助汽车制造商应对不断变化的需求。
 
比如,这些厂商还可以提供驱动程序、操作系统、安全中间件以及一些应用软件和组件,给到汽车制造商所需要的快速开发应用的能力,并且降低开发成本。
 
a)自动驾驶(ADS)端到端的解决方案,如果近期能够展现迭代速度和交付质量,将有很多主机厂对端到端方案感兴趣,近3年将是端到端为主。
 
b)自动驾驶的平台方案,则需要挑选有开发能力的主机厂,特别是造车新势力,联合开发,通过消费端提升对自动驾驶的需求。反向推动产业建立软件开发能力,推动平台生态建立。(摘自:高工智能汽车)

 

文章转载请保留原文网址:http://www.itas-hk.com/news/hyzx/1213.html


上一篇:AR-HUD成行业新风口,距离量产还有多远?

下一篇:中国汽车产业在自动驾驶方面的探索是全方位的


液晶仪表 返回列表