|
自动驾驶这个概念有多火，根本无需多举证。而且自动驾驶已走进人们的生活，首款L3级自动驾驶量产车奥迪A8就是例证。不过现在就想在日常体验自动驾驶技术所带来的便利，超百万的价格先来了解一下？ 但即使无法体验自动驾驶，它也无孔不入，作为未来出行领域的技术明星，它天生具备吸睛特性。在近日的举办的2018年CCF-GAIR大会智能驾驶论坛上，可承载500余人的会议室不仅座无虚席，还站无余地。 智能驾驶何以拥有莫大魅力让人驻足？这场长达八个小时的论坛都有哪些亮点？且看下文详细梳理。 王飞跃：未来路权属于无人车
中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任、中国自动化学会副理事长兼秘书长王飞跃 “未来一定是人下路，自动驾驶车上路，未来路权属于无人车。”作为自动驾驶研究领域从业近30年的专家，王飞跃表达了以上观点。 王飞跃的身份是中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任、中国自动化学会副理事长兼秘书长，早在上世纪90年代，就参与了多个自动驾驶相关的项目，比如NASA的移动机器人，月球探测车，矿山自动驾驶车，以及在uber近日出事故的道路上，试验通过摄像头和雷达实现的无人驾驶车VISTA Car。 对于摆在自动驾驶面前的诸如技术、法规等多方面的难题，王飞跃预测未来很可能不复存在。从历史的角度看，最开始服务人们出行的是马，但马的出行却带来了大量的马粪等难题，城市管理者们不得不聚在一起讨论人类如何在未来一个世纪处理马粪围城的问题，一百多年过去之后，人们并没有找到解决马粪围城难题的方案，但汽车已将原有的出行服务工具—马，给取代了。
王飞跃据此论证了自动驾驶的马粪问题并不存在，比如短时期内的法规难题，图像识别技术和高精地图等技术难题，如何解决人驾驶的汽车和无人车共同上路的难题，诸如此类，在未来都将不复存在，因为“未来人要像马一样下路，不再拥有路权”。 另一方面，王飞跃也以此论证了自动驾驶还有很长的路要走，但今天所爆发的自动驾驶路测并不合理。在自动驾驶的发展初期，应以虚拟测试为主，极少量路测为主。即90%的情况下通过虚拟训练，提升自动驾驶感知技术，而以10%的情况路测验证。 王飞跃认为，自动驾驶目前仍是实验技术，如果直接投放到社会道路上，以路测养技术，是行不通的，人类也会因此沦为试验标本。 Boaz Sacks：Mobileye 如何做 ADAS、众包地图与 Shield+ 作为全球最具影响力的自动驾驶公司之一，Mobileye 已经在超过 2700 万辆汽车上搭载其自动驾驶技术，并与 13 个汽车厂商进行了合作，有 25 个主机厂商使用了其设备。
Mobileye中国区总监Boaz Sacks Mobileye中国区总监Boaz Sacks在其主题演讲中讲解了Mobileye在自动驾驶进程中的具体进展，比如最新产品芯片EyeQ4，它的最大亮点在于可实现每秒钟 25 亿次计算，而快速的计算和传送数据到云端等技术突破将在更大程度上保证行车安全。
众包地图的作用则是在现有交通状况下帮助自动驾驶车与周围车辆的互动，因为自动驾驶和人类驾驶的汽车一同在路上，是最糟糕的路况，需要很多决策，虽然这是一个过渡阶段，但必须保证自动驾驶车一直与其他驾驶员、汽车在道路上的互动，以便其做出实时选择，这是Mobileye绘制众包地图的初衷。 另外，为了车辆免于事故，Mobileye研发了警报系统Mobileye Shield+，它主要安装在公共汽车、货车等大车上，因为大车有很多盲点。该警报系统共有6 个传感器，可用来车道偏离检测、智能控制，以及抬头显示、行人警告等等。 酷哇机器人 CEO 何弢：加速无人驾驶商业化
酷哇机器人创始人兼 CEO 何弢 酷哇机器人创始人兼 CEO 何弢则向现场分享了酷哇在探索无人驾驶商业化的特色路径。 关于无人驾驶技术如何落地成为产品的问题上，酷哇选择从细分场景切入变革，并和中联环境于去年联合研发了目前第一个量产化的无人驾驶清扫机。 从无人驾驶扫地车切入，一方面是因为整个环卫市场有 2 千亿左右的市场规模，另一方面则是环卫车辆的技术出现变革节点，现在是从环卫 1.0 的纯人工阶段逐步向机械化迈进，酷哇将助力环卫向 3.0 迈进。 酷哇今年推出了 2.0 套件产品，在加强本地识别感知能力、自动避障、绕障以外，还增加了自适应清扫等技术，同时设计无人驾驶的中央调度系统。目前该系统已经在长沙的橘子洲头公园整个片区作业，到 9 月份，作业车队将达到 4 种车型，有 9 台左右的规模。
何弢认为，无人驾驶扫地车商业化的最后瓶颈还有场景适应力、协调能力、学习效率和低成本，尤其是低成本这块。很多人总是关注单一硬件采购成本，但系统布局以后，单一硬件采购并不是制约当前无人驾驶普及的最根本问题，而是在于后面的部署、学习效率、适应力，这些成本具备长尾效应，怎样加强这方面的落地，可能需要综合考虑。 Roadstar.ai 佟显乔：打造中国特色的自动驾驶解决方案 和技术限制自动驾驶落地的观点不同，Roadstar.ai创始人兼CEO佟显乔认为，限制中国自动驾驶商业化落地的瓶颈在于道路的复杂性和成本。在这两方面，Roadstar.ai分别拿出了解决方案。
Roadstar.ai创始人兼CEO佟显乔 Roadstar.ai是一家年轻的创业团队，成立于2017年5月，团队主要分布在深圳和美国硅谷，聚焦商业模式的出行服务。时隔一年，Roadstar.ai取得了两个为人瞩目的成绩：首先是今年5月，Roadstar.ai完成了1.28亿美元的A轮融资；其次，作为全世界第一家完全采用国产传感器解决方案的公司，发布了一个针对中国路况的自动驾驶的解决方案。
Roadstar.ai的主要优势在于可以用国产的传感器达到非常好的性价比；另外，证明了在中国这样复杂的路况下，可以用低成本的传感器达到比较好的自动驾驶效果。 据佟显乔透露，目前Roadstar.ai的自动驾驶解决方案大概只有百度方案1/3的价格，未来还有大幅的降价空间。在佟显乔看来，到2020年每套系统的方案大概会降到5万人民币以下，届时在法律法规成熟的情况下，无人驾驶的出行服务就有真正大规模实现的土壤。
Roadstar.ai的自主核心技术主要分成两块：一个是异构多传感器同步技术，即多传感器融合不仅单纯把十几个传感器放在车上，进行传感器同步的技术，包括时间、空间的同步，目前Roadstar.ai可做到10的负6次方秒的空间同步。在此基础上，把不同传感器、不同模态的信息有机结合到一起；另一个是数据深度融合的技术，Roadstar.ai开发了相对于高维度数据的算法，解决感知、定位的问题。Roadstar.ai的自研算法能够解决中国的特殊复杂路况，达到高效的性能。 今年三月，Roadstar.ai在深圳西丽进行了路测。在无人驾驶运营规划方面，Roadstar.ai今年储备20到50台车，在深圳或其它城市进行运营工作，主要目的是提高算法的试运营。明年，Roadstar.ai将和主要的海外车厂合作，生产大概100—200台车。到2020年，在预判届时技术相对成熟的前提下，生产定制的无人驾驶汽车。目前，Roadstar.ai已经在深圳南山区西丽进行了无人驾驶试示范运营。 速腾聚创邱纯鑫：就传感器来说，MEMS 固态激光雷达是未来 从 2016 年开始，自动驾驶进入了一个量产落地期，到了今天，大家对落地越来越急迫。作为全球自动驾驶的领头羊，Waymo在 2016、2017、2018 年对自动驾驶车的下单量从 100辆到600辆增长到2万辆。国内的进展也是突飞猛进的，6月底，菜鸟发布了物流小车，并规划三年内投入10万台车；京东在6 月 11 日也发布了相应的设备并且决定落户长沙，下一个落地项目的选址也接近敲定。
速腾聚创 CEO 邱纯鑫 在速腾聚创 CEO 邱纯鑫看来，这一系列的落地布局意味着，人们对满足车规级和量产需求的传感器越来越迫切。 打造一台人人用得起的激光雷达，需要对传统的机械扫描式激光雷达进行全固态设计，减少其上大量可移动的部件，因为这样有助于激光雷达满足车规级和量产需求。这已经目前行业的基本共识。在自动驾驶落地时间表逼近的情况下，作为传感器供应商，速腾聚创需要思考的还有，谁是传感器的终结者。
就常用的传感器性能对比看，其中摄像头识别的颗粒度比较高，它能得到一个丰富的纹理色彩，能做精细化的识别，在这一点上激光雷达不如摄像头。比如目前的激光雷达没办法把车辆的品牌识别出来。 但摄像头最大的缺点在于受环境光的影响比较大，且对数据的要求比较高，无论是深度学习还是其它的机器学习的方式，摄像头对数据的质量要求都比较高：数据质量好，它可能就识别得好。摄像头需要数据库里有这个东西存在，才能识别；而激光雷达首先是对障碍物进行识别，然后再去分类。 因此速腾聚创判断，固态激光雷达是未来传感器的方向，而将激光雷达做下来，MEMS是最容易实现的。它的优点在于高分辨率、长距离、车规级、易量产以及低成本。 MEMS 的工作原理是采取少数的激光发射器，原来16线采取16个发射器，32 线要采取 32 个发射器，64 线又则继续翻倍。MEMS 激光雷达不是采取发射器和接收器物理的叠加，而是采取 MEMS 两个维度的振动，来提升扫描的线数。 另外，在车规级方面，目前的 MEMS 激光雷达已经在做车规级认证，下一步就是量产准备，基本产品化之后，它的成本也会随之降低。激光雷达的高分辨率和低成本是未来的趋势，速腾聚创的目标是2020年做到量产价格200美金一台。 伟世通首席架构师王凯：自动驾驶的“乐高”理念 目前自动驾驶领域很火，很多公司均有涉猎，但这正证明了该领域还远未成熟。伟世通的目标则是希望协同以上ADAS系统、摄像头、雷达、高精度地图等企业共同推动自动驾驶的发展进程。
伟世通自动驾驶首席架构师王凯 在以“自动驾驶的乐高理念”为主题的演讲中，王凯预测，首先从自动驾驶的市场趋势看，ADAS行业将大幅增长，其中利润率最高的是中央域控制器；其次，SoC供应商在积极进入域控制器市场，例如英伟达和英特尔；最后是软硬件的分离，因为自动驾驶系统的复杂性，各个公司会从不同的侧重点进行切入，预计到2025年，自动驾驶需求量将发生质的飞跃。
在传感器领域，自动驾驶技术的发展趋势： 摄像头：增加灵敏度、分辨率和帧速率将导致更高的数据可用性和急剧增加的数据量； 雷达：将提供更多、更高分辨率的信息，允许以类似于摄像头和激光雷达的方式处理雷达数据； 激光雷达：在同一范围内的数据输出与最先进的CMOS摄像头相同； IC：计算能力将随着未来传感器产生的数据而增强，由于L3级及以上等级的自动驾驶需求，进而使可达到ASIL D（汽车安全完整性等级，D 级为最高等级）自动驾驶安全等级的IC的数量不断增加； 本地化、绘图、互联和云：由于L3级及以上等级的自动驾驶需求带来的快速增长。 此外，伟世通预计到2025年，高速公路上的L3级车辆将成为自动驾驶最大的细分市场，因为它面向的是从OEM到普通用户，发展趋势非常明显。
另一方面，王凯预测，今后汽车行业的发展情况是谁能够把出行概念全部集成一体化，谁就会坐在圆桌的正中央，成为出行行业的NO.1。 而伟世通正在尝试做这样一件事。“伟世通推出的DriveCore技术平台是一个合作共赢的平台，我们不需要对方把自动驾驶系统做的有多好，但要在某一个细分领域做的最好，我们把这样的‘特长生’公司召集进来，根据客户需求，把最合适的组合方案提供给对方。” DriveCore希望能够给主机厂提供一个模块化可扩展平台，允许OEM能够自由选择不同的硬件与软件、算法，就像乐高一样，最终拼出一个自动驾驶系统。伟世通的DriveCore由三部分组成：Compute（底层硬件平台）、Runtime（中间层）以及Studio（开发工具）。
在目前自动驾驶所面临的挑战上，王凯认为主要有如下三个方面： 首先，系统设计的复杂性。目前存在两种声音，一种是OEM认为自身在汽车行业的长期积累，有很大的优势，认为初创企业缺少经验；另一种声音是初创企业认为传统OEM已经跟不上时代发展的脚步了。 其实自动驾驶系统是一个非常复杂的系统，OEM和初创公司经历的痛点时间不同，OEM最早经历的痛点是与功能安全和网络安全相关，而初创企业更早接触的是基于AI的算法。所以说，自动驾驶整个系统就像一个木桶一样，只要有一根短板就把水漏完了，这才是自动驾驶最大的挑战； 其次，解决方案的多样性。目前很多自动驾驶算法的解决方案正在慢慢趋同，但由于该领域的火爆发展，其解决办法会逐渐增多； 最后，自动驾驶落地的最大挑战问题是成本。 来源：第一电动网 作者：宋爱菊 本文地址：https://www.d1ev.com/news/jishu/71825 |
- 关注天气:
