自动驾驶规模化应用 想说爱你不容易

  点击数:266  发布时间:2020-01-19 18:03

近年来,在自动驾驶的探索上,无论是汽车企业,还是互联网企业都卯足了劲,投入大量的人力物力财力进行研发,并进行了大量的路测实验,各地也频频传出路测实验通过的喜讯。不过,自动驾驶规模化应用依然是个难解的话题,特别是自动驾驶距离L4、L5级别落地仍有非常长的路程要走。 

  近日,工信部发布《新能源汽车产业发展规划(2021-2035年)(征求意见稿)》。《征求意见稿》提出,到2025年我国要实现高度自动驾驶智能网联汽车实现限定区域和特定场景商业化应用。这对我国自动驾驶领域的玩家们提出了新要求。究竟自动驾驶规模化应用难在哪?业界有无良策? 

  技术成熟尚需时间 

  自动驾驶汽车是指搭载先进的车载传感设备、车载技术平台、人工智能软件、电子控制器和执行器等装置,使车辆具备复杂环境感知、智能化决策与控制功能,最终实现由自动驾驶系统替代人类操作的新一代汽车。

   从字面解释来看,自动驾驶需要多个部件的协同才能完成。正常驾驶中,驾驶员开车要超车时,第一步是看前面这辆车开太慢了要超车;第二步是计划,观察旁边车道前后是否有车,确定变道路线;第三步是实施计划,打方向盘变道超车。

  在自动驾驶的实现过程中,也是一样的流程。不过,需要多达数十个传感器帮助车辆实现“看”,而在接下来的计划和实施阶段,则要依靠高精度地图和强大而稳定的计算平台。 

  高精度地图必须细致到道路曲率、航向、坡度等具体信息,为车辆的自动控制提供最高可达厘米级的道路依据;强大而稳定的计算平台则为车辆提供及时、快速、持续稳定的信息处理和指令反馈等。 

  在赛灵思汽车战略与客户市场营销总监Dan Isaacs看来,道路交通复杂的情景是阻碍自动驾驶实现的最大原因之一,需要车企不断进行路测实验。 

  马小智行北京研发中心负责人李衡宇认为,除了无法解决应对复杂的场景问题外,目前市面上大部分的自动驾驶车辆累计的自动驾驶里程都不足,无法达到安全测试的标准。 

  此外,在高精度地图方面,拥有此类资质的企业很少,能够投身汽车领域或是能与车企达成合作的更是少之又少。这也是制约自动驾驶未能规模化应用的重要原因。

  实际上,当前大多数涉及自动驾驶领域的玩家大都处于L3-L4级别之间。L3级别只是自动驾驶可实现车道改变、手动自动任意且换、视频通话等;L4级别自动驾驶则可实现复杂城区场景的安全行驶,甚至可通过人车混杂的复杂路口、极窄车道精准驶入同行、前车近距离并线等;而位于L5级别则可以实现机器完全接管汽车,而且具备比人类驾驶员更自如的驾车技术和路况应变能力。

  中国工程院院士、中国人工智能学会理事长李德毅曾表示,我国自动驾驶汽车的发展分为两个阶段,第一个阶段是从1984-2018年,自动驾驶汽车处于科研探索期;第二个阶段是从2018-2025年前,自动驾驶将处于产品孵化期。 

  李德毅预测,到2028年我国商用车保有量中,将有10%达到自动驾驶,而2035年才能实现每年生产的新车都是L4级的自动驾驶汽车。 

  突破技术障碍  异构计算作用明显 

  自动驾驶汽车是汽车产业与人工智能、信息通信等产业融合创新的产物,集合了环境感知、行为决策、自动控制等功能,进而实现对人类驾驶员部分或完全的替代。这其中,软件、传感器、技术解决方案等以及综合运用这些软件的平台至关重要。 

  在近日举办的赛灵思开发者大会上,赛灵思宣布推出两款具有编程性、更高的输入输出通道,而且有更好的性能的新器件。这些新器件主要是基于高级驾驶辅助系统(ADAS)和自动驾驶的需求,能满足边缘的探测器和中央预控制器的更高要求。

  Dan Isaacs表示,实现自动驾驶需要更多的传感器和更多的可编程能力,并且需要把更多的加速器放在整个系统当中。赛灵思的数据汇总预处理和分配的功能能够帮助企业扩展产品线,覆盖从小到大的所有器件,满足客户可能出现的需求。 

  在解决自动驾驶传感器问题上,百度的Robotaxi的传感器则使用“激光雷达+毫米波雷达+相机”的融合方案。据介绍,由于其具备360度视野无盲角、240米探测距离、小于100米的实时控制以及对外围环境的精确感知能力,能够实现在复杂天气及复杂城市路况下的安全行驶。 

  值得一提的是,今年是国内5G商用元年。随着5G的逐渐普及,其低延时、高宽带等特性也能助力运算通过“云端+边缘”的方式进行。 

  不过,李衡宇认为,5G可以帮助自动驾驶但不会起决定性作用。“5G仍然是一个无线传输制式,虽然在低延时和宽带上有优势,但在很多场景中,仍然会出现一定的延时,这在有时候甚至是致命的。”李衡宇表示,只有智能的分布式系统能解决问题,因为它会让每个节点都有计算能力和智能化,能够很好地应对复杂的环境。 

  实际上,在通常情况下,传统CPU、GPU或者DSP可以实现高吞吐量,但是没有办法实现低时延,因为处理时间会比较长,这时候就需要花更长的时间来进行响应。

  “在我们的自动驾驶测试中发现,使用FPGA芯片方案后,其延时可以得到12倍的提高,相对通用计算架构来说,能耗只有通用计算架构的1/10。”李衡宇表示。

  在李衡宇看来,FPGA方案最大的好处就是在输入输出通道中或者传感器不需要发生太大变化时,可以用可编程逻辑当中的一部分进行改变。比如,开车时换了倒车档,这时候就启动了后置摄像头,在这个过程当中,并不需要把整个系统关掉再重开就可以实现,而这样做的好处是节约成本的同时也增加了汽车的可靠性。 

  “FPGA可以提供最低功耗的AI推断以及高度的扩展性,通过可编程的逻辑帮助企业实现动态功能交换或者在远程硬件上实现芯片更新,并根据传感信息输入输出的要求,提高加速的能力。与此同时,加上ADAS就可以实现异构计算,帮助矢量引擎、AI引擎和各种引擎来实现异构计算。”Dan Isaacs表示。

自动驾驶选择“赛道”需量力而行 

  过去几年,自动驾驶吸引了众多企业的参与。不过,从目前从业企业的状况来看,这活不是什么人都能干的。

  近日获悉,百度、福特等参与投资的全球激光雷达巨头Velodyne决定裁撤中国办事处20余人,不再直接在中国销售激光雷达,仅保留几名负责渠道与大客户售后的人员,产品销售恢复到刚进入中国时的“代理模式”。

  众所周知,作为一项重要的传感器技术,通过发射激光来感应与描绘障碍物的激光雷达,是自动驾驶技术专家们视为L3级以上自动驾驶汽车必不可少的关键零部件。Velodyne的“断臂”与自动驾驶领域日益复杂的情况以及仍需巨额投资不无关系。

  这不是自动驾驶领域遭受挫择的第一次,此前原乐视创始人贾跃亭在造车领域也折腾了一两年,最后以失败告终。业界甚至流传一句话:“要找死,就造车”。 

  先抛开自动驾驶不说,造汽车这件事本身就不是随便一冲动就能干的。可以说,没有几十年上百年的技术沉淀,难言成功。 

  自动驾驶是互联网之后产生的,是汽车产业与人工智能、信息通信等产业融合创新的产物。它集合了环境感知、行为决策、自动控制等功能,进而实现对人类驾驶员部分或完全的替代。可以说,它是汽车产业更高阶的体现。 

  从目前来看,要实现自动驾驶,最大的难点还是技术不够成熟,需要不断实验,以验证在各种复杂的场景下的安全性。这不光需要高技术的加持,更需要日积月累的不断研发和实践。这都需要付出巨大的人力物力财力。

  当然,不是说不能进入自动驾驶领域,而是要慎重、再慎重,并选择不同的“赛道”进入。比如,财大气粗、技术实力雄厚者可以进入整车领域,但大多数中小创业者做产业链上的补充、创新更为“靠谱”。 

  魔视智能公司创始人虞博士就专注于自动泊车系统。他通过人工智能的算法,基于不同的传感器、视觉、超声等,实现自动泊车到代客泊车,再到高级自动驾驶。这不仅适用于自动驾驶,对目前的普通汽车而言,也是一个新的方向。

   马小智行北京研发中心专注于自动驾驶的系统和解决方案,并与丰田和现代等车企都建立了合作,同时还跟OEM和赛灵思等上下游合作伙伴建立了非常好的合作。这都能助力企业的进一步发展。

   自动驾驶是一个大市场。从细分领域切入,寻找自动驾驶小而美的“蓝海”也不失一个明智的选择。

 摘自《中国高新技术产业导报》



热点新闻
推荐产品