ICVIS智车行家

文章数:124 被阅读:47602

账号入驻

广汽智驾部部长郭继舜出席2019汽车激光雷达大会并演讲:自动驾驶量产的关键技术

2019-11-08
    阅读数:



智圈l 进“自动驾驶激光雷达行业交流群”,请加微18512119620,备注加群

广汽研究院智能驾驶技术部部长郭继舜先生确认出席2019汽车激光雷达前瞻技术展示交流会并发表:“量产汽车激光雷达应用的思考”的主题演讲。




下面整理了郭部长之前关于广汽在自动驾驶的一些思考



从整车厂角度出发,汽车的决定性因素在我看来有几点。


1、芯片。AI芯片算力在量产上是否能满足我们的要求,这是非常大的问题。如今,大部分硬件相对芯片来说能够坚持更长的时间,也能应对更多的人机交互和迭代。

AI的芯片是算力不够
我们量产的时候不接受比较低的准确率,不接受覆盖不了那么多的场景,不接受没有冗余的线控,不接受比较低的算力。


现在发的很多的AI的芯片是算力不够,比如说855,是手机最好的芯片,它只有1.5T的算力。自动驾驶要30T的算力,要很多片拼起来用,现在的芯片是很大问题。 另外就是我们需要足够好的功能安全性。

业界采取的方法
   ● 就是大幅的压缩算法
   ● 另外一方面是会使用相对稳定的多芯片进行组合,去完成一个功能。


深度学习是用在自动驾驶的芯片中

从第四代开始,把深度学习是用在自动驾驶的芯片中,所造成的一个很好的结果就是我们在开发自动驾驶的系统里面使用二次开发的工作量在降低,比如说车道线这个是集成在芯片里面,不要二次开发。


比如说我们现在用的小爱同学这些模型是用深度学习来做的我之前在百度做深度学习开发模型和训练工作。


包括语音识别,深度学习,智能驾驶决策等等方面的工作,带来了自动驾驶从2015年开始的飞速的发展。2025年由于法律法规的成熟同时,基础设施的建设初步的成熟,我们在2023到2025期间量产L4级别的自动驾驶汽车。


2、自动驾驶的算法。因为域控制器整体上本身非常复杂,相当于人工智能的大脑,在域控制器里,我们把算法分成感知、决策和控制。


首先,难度最大的是感知。虽然由于深度学习,也有很多的企业比如说像Pony.ai这类相关的公司在不断地纵深、驯化和研究相关的感知算法,感知如果算的准,会对车辆自动驾驶之中的决策和效果有决定性的作用。。所以企业花费很多成本在传感器上,大量算法也在不断优化感知。

现在很多的企业有了相对可靠的解决方案,包括Mobileye、Pony.ai都不错。当然也有不同公司提出一些更好的传感器方案,比如毫米波雷达或远红外设备,再比如未来的V2X和5G对于这种感知的结构化信息的传递效果,都可能会有极大的帮助。


其次是决策。决策的问题在于我们现在初步评估,所有端到端的方法都是不靠谱的。业界基本都还在寻找,大家遇到的问题在于怎么涵盖更多的场景,怎么有更多的if else从而使自动驾驶有更丰富的场景理解能力和应对能力。


最后是控制。控制真正的难点在于如果汽车的速度相对比较快的时候,控制会出问题。不同的公司策略不同,可能对于初创公司来说,由于城市路况速度相对低一些,所以环境问题并不大,但这个问题是需要车厂来花很多的精力和时间去做的。

现阶段的软件、技术的局限性

现在很多初创公司用一个电脑一个GPU跑一个算法,他们面临可以大规模使用的阶段是比较远的,要嵌入式化才可以保证安全。这个意味着算力是不是可以满足要求,系统是不是足够的可靠,算法是不是足够的成熟。


我们要从个别的改装到量产,这个中间关键零部件的稳定性的问题,供货的问题,我们对整体的功能安全的评估的问题都是现在我们面临的困难。


3、执行器件。这些器件现有的能力和产品的性能达不到整体系统的要求,也就是说现在的发展是滞后于设计。

自动驾驶核心零部件不成熟,L3在现阶段比较困难
比如说全世界范围里面所有的供应商,我们在现阶段找不到有双电机荣誉的EPS,这个意味着自动驾驶汽车在跑的过程中必须由驾驶员保持注意力,给车做备份,一旦车转向出现了失灵的状态,驾驶员要立刻接管车辆。

找到冗余的制动器件,找不到转向的器件,这个让L3量产是很难。据我所知,最快可以出来的L3的自动驾驶就是冗余的EPS在2020年底发布,我们还有一年多的时间,在此之前的L3我们认为不是有完全功能的L3。

过车规准确来说是过车规设计及车规测试两个步骤。现阶段在激光雷达里能过车规的,就是法雷奥的一款产品,它会优先被使用在奥迪A8的一款车上。

奥迪A8也是现在全世界唯一量产的L3级的自动驾驶,它能够在德国的少数高速公路上实现高速公路拥堵时的自动跟车功能。

在激光雷达领域中,国内也有一些很不错的厂商,比如速腾聚创、北科天绘等,他们的产品是基于车规设计,但还在过车规的过程。

在国外可能更早一些会推出车规产品,比如以色列Innoviz和美国Cepton这样的公司在2020年初,基本就会有过车规的产品出来,这样来说就够满足我们对于这个L3级的自动驾驶硬件的需求。


为什么激光雷达这么关注过车规呢?因为在Velodyne开始进行这种车载量产的激光雷达时,由于本身机械性的原理和散热的问题,决定它过不了车规。

也就是说激光雷达出现之后,大家发现过车规和激光雷达的性能、应用成了一个矛盾体。但现在随着技术的进步和工艺的提升,这个矛盾在逐渐统一。

如说人们开始逐渐尝试混合固态的激光雷达,只要设计上足够的好,是能有过车规的条件的。还有大家在全力研发的MEMS激光雷达,由于它本身结构相对稳定,所以过车规的可能性也会非常高。

4、技术路线之争


全局的渐进和局部的革新技术路线之争
有一些科技公司在16、17年提出要跳过L2、L3这个中间状态做L4,因为L4才有一个新的商业模式,我们刚刚讲到把司机干掉,让车智能把人从A点送到B点,这个确实是一个很好的商业模式,我们改装一两台车我们商业模式可以支撑。

到之后,为了保证车辆的安全,我们要做大量的硬件的冗余,这个冗余是没有的,因为他们没有跳变只可以渐变。


自动驾驶的发展一定是只要是上规模一定是渐进,要等材料科学,机械化等等技术的发展来满足L4的需求。我们希望扶持一些初创企业来探索未来的商业模式怎么改变。

如何定义和区分是L几?

特斯拉之前出了很多的车祸,没有人诉讼特斯拉的原因就是特斯拉说明书说你要时刻保持对车辆的接管的能力,车辆没有自我判断的能力,我们把特斯拉叫做L2.5。


现在GM的一个系统我们可以叫做L2.5或者是L2.8大家在L2中间做文章,因为我们希望可以规避现阶段我们承担不起的对交通结果负责的原因。
所以出现了L2.5,L2.9等等。这个是什么业态?我们怎么区分是L几?刚刚讲到在用户层面来说L2对你的要求就是手放在方向盘上面,眼睛看前方。L3是手可以离开方向盘,眼睛长时间不看前方,车辆报警是接管汽车。
那么有一个中间的状态,就是宝马3X里面有一个功能,这个就是手可以离开方向盘,眼睛要看前方,因为冗余性不够。


在明年的3月我们的车相对于宝马来说进步就是宝马手可以离开方向盘,眼睛看前方的速度是0到60公里我们速度是0到120公里,这个系统是让我很担心,作为一个技术层面的人要说一下,没有冗余的EPS,这个意味着如果在高速公路用一个小的半径转弯,比如说250半径转,转弯的时候车辆的转向失控会撞出去,你眼睛看着前方也来不及接管。


5、未来的商业模式需要共享出行的企业降低成本
从L3到L4,我们在车厂改装成L4的话,付出的车除了整车的额外成本是8万到10万美元,未来老百姓买一辆在城市跑的自动驾驶的汽车成本很高,未来的商业模式可能是共享出行的企业购买大量的L4级别的自动驾驶汽车,放在城市里面自己去运营。

不需要人们对它进行养护和维修,通过不断的接更多客人这个方式收回非常高的成本。这个对共享出行企业好处就是现阶段。


我们在打车的成本里面70%到75%的层面是全部交给了司机,这个意味着如果我们把人替换掉用自动驾驶来做,共享出行商业模式会降低一半甚至更多的打车的成本,这个确实是一个非常好的未来共享出行发展的趋势,就是用自动驾驶汽车。

高精度、大批量、稳定的前装量产,使L4级别商业模式变得可行
量产研发里面我们面临非常多的困难,刚刚讲到了L4级别的自动驾驶汽车商业模式,在我看来只有前装才有市场份额,原因是什么?

因为现在的自动驾驶汽车,你们看到L4上面有一个非常大的激光雷达,是通过购买一个量产车改装的,手工的改装有非常大的误差,这个经过多个改装以后这个误差会变大,我们对每一台车的算法要经过专门的调教才可以上路。如果有3千台车运营,每天这个车坏的方向不一样,这个运营的成本很大。


只有实现了高精度、大批量、稳定的前装量产,未来自动驾驶出租车商业模式才变得可能,一方面我们要等法律、前装,基础设施。技术上也要有突破,才可以使L4级别商业模式变得可行。


6、和供应商是博弈关系
大家联合做研发,我们投入我们的人力给他们做功能安全支持,他们做大量人力做测试,前所未有的车厂和Tier 1成为合作的关系,我们会因为一些Tier 1开发很困难,难度很大,我们甚至会多付一些开发费,希望他们把系统做的更稳定,保证对用户负责。

我们现在有供货的合作,还有研发合作,还有数据合作,我们会把一些数据反馈给Tier 1,让他们基于这些案例来把他们整体的技术变的更好。


有了上下游的合作关系以后,车厂和核心的Tier 1购买企业了,这个是我们总结出来的例子,包括GM、福特等等这样子的Tier 1收购了大量公司,只有我们集成在一起形成一个上下游合作的关系,才可以使得这个产业推动更好。



硬件成本需要软件摊博成本
整车厂意识到我们要从客户需求出发想汽车要实现什么,车厂另外一个考虑就是硬件的成本在那里放着,不管怎么降本,硬件的成本一定有。如果硬件成本这样了,软件会随着量很大就无限的摊薄成本,我们要使用更多的软件和算法提升用户的体验,我们软件定义汽车就是充分的利用现有的硬件,不增长成本的情况下不断的推出新的软件。


车厂要做一个整合者和设计者
高级别的自动驾驶比如说L4汽车,我们在横向和纵向要做联合的控制,意味着一个功能会用多个零部件,任何一个Tier 1没有能力做这个事情,车厂要做一个整合者和设计者,那么使车厂的能力凸显出来,并且是变得很重要,这个是我们组建很多的团队对接口定义,设计工作和接受工作的原因。


L3级别的自动驾驶中央控制器,就是自动驾驶的大脑。我们这个里面用了很多的模块,我们定义了几千个场景,有6万个逻辑策略,2万多个用例,这些都有了以后才放心这个是一个合格的自动驾驶的控制器。

为了防止他突然失效,我们除了这个控制器以外要放一个类似,解决方案不同的控制器在车里面,这个坏了以后另外一个要补上。

上下游一起开发协作
我们和上下游一起开发,我们和国际主流的Tier 1开发自动驾驶系统,我们的代码和文档是共享,这个要200亿人民币才可以做出来,这个对我们来说太难,我们一起做这个事情。


有了上下游的协作,大家看到有很多不同公司上下游的网络很密集。但是还不够,当公司之间的合作还不够的时候,出现了车厂和车厂之间的合作,这个是非常难。各个OEM里面很多是面合心不合,因为大家是竞争对手。

你知道出现了宝马和戴姆勒的合作,大家一起研发自动驾驶了。出现了丰田、本田等等的合作,在日系产品里面推出更多的自动驾驶功能。有一个公司从开始到现在一定给丰田供货,不会给本田供货,现在他们放在一起做事情了,为什么?因为太难了,我们要200亿人民币做出一款L3,我们要几百亿美元做L4,这个是现在的业态。


7、2020年3月量产一款有L3级别自动驾驶的汽车
这个L3我必须要讲从技术层面来说我们宣传口径是L3,技术口径来说我们在内部是叫做L2.99

『传祺GS4』
未来中国会出现两种车厂
 一种就是类似于戴姆勒这样子的车厂,有核心技术和产品定义的能力,变得越来越强,成为业界的领导者。
● 另外是一些车厂失去了对技术的把握,更多时候是和一些掌握技术的Tier 1合作仅仅是造车,会成为代工厂。现在新兴造车势力找的一些车厂就是代工的工作,中间有OEM挑战者像特斯拉。还有百度、博世这样子的公司是成为方案提供商,他们帮助更多的车厂使更多的技术落地。


由ADAS到L3、L4的量产和预研
●一方面造车做辅助驾驶
●一方面在思考和布局如何把未来的L4和更加级别的自动驾驶应用在出行的新格局中。


自动驾驶技术很多用在新能源车上
自动驾驶的技术对燃油车和新能源车没有区别,就是一些小的改变。为什么很多的自动驾驶技术用在新能源车上,因为他的电子电气架构符合自动驾驶的要求,我们把燃油车改了以后要对燃油车的电子电气架构进行修改,总体来说我们倾向于在新能源车上实现自动驾驶技术。


考虑到大家关心的无人出租车,新能源车是比燃油车更好的选择。我们有了自动的充电桩,这个车在外面跑一个月不要管,他没有电会自己找一个充电桩充电,然后接客。如果是燃油车,我们要结算和要有人加油。

目前来说,中外车厂的差异在于合作模式,国外的OEM倾向于把好的初创公司收在自己的供应商体系或者子公司里,然后对它投入资源进行全力的孵化,来提升它的估值。但国内大部分是合作,通过资本层面跟合作伙伴建立这种互信的关系。


8、5G的技术驱动一定不是人们对于更新的技术和更稳更高的带宽的追求,而是转向工业制造业等等对它的追求。


结合5G在自动驾驶领域来说,5G有三个特点,

一是低时延,就是速度快;

二是大带宽,自动驾驶往往传输的是结构化信息,所以这一点自动驾驶上用的不多;

三是高可靠性高可靠性对于自动驾驶非常重要,自动驾驶需要多次的验证,5G能支持这些相关协议的。总结来说三个特点中对于自动驾驶帮助最大的是低时延和高可靠性。


5G应用到自动驾驶里会出现什么情况?我们花了大量的精力和时间去研发感知算法,我们花了大量的金钱去购买量产上使用昂贵的高性能传感器、进行感知运算的核心芯片以及用于进行计算的大量为传感器和芯片供电的能源。


但如果有了足够好的V2X或者5G应用的话,那么在车上就能实时地接收到已经结构化的信息,比如周边的车况等等,都变成了能够通过读心术读到的一切,不需要感知了。


那么单车的能耗会下降,单车的芯片成本、传感器成本会下降,只需要用核心传感器就能够进行了。同时5G的高可靠性和低时延让自动驾驶的整体系统安全性得到了极大的提升。



激光雷达大会预告

11月21-22日,智车行家携手中国信通院、上海易贸商务发展有限公司、数十家行业媒体以及科研院所将在上海主办 “2019汽车激光雷达前瞻技术展示交流会”。

重磅发言抢先看


11月21日  |  星期四

激光雷达行业概况 & 测试标准

▲▲▲


自动驾驶及激光雷达市场概览

发言嘉宾:Roywang,高级分析师,IHS Markit


量产汽车激光雷达应用的思考

发言嘉宾:郭继舜,智驾技术部部长,广汽研究院

车载激光雷达测试要求、测试项目以及主要参数测试方法探讨

发言嘉宾:麻云凤,常务副主任,国家激光器件质量监督检验中心


CEO焦点访谈

郑凯,总经理,苏州凌创瑞地测控技术有限公司

潘卫青,总经理,杭州爱莱达科技有限公司

石拓,CEO,北京一径科技有限公司

梁伟,董事长总经理,苏州镭智传感科技有限公司

核心元器件及系统运用
▲▲▲

“经济型”多光束闪光激光雷达关键技术

发言嘉宾:Clement Kong,亚太区总经理,Ouster


3D固态激光雷达Cocoon技术在自动驾驶中的应用

发言嘉宾:Clive Szeto,中国区总经理,Leddar Tech


为高级辅助驾驶和自动驾驶打造的智能激光雷达传感系统

发言嘉宾:LeiLei Shinohara,合伙人、研发副总裁,深圳市速腾聚创科技有限公司


长距离图像级激光雷达打造自动驾驶可靠安全的“眼睛”

发言嘉宾:邸明,中国区总经理,Innovusion / 图达通智能科技(苏州)有限公司


自动驾驶所需的车规级激光雷达及感知融合

发言企业:法雷奥


全固态激光雷达的关键技术研究

发言嘉宾:潘教青,教授,博导,副主任,中国科学院半导体研究所


用于自动驾驶中的可量产固态激光雷达

发言嘉宾:石拓,CEO,北京一径科技有限公司


FMCW激光雷达技术进展与产业化

发言嘉宾:潘卫青,总经理,杭州爱莱达科技有限公司


动态大场景激光雷达SLAM的挑战与解决思路

发言嘉宾:秦宝星,CTO,高仙机器人


高性能工程塑料在激光雷达中的应用

发言企业:SABIC,特材事业部


特别鸣谢以下整车企业参与



长按下方二维码

添加微信客服“小易@智车行家”

邀您加入500人激光雷达行业交流群

详情联系:Kevin 吴先生

电话:18512119620(微信同)

邮箱:icv@enmore.com

大会即将开启线上约见功能

点击阅读原文立刻报名!

↓↓↓ 

点击“阅读原文”,即可报名参会&预定展台(仅限整车厂免费)

最新有关gh_4090d6fa3eb3的文章

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: TI培训

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved